数字人 谁在为一张不会累的脸付钱

2026年3月，杭州九堡。一栋直播基地的四楼整层被清空。

不是倒闭，是改造成无人直播间。

运营负责人跟我算账，语气很平：真人主播月离职率还在30%上下，数字人的月活跃率却往下掉。装了四十个号，三十天内停播一半。

不是技术不行。是没人看。停留时长从48秒掉到19秒，投流成本翻倍，退单率上去了。

这事有点反常识。2023到2025年，满街都在说数字人替代主播。到了2026年，最先被替代的，是数字人自己。

一 参数写进招标文件那一刻 胜负就定了

先看一个现场的切面。

某市政务服务中心的AI数字人导览项目，预算接近两百万，拆成三个包。技术评分表里有一条硬指标：口型同步延迟不超过200毫秒，占3分。

供应商怎么应对？把模型压轻。延迟下来了，表情抽搐上去了。评委看演示，五分钟。五分钟里数字人说了六句话，一句没卡。中标。

上线三个月。日均交互量从可研报告里写的800次，掉到90次。

为什么？大厅里人来人往，有人凑过去看一眼屏幕，转头还是问保安。

这里有个账，2026年很多甲方开始反算了。一个政务大厅数字人的全年综合成本——硬件折旧、云算力、内容更新、驻场运维——大概在60万到120万之间。量级上约等于3到5个窗口人员的全年人力成本，含社保和公积金。可它撑起来的交互量，只有人工窗口的十分之一。

算不过来。

但你别急着说这技术没价值。真正有意思的是另一件事：参数被改写了。

2025年下半年开始，信通院和几家人工智能产业联盟陆续推数字人评估规范，把评分项从延迟多少毫秒，挪到首次应答准确率和连续对话轮次。

这一挪，做套壳换脸的公司就被筛掉了。因为它们没有对话轮次，只有一张嘴。

招投标文件就是这么一种东西。它不评价技术高下，它只是把一群人排成一队。写参数的人站队首，交标书的人站队尾。

还有个细节。有的标书里会写一句，数字人形象需具备某地域文化特色。翻译过来就是：你得有个会唱本地戏的数字人。这一条写下去，通用模板全废，反倒是本地做文旅内容的小公司进了场。标准从来不是中立的，它是门票。

再说交期。2023年，一个定制数字人从签合同到上线，45天算快的。2026年，12天。

为什么能压这么短？因为大多数交付根本不是定制。是模板换脸。素材现场拍两小时，声音克隆跑一晚上，第二天就能开播。

这不是技术进步，这是产能过剩之后的自降身价。深圳和合肥各有几十家公司在做同一件事，报价从三十万卷到三万。卷不动了，就往下沉。

库存也得说清楚。数字人行业的库存在两个地方。一是动捕棚的档期，淡季空一半，租金照付。二是云厂商的GPU预留，2024年一窝蜂囤算力，2026年还有不少躺在合同里按月计费。囤算力的账，跟当年囤面板、囤内存一个逻辑——赌需求曲线是直线往上。可它不是。

二 那张脸的产权不在你手里

得说清楚数字人到底是什么。

它不是一款软件。它是三层东西叠起来：人设资产、渲染与驱动管线、素材版权。

最容易被忽略的是第三层。

2026年我见过最真实的谈判，不在技术会上，在法务会上。甲方问一句话：合同到期，这张脸归谁？

定制版，一次性报价几十万到上百万。听起来买断。但驱动模型在乙方服务器上，语音库在乙方账号里。你把脸拿走了，脸不会说话。

订阅版，每月几千到几万。脸是租的。合同一停，人还在，授权没了。

所以行业里那句黑话是准的：你买的不是员工，是包年服务。

国内玩家怎么分这块？腾讯智影走平台化，百度曦灵押企业级和政务，硅基智能在直播带货的存量号里铺量，魔珐科技和小冰往IP和虚拟偶像那头走。路线不一样，卡点一样：肖像授权年限，和声音授权。

肖像授权一般签三年。声音更麻烦。2024到2025年国内几起判决之后，声音的人格权益基本被认了下来。一句话，你没法随便拿一段公开音频去克隆。

于是成本结构变了。以前算力是大头，现在授权和合规成了大头。一家做声音克隆的朋友跟我说，他们法务人数两年里从0涨到5个。五个人，不发工资？这钱最后都摊进报价单。

这里插一个跨行业的比方。

数字人资产特别像杂交水稻的种子。第一代性状好、产量高、卖相漂亮。但你不能留种，留了会退化，第二年就不行了。你必须每年回去买种。

数字人的种，是那套驱动模型加语音库。客户以为一次性买了个数字员工，实际上每年都得回去续约。这是订阅制的生意内核，只是穿了定制的外衣。

谁看懂了这一点，谁就稳。谁真以为自己卖的是软件授权，谁就在第一轮续费季掉队。

现金流上也能看出来。定制单子看合同额，好看，但回款慢，验收环节被拖半年是常事，账期压着利润。订阅单子月流水不高，可续费率能到七成以上，那是活水。

活得久的公司，手上是活水，不是大单。

三 谁在给数字人打光

回到最底层的那群人。

数字人不是自己长出来的。它得有人打光。

一个中高精度的数字人上线，需要的素材量大概是这样：面部表情捕捉至少30到60分钟有效数据，语音语料两到四小时，再加几百条动作片段。这些活儿谁干？动捕演员、口型标注员、切片剪辑。

口型标注是纯手工活。把音素和嘴型一个个对齐。熟练工一天标20到40分钟素材。时薪30到60块之间浮动，看城市，看甲方。

有意思的是，这批人里相当一部分，就是从真人主播里退下来的。

被替代的人，转过去替替代自己的东西做标注。这话听着像黑色幽默，但它是2026年真实的就业迁移路径。

再说成本对比。一个7乘24小时运行的高精度数字人直播间，单月云渲染加算力的账单，大约在2万到6万之间，量级约等于一个真人主播月薪的两到三倍。而它跑出来的GMV，在服装、美妆、生鲜这些主流品类里，多数做不到真人的一半。

那数字人到底在哪赢了？

凌晨。跨境。标品。

真人熬不了凌晨三点，数字人可以。跨境电商的时差单，真人排班成本极高，数字人一排就铺满。这些场景里，它不叫替代，叫补位。

这也是我为什么烦那些数字人取代主播的说法。它取代的不是人，是人的某几个小时。

再把话说重一点。数字人现在的角色，像战场上那种消耗性的侦察兵。先派出去探路，死一批，通路的留下。真正值钱的是那些跑出数据的场景，不是那张脸做得像不像。

还有一件事没人愿意提。数字人把主播岗位拆成了三份：一份给算法，一份给标注，一份给运营投手。工资总额没降，结构变了。能适应的人涨薪，适应不了的人离场。这跟当年电商把柜台拆成客服加美工，是一模一样的剧本。

三年之内，卖脸的公司会先死一批。活下来的，是同时握着授权、算力和合规的三合一玩家。

最后留个问题，不问技术，问合同。

你公司那个数字人的肖像授权，到期日写的是哪一天？到期那天，那张脸上写的，到底是谁的名字？