数字人产业的技术竞赛，正在悄然换挡。从早年“比拼拟真度、追求外观像真人”的上半场，到如今“考验交互能力、聚焦落地价值”的下半场，中国数字人产业正经历从“展示型”向“实用型”的转向。

　　据沙利文最新报告，中国数字人赛道年复合增长率达52%，约为全球增速的1.5至2倍，亚太已是全球最大增量市场。但行业高速增长的背后，“落地难”仍是共性痛点：多数数字人仍停留在照本宣科的展示阶段，能输出不能互动，能录制短视频却撑不住长时直播，实时交互能力成为制约产业规模化落地的核心瓶颈。

　　在2026世界人工智能大会腾讯AI应用创新论坛上，虎牙发布自研实时多模态数字人基础模型VAM 1.0。据虎牙相关负责人介绍，该模型基于DiT架构打造，核心特点是全链路实时生成，仅需输入一张静态照片，即可生成能实时说话、聆听、反应的数字人形象，无需预渲染和录播素材，每一帧均为在线采用三段式训练体系，在保障长时间运行稳定、平衡表情自然度的同时，引入自纠错机制提升效率、降低算力成本。测试显示，在同等推理集群条件下，模型可实现36.4帧/秒生成、首帧延迟1.3秒，在帧率、响应速度、稳定性和算力效率等指标上处于行业第一梯队。

　　数字人的价值，最终要在真实场景中检验。依托虎牙十余年游戏直播的场景积累，VAM将交互能力放在核心位置，原生覆盖静默、聆听、说话三种对话状态：用户发言时数字人同步做出注视、点头等反馈，用户停顿可自然接话，被打断时能即时响应，支持弹幕、语音双通道驱动交互，更接近真人对话的真实体验。

　　“大多数模型只学过怎么说，没学过怎么听。虎牙泡在直播间十几年，观众不会等你说完再发弹幕，是场景倒逼出了技术。”虎牙公司CEO黄俊洪表示，直播场景天然的高并发、强交互属性，为数字人技术迭代提供了很好的训练场。

　　目前VAM已在虎牙平台落地多个核心业务场景：可生成无模板限制的唱跳互动内容，支持形象切换；可承载狼人杀、塔罗牌等陪伴式互动内容；可作为真人主播的数字分身承接弹幕互动、烘托直播间氛围；还可应用于赛事解说、游戏道具带货等场景，填补深夜时段、垂直垂类的内容供给缺口。

　　在虎牙公司董事长林松涛看来，真实场景是AI价值的第一现场。当前AI模型能力的差距正在收窄，但工买球官方网站程化、场景化的差距在逐步拉开，AI普惠的核心是让普通人都能用上好用的AI工具。随着数字人技术逐步融入直播、游戏全链路，内容生产的成本结构也在发生变化。业内人士分析，真人主导的线性内容供给，正在向“真人+AI数字人”的多元供给模式转型，边际成本随规模扩大持续下降，有望为内容产业打开新的增长空间。黄俊洪透露，后续VAM将持续迭代优化，在推理效率、模型表现力、定制成本三个方向同步升级，最终覆盖多模型融合与低成本个性化定制需求，支撑“和AI一起玩游戏”的长期定位。

　　当前，我国数字人产业已进入新的发展阶段，行业竞争正从单一的形象生成技术比拼，转向技术、场景、工程、生态的全方位协同。此次虎牙VAM在游戏直播场景的落地，是实时交互数字人走向实用化的一次典型探索。

　　业内人士指出，立足国内海量的应用场景优势，走场景牵引、技术落地、生态协同的发展路线，正成为数字人产业的未来方向。随着实时交互能力的不断成熟，数字人有望进一步走进政务、医疗、文旅等更多领域，真正成为赋能千行百业的数字化工具。

　　人民日报社概况关于人民网报社招聘招聘英才广告服务运营服务合作加盟版权服务数据服务网站声明网站律师信息保护联系我们

　　人 民 网 股 份 有 限 公 司 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用