近日，湖南省首个文旅融媒体频道——长沙广播电视台文旅频道正式开播。由出门问问联合打造，兼备专业与亲切外貌的数字人主播「诗远」惊艳亮相，不仅在活动现场进行实时问答，带观众细数湖南14个地州市名山，也为文旅频道数字化转型揭开新篇章，实现更沉浸式的交互体验。 「奇妙问」可互动的数字员工 为企业服务注入新活力 数字人主播「诗远」实际上是文旅频道主持人曹楚璇的数字分身。她的形象和声音都是由出门问问对曹楚璇本人进行1:1复制而得，同时，这一数字分身也嵌入了出门问问的「奇妙问」SaaS服务平台，以进行展示和互动。 「奇妙问」致力于为企业提供全流程的交互式AI数字人制作、生产和发布服务。企业仅需输入真人形象、岗位职责以及行业知识，即可通过「奇妙问」快速打造更智能、高效和个性化特点的AI助理，通过自然流畅的语音和生动表情、动作，将问答以新颖的方式呈现，提升客户体验和服务质量。 「奇妙问」平台，基于「序列猴子」大模型，具备强大的语言理解和生成能力。它能够深入分析文本内容和情感，生成流畅的自然语言文本，还支持包括中文、英文、德语、西班牙语、法语、日语、意大利语、俄语、韩语和葡萄牙语在内的10种以上语言，满足多语言用户的需求。 平台还具备情景学习能力，能够迅速适应新领域，根据任务描述生成精准答案；逻辑推理能力使其能够处理数学计算和逻辑问；开放问答功能则允许用户自由提问，获得全面而实用的回答。 数字人主播「诗远」与主持人的互动，以及对湖南名山的介绍，正是「奇妙问」以上能力的综合体现。 除了「序列猴子」大模型的支持外，「奇妙问」最引人注目的特色是其为企业提供可定制化的知识库，打造独有的数字员工。通过简单输入提示词，企业即可个性化设置数字人角色，上传专有文档进行数据训练，建立独属于企业的专业知识库。 不仅如此，「奇妙问」不仅能文本回应，还能多模态交互，包括图片和视频。它还兼容十余种第三方插件如实时天

能想象可以迅速找到一位精通七种外语，同时对每个多音字和生僻字了如指掌的配音演员吗？「魔音工坊」让这一切成为可能。 作为出门问问（02438.HK）旗下的明星AI配音产品，「魔音工坊」自2月推出其TTS引擎MeetVoice Pro以来，不断突破技术边界，致力于提供卓越的语音体验。现在，我们迎来革命性的全面升级，五大核心功能全新优化👇 $出门问问(02438)$

在全球化贸易的浪潮中，出门问问与义乌小商品城紧密合作，通过Chinagoods AI智创服务平台，为传统商贸注入了AI技术的创新活力。这一平台集成出门问问的视频翻译技术，商户只要上传推广视频，即可一键生成外语版本进行海外推广。更有商户实现纽约时代广场“霸屏卖货”，成为全球关注的焦点。 借助视频翻译技术 义乌老板娘们使用英语推广产品 携手义乌 加速AI赋能对外贸易 Chinagoods AI智创服务平台由义乌国际商贸城搭建，集成出门问问的先进视频翻译技术，为商户们提供了跨越语言障碍的强大出海工具。 通过这项技术，商户们可以轻松将录制的中文视频转化为36种语言版本，同时AI还能智能调整口型以匹配发音，确保信息传递的自然流畅。目前，已有超过一万家商户使用这一功能，与全球客户进行有效沟通，显著提升了商户收入，及义乌小商品城的国际竞争力。 「奇妙元」视频翻译 操作简单易上手 Chinagoods平台大受欢迎的视频翻译服务，得益于出门问问的两大核心功能——形象克隆和声音克隆，这为义乌小商品城的商户们开拓了更多对外贸易的机遇。 形象克隆操作简单易上手，商户只需轻松三步，即可完成数字人形象的制作。一、录制5分钟视频，上传至奇妙元克隆平台；二、AI深度建模，1:1复刻真人形象；三、使用数字人形象的制作，轻松实现视频的批量制作。 轻松三步 即可拥有自己的数字分身 利用这一功能，商户们仅需在Chinagoods平台上传一小段真人出镜的产品介绍视频，即可迅速克隆自己的数字形象。AI深度建模技术确保了视频中数字人形象的自然表情和流畅动作，与真人无异，极大地提升了视频的吸引力和传播效果。 借助声音克隆，商户们能够用自己的音色流利地讲述36种外语，不仅在纽约时代广场上实现了“霸屏卖货”，更改变了传统的推销模式。他们不再局限于一对一的推销，而是通过打造个性化的IP和具有辨识度的视频号，

