21世纪经济报道记者 吴立洋 上海报道

自本轮AI热潮兴起以来，数字人技术一直是AI在内容产业落地的重要方向，但其在实际落地过程中却往往面临表现僵硬、反馈迟缓等问题。在大模型技术快速普及的同时，AI数字人赛道热度也持续走高，这一商业化落地的瓶颈愈发凸显。

7月18日，在2026世界人工智能大会（WAIC）腾讯AI应用创新论坛上，虎牙公司CEO黄俊洪表示，当前AI领域模型能力的差距正持续收窄，但工程化能力的差距正在逐步拉开；数字人赛道的竞争核心，已从参数规模与实验室效果的比拼，转向真实场景下的稳态运行、自然交互与规模化落地能力的较量。

虎牙公司CEO黄俊洪

据沙利文报告数据，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，亚太市场已是全球最大增量市场。

但另一方面，多数数字人产品仍停留在“展示型”阶段，依赖预设脚本与预渲染内容完成短时长输出，仅能适配宣传片、固定播报等弱交互场景；一旦进入三小时以上的长周期实时互动场景，形象崩坏、反应延迟、交互僵硬等问题便集中爆发。“三分钟视频达标，三小时直播崩盘”是产业实践中的典型问题。

黄俊洪指出，数字人从展示型产品走向实时交互型应用，必须翻越稳态、拟态、动态三道行业门槛。

稳态层面，AI生成视频的误差累积是难以绕开的技术瓶颈，长时间运行极易出现五官偏移、动作撕裂等问题，考验的是模型在极端工况下的稳定性；拟态层面，表情、唇形、肢体动作的自然度不足，虚拟感始终难以消弭，考验的是多目标优化的精细度；最核心的动态层面，传统数字人多为单向输出的 “半双工” 模式，无法实现打断、聆听、实时反馈的自然交互，叠加高画质与低延迟的工程天然矛盾，部署成本居高不下，多数方案只能实现单点突破，难以兼顾三重能力的均衡优化。

这也解释了为何模型参数越来越高，但能真正实现商业化稳定运行的产品依然稀缺——工程化不是单点技术的突破，而是系统能力的综合比拼。

业内不少团队已开始通过技术架构与训练体系的优化破解行业难题。据黄俊洪介绍，以虎牙本次发布的实时多模态数字人VAM1.0为例，该模型基于DiT架构打造，采用三段式训练体系分步攻坚：

首先，通过多参考帧加运动帧锚定解决长时稳态问题，训练阶段主动引入大量劣化画面提升模型容错能力；其次，通过偏好优化算法平衡唇形、脸型、动作等多维度的拟态效果，消解多目标冲突带来的违和感；最后，通过大幅压缩推理步骤与引入自纠错机制提升运行效率，最终在同等算力条件下实现36.4帧/秒的生成速度与1.3秒首帧延迟，有效控制了算力开销。

在产业层面，实时交互数字人的落地，正在重构内容行业的增长逻辑与成本结构。

过去十年，直播等内容形态重度依赖真人供给，内容增长与人力投入基本呈线性关系，边际成本难以随规模扩张有效下降。当多模态数字人深度融入全天候直播、赛事解说、陪伴互动、电商带货等场景后，内容供给将从真人驱动的线性增长，转向技术驱动的指数级扩张，内容边际成本随规模持续下降，进而打开行业的利润空间。

这种技术杠杆效应同时向产业链上游延伸，以游戏发行产业为例，规模化的数字人生态矩阵可重构内容营销与发行链路，实现从获客到留存的全周期覆盖，提升发行效率的同时降低营销成本。

从行业发展趋势来看，数字人赛道已脱离早期的概念炒作阶段，进入工程化落地深水区。

“未来行业的分化将进一步加剧，竞争不再是单一模型能力的比拼，而是场景沉淀、工程优化与产业整合的综合较量。”黄俊洪表示，AI普惠的核心，从来不是顶尖能力的持续拔高，而是让普通场景能够低成本、稳定地用上AI，这也将成为下一阶段数字人产业化进程的核心评判标准。