4月27-28日，芥末堆在北京舉辦以“中行獨(dú)復(fù)，教育重構(gòu)科技”為主題的GET2024春季教育科技大會(huì)。在4月27日下午的主論壇中，商湯科技數(shù)字文娛事業(yè)部高級(jí)產(chǎn)品總監(jiān)李斌以《AI數(shù)字人賦能教育數(shù)字化的“最后一公里”》為題，介紹了商湯科技在過(guò)去十年中的積淀和近年來(lái)在大模型領(lǐng)域的領(lǐng)先實(shí)踐和前沿成果，同時(shí)著重分享了教育行業(yè)的落地場(chǎng)景。李斌提到，商湯科技于近日舉辦了技術(shù)交流日活動(dòng)，帶來(lái)了全新升級(jí)的日日新SenseNova 5.0大模型，其綜合能力全面對(duì)標(biāo)GPT-4 Turbo；同時(shí)也開發(fā)和更新了多款產(chǎn)品的矩陣，包含商湯如影數(shù)字人，商湯如影希望通過(guò)數(shù)字人+大模型，賦能教育培訓(xùn)行業(yè)。

以下為演講實(shí)錄，經(jīng)編輯：

拿到這個(gè)標(biāo)題時(shí)，其實(shí)我們有點(diǎn)忐忑。什么是教育行業(yè)的“最后一公里”，什么是教育數(shù)字化的“最后一公里”？我想這不一定是有定論的。所以我問(wèn)了一下商湯的大模型，看到它給出的答案（下圖）之后，我們的心里也有了譜。

大家從第一句就可以看到，可以將知識(shí)更有效地傳遞至每一個(gè)學(xué)生，這是我們所謂的教育的“最后一公里”。如果從這個(gè)角度來(lái)看，AI技術(shù)的發(fā)展確實(shí)可以做到這一點(diǎn)，今天我也會(huì)跟大家分享一些具體案例。

首先介紹一下商湯科技，商湯科技有很多領(lǐng)先的人工智能相關(guān)算法技術(shù)的落地應(yīng)用。我們的員工中，科研人員占比三分之二。公司已成立10年，我們已經(jīng)在行業(yè)里取得了一些小小的成績(jī)，在此不一一贅述。

現(xiàn)在看一家人工智能企業(yè)是否靠譜，核心指標(biāo)是看算力。目前來(lái)說(shuō)，商湯已經(jīng)于2022年自建了亞洲規(guī)模最大之一的AI超算中心，這也是中國(guó)最大的基礎(chǔ)設(shè)施之一。我們現(xiàn)在有4.5萬(wàn)張GPU卡。

算力也是人工智能大模型訓(xùn)練的保障。商湯的大模型叫做日日新，這個(gè)名稱來(lái)自于“茍日新，日日新，又日新”。我們覺得它非常契合于人工智能行業(yè)當(dāng)前日新月異的發(fā)展?fàn)顟B(tài)。

從技術(shù)演進(jìn)角度來(lái)看，這一輪人工智能技術(shù)發(fā)展浪潮最關(guān)鍵的是深度學(xué)習(xí)。當(dāng)前大模型爆發(fā)，正是源自產(chǎn)業(yè)界和學(xué)術(shù)界十幾年來(lái)在不同領(lǐng)域?qū)Υ竽Ｐ蜕疃葘W(xué)習(xí)的積累。有一個(gè)簡(jiǎn)單的比喻，如果RNN模型是蒸汽機(jī)，Transformer大模型就是內(nèi)燃機(jī)，這是一個(gè)從量變到質(zhì)變的過(guò)程。從小模型到大模型，變化的永遠(yuǎn)是規(guī)模和效率，不變的是深度學(xué)習(xí)這條路，這也是商湯科技堅(jiān)持走了近十年的道路。

近期（2024年4月23日）我們發(fā)布了日日新5.0版，這個(gè)版本目前來(lái)說(shuō)是中國(guó)首個(gè)同GPT-4 Turbo大模型進(jìn)行對(duì)標(biāo)的，現(xiàn)在有6000億參數(shù)，我們?cè)鰪?qiáng)了知識(shí)、數(shù)據(jù)和推理代碼能力。在主流的一些客觀評(píng)測(cè)標(biāo)準(zhǔn)上，我們基本上達(dá)到或超越了GPT-4 Turbo的水平?；谌杖招麓竽Ｐ腕w系，我們也開發(fā)了多款產(chǎn)品矩陣，希望能夠賦能各行各業(yè)。

介紹完商湯大模型能力，接下來(lái)重點(diǎn)跟大家介紹一下商湯如影數(shù)字人的能力。我們推出商湯如影數(shù)字人的愿景是希望將來(lái)每個(gè)人都可以擁有一個(gè)數(shù)字人，基于日日新的全站式AIGC數(shù)字人生成平臺(tái)，產(chǎn)品目前主要具備了四大能力。

第一是AIGC數(shù)字人生成技術(shù)，大家看到的像口型驅(qū)動(dòng)、面部表情、肢體動(dòng)作自然度……這些都是通過(guò)AIGC數(shù)字人技術(shù)生成的；第二是語(yǔ)言大模型能力，也就是日日新大模型的能力；第三是語(yǔ)音大模型能力，我們非常重視這個(gè)方面，并且于今年4月發(fā)布了針對(duì)不同行業(yè)的語(yǔ)音大模型，包括教育行業(yè)、企業(yè)服務(wù)行業(yè)、電商行業(yè)優(yōu)化等。第四是AIGC形象生成能力，通過(guò)“無(wú)中生有”可以使數(shù)字人使用規(guī)避一些版權(quán)問(wèn)題。