随着市场需求的不断多元化，「奇妙元」基于最新2.5D数字人系统WetaAvatar 4.0，推出实景行走数字人，让数字人从此“走起来”。 在此之前，AI数字人技术多局限于静态展示或基础动作模拟。而「奇妙元」的最新技术突破了这些限制，不仅使数字人能够超越室内环境的束缚，还在动作表现上实现了显著进步。现在，数字人可以在室外实景中自如行走并流畅沟通，呈现出更加自然和逼真的交互效果。 「奇妙元」持续丰富数字人表现形式 图片 在不断更新的2.5D数字人系统基础上，我们的技术团队已经在WetaAvatar3.0数字人系统中对数字人的多样化表现形式进行了深入研究与开发。2023年，技术团队第一次在2.5D数字人技术中整合了3D建模功能，这一重大革新允许系统深度学习并精确复原形象的面部特征，无论是牙齿、嘴唇还是最细微的表情纹路，都能实现精确到1:1的高保真还原。 在3D模型的加持下，即便在复杂的动态场景中，如人物移动，我们的系统也能确保数字形象的整体一致性和自然呈现。这不仅标志着我们技术上的一个重要突破，也为WetaAvatar4.0数字人系统在更复杂环境中的运动和交互打下了坚实的技术基础。 一个突破点 两大技术整合 在基于WetaAvatar 3.0数字人系统的前后走动数字人之后，我们的技术团队取得了新的突破，创建了一种动态性更强、逼真度更高的数字人表现形式——实景行走数字人。 一般而言，数字人拍摄通常在绿幕背景的专业摄影棚进行。在这种环境下，背景条件得以控制，光线分布均匀，且所拍摄的形象通常处于坐姿或站姿，极大减少了动作变量。 数字人通常为站姿或坐姿 相比之下，室外实景行走数字人的拍摄和制作面临着更加复杂的挑战。室外环境本身变化多端且干扰元素众多，这不仅要求数字人在更广泛的空间中进行更加自然连贯的肢体动作，而且其面部表情、视角、部分着装，乃至背景光线等都可能会随之变化。这些变数极大提升

Agent 诞生短短一年，已成为科技巨头与创业公司多方角逐的兵家必争之地。 而市场上的大多数 Agent，似乎并不严格符合商业界对于 Agent 的期待。包括 OpenAI 的 GPTs，其实只是用于特定知识库或数据的 Chatbot。这些基于场景信息、用于数据分析、代码纠错的智能体，不过是一种轻量化的个人助手而已。 除了大家一直关注的软色情、假官方、刷单横行等安全问题之外，更因缺乏必要的用户群需求和场景的汇聚深入，使得To C领域并未出现颠覆式的杀手级应用，很多 GPTs 沦为了大众浅尝辄止的“玩具”。同时，在程序联动和自动化工作流方面，GPTs 也有很多提升的空间。 在当下大模型的早期，究竟什么样的 Agent 才是商业化真正需要的。什么样的场景下，Agent 才能发挥其最大的价值？ 当我们把目光从To C转向To B，似乎有了一个更有前景的答案。 01. To B：Agent真正的战场 2024年红杉资本的人工智能峰会上，吴恩达发表了一场关于 Agent 的演讲，他提出了 Agent 的四种主要能力——反思（Reflection）、使用工具（Tool use）、规划（Panning）以及多智能体协同（Multi-agent collaboration），并强调了AI Agent 工作流的重要性，预测它将成为未来的重要趋势。 企业家兼平台经济研究者Sangeet Paul Choudary也在今年3月发文提到，Agent 创造了一个重新整合场景的可能性，使得垂直领域的人工智能玩家能够通过跨多个工作流程进行协调来实现水平发展，这将重塑B2B价值链。 相较于零散个人用户，企业用户通常面临更加复杂的业务需求，有更明确的业务场景、业务逻辑以及更多行业数据及其行业知识的积

