4月27-28日，芥末堆在北京舉辦以“中行獨復(fù)，教育重構(gòu)科技”為主題的GET2024春季教育科技大會。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去十年中的積淀和近年來在大模型領(lǐng)域的領(lǐng)先實踐和前沿成果，同時著重分享了教育行業(yè)的落地場景。李斌提到，商湯科技于近日舉辦了技術(shù)交流日活動，帶來了全新升級的日日新SenseNova 5.0大模型，其綜合能力全面對標(biāo)GPT-4 Turbo；同時也開發(fā)和更新了多款產(chǎn)品的矩陣，包含商湯如影數(shù)字人，商湯如影希望通過數(shù)字人+大模型，賦能教育培訓(xùn)行業(yè)。

以下為演講實錄，經(jīng)編輯：

拿到這個標(biāo)題時，其實我們有點忐忑。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，可以將知識更有效地傳遞至每一個學(xué)生，這是我們所謂的教育的“最后一公里”。如果從這個角度來看，AI技術(shù)的發(fā)展確實可以做到這一點，今天我也會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，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。目前來說，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，這也是中國最大的基礎(chǔ)設(shè)施之一。我們現(xiàn)在有4.5萬張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，這個名稱來自于“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)界十幾年來在不同領(lǐng)域?qū)Υ竽Ｐ蜕疃葘W(xué)習(xí)的積累。有一個簡單的比喻，如果RNN模型是蒸汽機(jī)，Transformer大模型就是內(nèi)燃機(jī)，這是一個從量變到質(zhì)變的過程。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，這個版本目前來說是中國首個同GPT-4 Turbo大模型進(jìn)行對標(biāo)的，現(xiàn)在有6000億參數(shù)，我們增強(qiáng)了知識、數(shù)據(jù)和推理代碼能力。在主流的一些客觀評測標(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，接下來重點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每個人都可以擁有一個數(shù)字人，基于日日新的全站式AIGC數(shù)字人生成平臺，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、面部表情、肢體動作自然度……這些都是通過AIGC數(shù)字人技術(shù)生成的；第二是語言大模型能力，也就是日日新大模型的能力；第三是語音大模型能力，我們非常重視這個方面，并且于今年4月發(fā)布了針對不同行業(yè)的語音大模型，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“無中生有”可以使數(shù)字人使用規(guī)避一些版權(quán)問題。

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，再到最終落地的場景，每個環(huán)節(jié)都完成了自研閉環(huán)。

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

這個是商湯在推動可信數(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信息通信研究院（簡稱“中國信通院”）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)問題，真正做到隱私保護(hù)和權(quán)責(zé)可追溯。而說到如影數(shù)字人具體如何制作，為什么會如此逼真？主要源于三個方面。

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程當(dāng)中，難免會有一些比較細(xì)節(jié)的部分。現(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)絲級別的處理。經(jīng)過多年研究，我們發(fā)現(xiàn)數(shù)字人的實現(xiàn)過程中，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。另外，我們今年計劃重點提升語言和動作的匹配，使數(shù)字人可以有更豐富的情緒表達(dá)。

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

場景一，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，便可以通過上傳課件快速生成自己的數(shù)字人視頻課程。這個場景已經(jīng)在落地了，而且力度非常大。

場景二，輕松制作名師推廣視頻。我們會和一些教育行業(yè)的客戶合作做一些營銷類視頻，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，在這個領(lǐng)域我們大概能提供這幾個優(yōu)勢：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現(xiàn)了實時師生互動，這非常關(guān)鍵；當(dāng)然我們也支持多語言和助教模式，包括主講教師和助教老師同時在線的直播效果。

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

第四個場景是一對一專屬助教在線答疑解惑，第五是外語口語教學(xué)一對一陪練。

現(xiàn)階段外語教學(xué)陪練是大模型和數(shù)字人相結(jié)合的一個非常前沿的領(lǐng)域。這其中最關(guān)鍵的是要做到快速響應(yīng)，也正是因為數(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的感覺。場景六是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，非常希望將來能和大家有更多合作，歡迎交流！