11月12日晚，百度公布了一段数字人采访李彦宏的完整版视频。采访者是百度自家的数字人希加加，由百度一镜生成。据百度人士透露，视频中出镜的李彦宏既有数字人，也有真人，两种形态被剪在同一条片子里。这个细节让整段视频的性质发生了变化：它不只是一次产品演示，也是一次对"数字人能做到什么程度"的公开检验。
把真人与数字人剪在同一条片子里，是这个案例最值得说的地方。过去数字人演示大多是把数字人单独放在一个干净的背景里，让它念一段稿子，观众没有参照物，也就无从判断差距。一旦真人与数字人同框交替出现，任何细微的不自然都会被放大：眨眼频率、颈部肌肉的牵动、说话时下颌的开合幅度。
百度没有说明片中哪几段是生成的，这个信息的缺失本身就是一种表态：如果观众看不出分界，说明效果达到了可用的程度；如果看出来，也说明还有差距。对做数字人的公司来说，敢把两种形态混剪，等于把评判权交给了观众。
这项能力背后是模型层面的进展。同一天的世界大会上，百度发布了文心一镜微表情大模型，与文心闪电深度思考模型一起上线千帆平台。微表情被单独拿出来做一个模型，说明数字人的竞争焦点已经从"像不像"转向"信不信"，而可信度很大程度上取决于脸上那些不受意识控制的小动作。
视频里被反复提到的一个细节是停顿。数字人回答问题时保留了人类思考时的停顿，动作也自然。这个设计选择很反直觉：在语音合成领域，停顿长期被视为缺陷，工程师努力的方向是让响应更快、更连贯。而在这里，适当的迟疑反而成了真实感的来源。
更有意思的是一处即兴互动。谈兴正浓时，希加加做了一个挠头的动作，李彦宏当场将了一军：挠头干嘛，是没听懂吗。这段对话说明数字人的动作不是事先编排好的固定节目，而是在对话过程中被触发的。它也让外界看到数字人对谈的真实状态：有思考，有迟疑，也有被调侃的时候。
这类互动对技术的要求比念稿高得多。念稿只需要口型对齐与语调自然，对谈需要理解对方在说什么、判断什么时候该有反应、以及在被追问时保持前后一致。数字人一旦进入多轮对话，暴露的不只是渲染水平，还有背后对话模型的理解能力与记忆能力。
访谈里最尖锐的问题来自外界对百度的一句经典评价：起大早，赶晚集。李彦宏没有回避。他说自己认为起大早没什么问题，外界之所以觉得百度赶了晚集，是因为百度喜欢做创新，而创新的失败率很高，有可能成功，有可能不成功。
他拿昆仑芯举例：十几年前百度开始做芯片时，外界觉得芯片买不就行了，今天大家才意识到应该早做；昆仑芯做到第五年、第十年时也没人觉得怎样，最终百度把它做出来了。他的说法是，有一个成功的例子，可能就有九个不成功的例子，自己心理上接受90%会失败。萝卜快跑也是一样，坚持十几年、技术全球领先，但至今未大范围普及，砸了几百亿。
他还透露自己目前花时间最多的仍是应用层问题。原话的意思是：不管底层供应多紧张，如果应用的口子打不开，底下这些就会变成泡沫。他承认行业尚未找到真正的杀手级应用，如果再过几年仍然找不到，行业会面临新一轮洗牌。这段话由自家数字人问出来，比由记者问出来更难回答，因为提问的一方没有立场可以利用。
访谈中希加加把问题抛向自己：我这样的数字人，能不能当CEO。李彦宏的回答是果断的"不能"。他给出的理由是，CEO代表公司的使命与愿景，而AI没有使命，没有愿景，不知道自己为什么活着。
他给数字人留的位置是"思考伙伴"：帮人查资料、推演问题，遇事不决时第一个想到的可能是去问问AI，但定方向、给指令的必须是人。这个划分在当下是准确的，也划出了一条清晰的责任边界。数字人可以参与决策过程，但不能承担决策后果，因为它没有一个可以被追责的主体。
这个回答对数字人行业其实是个提醒。过去两年数字人的卖点集中在替代人力：不需要休息、不需要培训、可以同时出现在一百个直播间。但替代的边界在哪里，行业一直说得含糊。李彦宏的划分提供了一个参照：能被流程化的部分可以交出去，需要承担后果的部分交不出去。
同一天的大会上，数字人智能体百度一镜推出了短漫剧Studio，覆盖创意、剧本、分镜到成片的一站式创作链路。创作者可以在平台上把一部已被验证的作品一键完成剧情、人物和场景的本土化适配，用于短漫剧出海。官方给出的成本是基于自研视频生成模型，每秒0.2元。
每秒0.2元这个价格，把数字人内容从"定制项目"推向"批量生产"。一部三分钟的短剧，素材生成成本大致在几十元量级，这意味着试错成本低到可以一次做十个版本再挑一个。当生成成本降到这个位置，瓶颈就从制作能力转移到选题与运营，行业的竞争逻辑也随之改变。
回到希加加这段采访，它的意义可能不在技术指标上。一个数字人向自己的董事长提问，还问了"我能不能取代你"，这种安排在人类采访里几乎不会出现。它把数字人的定位问题摆到了台面上：它是工具、是员工、还是某种新的主体。李彦宏的答案是不能，但这个问题被问出来本身，已经说明行业走到了需要回答它的阶段。