前段时间，腾讯新闻的两篇访谈在AI创投圈引发热议。 某VC从业者与某大模型创业者对「大模型创业」的看法截然不同。前者被认为是“急功近利派”——他不看好大模型创业，认为现阶段大模型公司缺乏场景和数据、估值过高、面临开源模型的竞争、投资风险大，所以他更倾向于投资能快速商业化的应用层项目。 而后者被认为是奉行“长期主义”——他坚定看好大模型创业，认为这是未来十年唯一有意义的事情，需要长期投入和坚持，目标剑指AGI。 诚然，作为投资人与作为创业者两人所处的位置和背景不同，视角自然迥异，各有偏向。一定意义上，两者都可以被认为是“长期主义”，前者追求短期的“苟且”也是为了长期的可持续，而后者所谓的“长期”更可能是因为对难以规模化落地的现实无能为力。 但他们之间的分歧，凸显了做「产品」的公司与做「模型」公司之间巨大的鸿沟。 一方面，大模型公司在算力和人才上烧钱速度快，“卷”模型停不了脚步，但落地应用和服务营收却举步维艰。除了少数头部大模型公司受到资本市场的青睐被持续输血，百模大战中以模型起家尚未找到规模化落地应用和营收的多数公司面临着严峻的资金断流的形势。 另一方面，相当一批跃跃欲试的领域专家和产品公司都在试图对接第三方大模型，试图以大模型赋能千行百业。但迄今未见规模化成功的案例，除了大模型头部公司自己下场的类ChatGPT应用以外，大模型时代的 Super Apps 呼之不出。 调用外部大模型开拓产品服务的公司面临的一个挑战是：他们辛苦开拓的落地场景有被通用大模型更新换代而冲刷的危险。Jasper 的式微是一个代表性案例。不久前OpenAI 发布了新一代的视觉大模型Sora，业界惊呼 Sora 很快会淹没一批主攻AI视频产品的初创。 那么，是否有一条路径，同一家公司在产模两端发力，实现从TPF（Technology-Product Fit）到PMF（Product-Market Fit

一个由AI驱动的未来世界是什么样？ 英伟达GTC 2024大会交出了一份答卷——不仅推出最新架构的芯片及其算力集群，更在AI软件方面做了全栈升级；最新的数字孪生产品和机器人大模型让“虚拟人”和“具身智能”的热度再次提升；黄老板的主题演讲、李飞飞的“炉边谈话”以及“Transformer八子”的戏剧性对谈，将大会的关注度拉到前所未有的高点。 纵观英伟达的本次GTC大会，可以发现两个鲜明的趋势：一是软硬件同步发力，“加速推理”成为新产品的主基调；二是更加“All in AI”，在AI生态所能涉及到的各个方面全方位布局，以AI全生态 leader 的形象和地位屹立于世。 如同提起台积电，就让人联想到高精尖的n纳米芯片；很久以来，一提到英伟达，很多人认为他是那位隔壁造“卡”卖“卡”的暴发户，随着对GPU的需求激增发了AI财。这固然并非完全不对，但把如今的英伟达仅视为一位GPU硬件制造商，已未免狭隘。 的确，英伟达以GPU起家，从动力角度，几乎以一己之力推动了人工智能深度学习的革命，尤其是近年来的大模型创新。作为其底层发动机，遵循 scaling law，在大数据和大模型之上，“大力出奇迹”才有了大算力的保障。 英伟达不仅坐稳了GPU算力的宝座，并且不断自我逾越，保持GPU更新迭代在快车道前行，作为一家世界级前瞻企业，黄仁勋一直在AI软硬件全生态布局，以领导者的角色定位自己。 英伟达的AI全生态链有着某种超然的色彩，以一种对各友商兼容并蓄的姿态面对生态圈——毕竟几乎每一位实力玩家目前都对英伟达的GPU有需求。以自动驾驶硬件包为例，展厅上两大排展出了英伟达与20多家自动驾驶企业合作的产品，蔚为大观。 本次GTC具体发布了哪些产品？这些产品对于AI行业的发展有着什么意义？英伟达在AI领域布局的战略调整背后又有哪些核心考量？此文试予阐释。 01. 软硬件齐发力，更强算力、更易操作 去年3

Suno V3 的发布，一石激起千层浪。 它以更清晰动听的广播音质、更多的音乐风格和流派、更快的响应指令、更少的幻觉等给人带来了耳目一新的使用体验，为AI圈带来的震撼程度不亚于当时Sora的发布。 由于Suno V3 一发布就对全民开放，而且对音乐初学者来说几乎毫无门槛，很多人将Suno V3视为「音乐界的ChatGPT时刻」。 我们认为，此次Suno的惊艳发布是一次情理之中，但依然让人喜不自禁的AI offering：它不仅丰富了多模态大模型AIGC的落地生态、补足了音乐这块短板；更加速了音乐的“民主化”，让普罗大众的创作热情空前高涨。 很快，它将辐射到各个场景，尤其对广告、娱乐、短视频领域产生巨大的影响。 01. Suno炸裂登场，音乐人高喊“狼来了” Suno V3 是由麻省理工团队开发的一款多语言多风格音乐创作的AI交互模型。 Suno V3 之所以令人感到震撼，首先体现在它是一个小白也能使用的可生成广播品质的音乐产品。 打开Suno的页面，输入歌曲描述之后轻点“创作”，就可以获得一首由Suno创作的歌曲。用户还可以选择“自定义”模式，输入自己写好的歌词、选择音乐的风格流派，“个性化定制”音乐。 Suno 可以生成多种风格的音乐，包括流行、摇滚、古典、电子等几十种。它根据用户的下列输入指令（Prompt）生成音乐，包括生成音乐小样（Create）、继续完成（Continue From This Song）、进一步混音（Remix）、融合完工（Get Whole Song）。 在探索页面，我们能看到网友创作的各种风格的音乐作品，有电子乐、重金属、蓝调、hip-hop等不同的流派，Suno则根据播放量和点赞量对歌曲进行趋势排名（Trending）。 我们下载了其中排名第一的“π”和排名第二的“Ein neuer Beginn（德语：新的开始）”，可以听到，无论是歌