這里是如影數(shù)字人整體解決方案的架構(gòu)，從下往上看，大家可以看到我們涵蓋了從基礎(chǔ)設(shè)施到AI引擎，到如影平臺(tái)，再到最終落地的場(chǎng)景，每個(gè)環(huán)節(jié)都完成了自研閉環(huán)。

我們最終交付給客戶的產(chǎn)品有兩個(gè)系列，用戶可以使用SaaS產(chǎn)品，也就是通過(guò)App端或者web端，用手機(jī)號(hào)就可以進(jìn)行數(shù)字人平臺(tái)注冊(cè)；同時(shí)也可以通過(guò)PasS平臺(tái)接口，對(duì)接更多B端客戶進(jìn)行合作；當(dāng)然也支持一些項(xiàng)目定制。

這個(gè)是商湯在推動(dòng)可信數(shù)字人行業(yè)標(biāo)準(zhǔn)建立上作出的一些貢獻(xiàn)，我們深度參與了中國(guó)信息通信研究院（簡(jiǎn)稱“中國(guó)信通院”）制定的可信數(shù)字人標(biāo)準(zhǔn)，它可以幫助客戶避免形象盜用或一些形象版權(quán)問(wèn)題，真正做到隱私保護(hù)和權(quán)責(zé)可追溯。而說(shuō)到如影數(shù)字人具體如何制作，為什么會(huì)如此逼真？主要源于三個(gè)方面。

這里我想介紹一下，我們擁有非常精細(xì)的背景分割技術(shù)。數(shù)字人形象和聲音克隆過(guò)程當(dāng)中，難免會(huì)有一些比較細(xì)節(jié)的部分?，F(xiàn)在可以細(xì)到什么程度？在商湯算法下的數(shù)字人背景分割可以做到發(fā)絲級(jí)別的處理。經(jīng)過(guò)多年研究，我們發(fā)現(xiàn)數(shù)字人的實(shí)現(xiàn)過(guò)程中，核心都是細(xì)節(jié)，細(xì)節(jié)堆疊越多、處理越好，用戶的感受才能更加真實(shí)。另外，我們今年計(jì)劃重點(diǎn)提升語(yǔ)言和動(dòng)作的匹配，使數(shù)字人可以有更豐富的情緒表達(dá)。

接下來(lái)，我們一起來(lái)看看教育行業(yè)相關(guān)的應(yīng)用案例，也希望收獲更多來(lái)自大家的反饋。

場(chǎng)景一，讓課程視頻制作更快更便捷。如果有了數(shù)字人形象并在此基礎(chǔ)上添加大模型生成的文本，就可以快速生成教師的課件。同時(shí)我們也配置了相應(yīng)的海量模板，如果老師有自己的課件，便可以通過(guò)上傳課件快速生成自己的數(shù)字人視頻課程。這個(gè)場(chǎng)景已經(jīng)在落地了，而且力度非常大。

場(chǎng)景二，輕松制作名師推廣視頻。我們會(huì)和一些教育行業(yè)的客戶合作做一些營(yíng)銷類視頻，我認(rèn)為現(xiàn)在教育行業(yè)獲客的成本還是蠻高的，如果客戶有自己數(shù)字人的形象，也可以快速生成一些名師推廣視頻。

場(chǎng)景三，名師AI直播永不下線。AI直播課程現(xiàn)在也非常多，在這個(gè)領(lǐng)域我們大概能提供這幾個(gè)優(yōu)勢(shì)：首先是不間斷授課；其次是更高效地開課；第三是教師矩陣管理；第四是我們目前已經(jīng)同商湯如影和日日新大模型整合實(shí)現(xiàn)了實(shí)時(shí)師生互動(dòng)，這非常關(guān)鍵；當(dāng)然我們也支持多語(yǔ)言和助教模式，包括主講教師和助教老師同時(shí)在線的直播效果。

具體介紹一下直播互動(dòng)功能，直播互動(dòng)功能有四種，這四種功能都是和各個(gè)直播平臺(tái)打通的。第一是助教接管，可在直播過(guò)程中隨時(shí)接管數(shù)字人，使用麥克風(fēng)口播驅(qū)動(dòng)數(shù)字人直播實(shí)時(shí)回答用戶的問(wèn)題；第二是彈幕互動(dòng)，我們支持抓取直播間彈幕，數(shù)字人可以自動(dòng)回答彈幕問(wèn)題；第三是事件互動(dòng)，數(shù)字人可以依據(jù)課堂直播間人數(shù)、直播間評(píng)論數(shù)等直播間事件觸發(fā)互動(dòng)；第四是定時(shí)互動(dòng)，可實(shí)現(xiàn)定時(shí)隨機(jī)在直播間插入互動(dòng)。

第四個(gè)場(chǎng)景是一對(duì)一專屬助教在線答疑解惑，第五是外語(yǔ)口語(yǔ)教學(xué)一對(duì)一陪練。

現(xiàn)階段外語(yǔ)教學(xué)陪練是大模型和數(shù)字人相結(jié)合的一個(gè)非常前沿的領(lǐng)域。這其中最關(guān)鍵的是要做到快速響應(yīng)，也正是因?yàn)閿?shù)字人產(chǎn)品體系和商湯日日新產(chǎn)品體系的打通，才能實(shí)現(xiàn)快速反饋的效果，目前可以做到2-3秒，比較接近于和真人互動(dòng)的感覺。場(chǎng)景六是3D數(shù)字人和元宇宙讓課堂更多樣，使課堂氛圍更加活躍。

以上是我今天的分享內(nèi)容，非常希望將來(lái)能和大家有更多合作，歡迎交流！