11月7日晚间消息，新浪科技获悉，阿里巴巴多个团队正联合研发由数字人全面接管的终端交互引擎。预计第一款“数字人+终端”产品将在2023年一季度让用户体验。据介绍，该项目集合达摩院NLP，语音，视觉，3D构建驱动及大模型领域团队，和天猫精灵AliGenie交互系统专家。
就像手指触屏奠定智能手机交互，大模型数字人将接管未来智能交互。2022年开始，达摩院多模态大模型开始应用于天猫精灵语音搜索与百科场景。各方目前将合作场景推向AliGenie交互的系统层和用户感知层。
当前，数字人领域正由喧嚣转向理性。虽然高精度高颜值的人偶形象不断出现，但绝大部分场景缺乏与用户的持续性、个性化互动，因而商业化规模有限。如只能在短视频和动画中存在的虚拟偶像，或只在单一设备或界面中面向大众支持问答的虚拟员工，这些形态缺乏大模型训练和大规模交互，无法个性化学习升级，用户感受就像“没有灵魂”。
刚结束的云栖大会上，阿里巴巴集团研究员李小龙透露了达摩院积累的包括多模态大模型、语音、自然语言、3D构建驱动、各个领域近两年百项专利与顶会论文，通过将这些成果，在诸多交互场景验证，一个多模态大模型为基础的数字人的引擎已初显雏形。
天猫精灵产品规划负责人卢勇介绍，接入AliGenie系统的终端已覆盖4000多万家庭、包含1600多个品牌的4.6亿已接入产品，能让数字人在可持续、大规模、组合式的场景与用户交互。AliGenie此前公布，仅智能音箱产品每月交互80亿次以上，70%是主动型服务。许多消费硬件领域厂商，也迫切希望有超出单一连接、单一设备对话的智能体验。