AI 初创公司出门问问拟港交所主板挂牌上市，即将成为“AIGC第一股”。 2012年创业至今，出门问问历经了移动互联网时代的语音交互软件时期、AIoT时代的智能硬件时期，并在2020年以业界首个AIGC产品「魔音工坊」开启大模型商业化的新时代，是中国最早布局大模型的AI公司之一。出门问问也因为穿越了数次AI浪潮而始终坚挺，一度被视为「中国AI史」的缩影。 从一出道即站在聚光灯下，到如今再次作为大模型赛道的IPO明星企业，出门问问这支新股吸引到很多投资人的关注。出门问问这支新到底值不值得打？未来增长潜力又是如何？我们将从宏观和微观层面一一进行分析。 明星赛道、政策鼓励，稳居AIGC行业头部 自ChatGPT发布掀起全球“大模型热潮”后，AIGC一直是资本市场关注的最热门赛道。 从一级市场来看，在其他赛道一片惨淡的时候，AIGC赛道的投融资却一直保持活跃，根据非凡产研发布的《2023年全球AIGC行业年报》，从全球范围来看，2023年AIGC全行业融资总额达到了1902亿元，融资次数达到了282次；而国内市场，AIGC行业融资总额达到了191.8亿元，年度融资次数共计168次。 从二级市场来看，2023上半年，AIGC概念股在二级市场表现强劲；尽管去年6月步入炒作高点后经历了长时间的回调，但是如今AIGC板块已经进入了反弹周期，AIGC概念指数方面自2月低点至今这一指数累计涨幅达到40%。 市场热度之外，政策鼓励利好更是给AIGC添了一把火。作为新兴产业，AIGC受到了国家层面的高度重视和政策支持：国务院印发的《新一代人工智能发展规划》中，明确提出到2030年，使中国成为世界主要人工智能创新中心的目标；“十四五”规划也指出，要将人工智能放在科技前沿领域攻关的首要位置；今年两会《政府工作报告》更是首次提出开展“人工智能+”行动，要发展新质生产力，推动人工智能技术在各行各业的广泛

4月2日，出门问问（Mobvoi Inc.）披露通过港交所聆讯后的资料集，拟主板挂牌上市，中金公司、招银国际为联席保荐人。 出门问问成立于2012年，是一家以生成式AI与语音交互技术为核心业务的人工智能公司，致力于为包括全球内容创作者、企业和消费者等用户提供AI CoPilot解决方案，包括AIGC解决方案、AI企业解决方案、智能设备及配件等。 据灼识咨询报告，出门问问是亚洲起步最早、收入规模最大的专注于生成式AI的人工智能公司之一，是亚洲为数不多的拥有通用大模型能力的公司，也是亚洲AI CoPilot技术应用的领导者和先行者。 中国最早研发大模型，且有利润的AIGC公司 出门问问不仅是中国最早专注于研发通用大模型的AI公司之一，也是亚洲最早将通用大模型及生成式AI商业化的市场引领者。 早在2020年，公司已开发能够理解并生成文本的大模型UCLAI；2023年，「序列猴子」作为UCLAI的升级版推出，该模型具备多模态生成能力，能够理解并生成文本、音频、图像、视频和3D内容，同时支持语言生成和语音识别等不同任务，为AI解决方案提供坚实的技术基础。 2020年，出门问问推出AI配音平台「魔音工坊」，也是生成式AI在中国的首款商业应用，位列「AI产品榜」Top 5。作为率先将AIGC技术商业化的市场引领者之一，出门问问在全球范围内拥有强大的产品布局和市场渗透能力，除通用大模型「序列猴子」、AI配音平台「魔音工坊」外，还有一站式数字人制作平台「奇妙元」、企业AI交互式数字员工生成平台「奇妙问」、「魔音工坊」海外版「DupDub」等。 据招股书显示，自2020年以来，出门问问AIGC解决方案在全球范围内拥有超过1000万用户，约84万AIGC付费用户，且自AIGC解决方案推出以来已产生100多万笔付款。 AIGC营收增速快 三年复合增长率超300% 按业务划分，出门问问的收入