十一月三日，2026百度商业技术及生态伙伴AI创新交流会在西安举行。会上百度一镜商务运营高级经理曾雪讲了一套企业级数字人方案，给出的数字很具体：支持五分钟一键克隆，整体成本对比真人模式可降低八成，自研的一镜-R1模型支持720P高清直出，把生成成本压到行业竞品的一半以下。同一场会上还披露，自上个季度起，一镜已经作为底层技术基座接入百度的创意平台擎舵。
数字人行业前两年的竞争焦点是拟真度，脸像不像真人、口型准不准、表情自不自然。今年开始，焦点明显往下游挪了：一条视频多少钱、一帧多少钱、一个直播间一天多少钱。原因很简单，技术已经跨过“一眼假”的门槛，客户开始按生产成本做决策。
一镜-R1的定位就在这个转折点上。它支持720P高清直出，官方强调的是在保证商品大图细节与画面一致性的同时把成本压下来。这里有一个取舍值得说清：为什么是720P而不是4K。数字人视频的主要用途是信息传递，观众在手机上看，720P足够；4K带来的清晰度提升在多数场景里感知不明显，但渲染成本会成倍上涨。
“商品大图细节”这个说法也有针对性。电商数字人视频里经常要插入商品特写，如果模型把商品图重绘一遍，细节会失真，logo变形、文字糊掉，这类问题在投放环节会被直接拒审。所以真正难的不是在脸上，是在背景与商品的一致性上。
产品结构分三条线：数字人直播、数字人视频、实时互动数字人。三条线覆盖的场景分别是品牌宣传、营销获客、客户培训与服务。这个划分背后是三套不同的技术指标。
数字人视频看的是生成质量与一致性，一条片子要能反复用，形象不能每帧都变。数字人直播看的是稳定性与时长，连续播八小时不能崩、不能卡、不能突然变脸。实时互动数字人看的是延迟，用户问一句要在一秒左右回，慢了就没人愿意聊。三种指标对应三种计价方式：视频按条或按分钟，直播按月租加并发路数，实时互动按会话时长，背后的成本结构完全不同。
五分钟一键克隆属于准入能力，解决的是“有没有”的问题。它让一个没有拍摄预算的商家也能拥有自己的数字人形象。但它解决不了“像不像一个人在演”：形象可以克隆，语气、节奏、临场反应克隆不了。这也是为什么同样一套工具，有的商家播出来像广告，有的播出来像有人在说话。
会上科大讯飞百度广告事业部的运营负责人给了一个数字：82%的广告素材生命周期活不过四天。这个数字解释了为什么数字人必须做成产线而不是作品。
他们的做法是把AI能力串成一条流水线：数据回流、合规前置、多模态生成、智能混剪、审核分发。其中两个细节最有价值。一是把拒审词库前置到生成环节，让模型在生成时就知道哪些表述过不了审，减少返工；二是用一加N的混剪叉乘，把一条素材裂变成多个版本，用数量换测试机会。
结果是素材产能提升十倍，ROI提升15.7%。负责人有一句话说得准确：AI替代的是动作，不是岗位；能力的上限不再取决于有多少人，而取决于这条产线能跑多快。这句话放在数字人行业同样成立，一个数字人主播的价值不在于它像谁，而在于它能不能被排进每天的排期表里。
还要看到，产线的组织成本往往高于工具成本。要让一条素材在四天内跑完生成、混剪、投放、回收数据、再生成，需要投放、创意、审核三方在同一套看板上协作，谁都能看到哪条素材快过期、哪条跑出了转化。这属于流程改造，不是买一套软件就能解决的事。
数字人最刚性的需求出现在跨境直播。时差、语言、主播成本三件事叠在一起，让真人直播在很多市场跑不通。会上提到的案例是一家做美区TikTok的家纺工厂，当地主播成本高、难招聘、不懂带货节奏，接入数字人之后，能一键生成符合当地审美的形象，还能用AI调度逼单、发福利这些营销动作。
平台侧给出的整体数据是：已助力八十余家出海企业搭建标准化海外直播体系，打通TikTok、Shopee等平台，接入体系的商家GMV平均提升62%，运营成本降低80%，直播转化率比真人直播提升25%以上。单个案例里，人力运营成本下降超过85%，并从美区单点拓展到秘鲁、委内瑞拉等市场。
这些数字都出自厂商自述，需要打个折扣看。GMV提升里有选品、投流、汇率、季节等一堆变量，不能全归给数字人。真正可信的部分是结构性的：多语种、多站点、全天候这三件事，真人模式确实做不到，而数字人天然具备。
第一是标识与合规。国内对数字人直播有明确要求，AI合成内容必须依规标识并持续提示，不得隐瞒。平台规则也在收紧，有的平台要求真人驱动，有的只允许使用平台提供的数字人能力。工具能力再强，规则不通就上不了架。
第二是授权链。克隆一个形象需要肖像权许可，克隆一个声音需要声音权许可，这两件事工具不解决，得靠合同。商家最容易在这里犯错，尤其是用员工或外包模特做形象时，合同里往往没写清AI使用权。
第三是长期一致性。五分钟克隆出来的形象，在第一条视频里没问题，第一百条可能就开始漂移。观众对角色的记忆是长期的，形象一变，信任就断。这类问题不会出现在演示里，只会出现在运营三个月之后。
行业的分化也在这里显形。标准化的“会说话的脸”正在被平台免费能力替代，阿里云已公告虚拟数字人产品退市；剩下的是两端，一端是平台把数字人当流量工具，一端是能靠角色本身收溢价的运营方。中间那层只卖形象、不卖角色、不卖产线的公司，空间会越来越窄。