henry 发自 凹非寺
量子位 | 公众号 QbitAI
具身智能赛道的想象力，远比眼前的机器人要辽阔。
当大家还在琢磨怎么把大模型塞进机器人里时，数字人也和具身智能关联上了。
就在今天，魔珐科技发布了面向开发者的具身智能基础设施——「魔珐星云」具身智能3D数字人开放平台。
这也是全球首个。
在魔珐星云的驱动下，不仅大语言模型能够“长出身体”，实体机器人也能像人一样拥有动作、表情，实现自然表达。
凭借低于1.5秒的端到端延迟、千万级并发能力，以及百元级算力即可运行的架构，人机对话几乎就像朋友面对面聊天一样自然。
这是怎么做到的？
魔珐星云：让AI拥有身体的开发者平台魔珐星云是魔珐科技推出的面向开发者的具身智能3D数字人开放平台。
它可以根据文本，实时生成3D数字人的语音、表情、眼神、手势和身体动作，让任何屏幕、应用、终端都实现自然、流畅的多模态交互。
魔珐星云主要驱动3D具身数字人的三大应用方向。
首先，魔珐星云可以为大模型和AI智能体提供身体和表达能力，让原本只能文字交流的模型，通过语音、表情和动作与人类进行自然互动。
其次，它可以让手机、平板、电视、车载屏幕等各种终端升级为具身智能界面，让每一块屏幕都能“能说、会动”，从被动的信息载体转变为主动的服务者或信息提供者。
最后，魔珐星云还能驱动人形机器人实现自然沟通。
它可以在虚拟端生成关节级运动（运动学轨迹），通过仿真+模仿/强化学习映射到机器人（动力学控制）。
这样，机器人不仅能行走、操作，还能通过语音、眼神、手势等自然方式与人交流，实现讲解、导览、交互问答等功能。
由此，魔珐星云超越了普通的内容生成工具，成为了让大模型“有身体”的底层基建。
在具体的应用场景中，它能在酒店、政务大厅、展馆等场景上岗，胜任接待、导办、讲解工作。
无论是作为大屏互动窗口，还是化身为接待机器人，数字人都能做到7×24小时在线待命，提供始终如一的亲切服务。
在一些更细分的场景中——比如AI面试、线上培训等——数字人也突破了传统的文本对话形式，让用户能够与一个“有温度”的具身形象进行自然互动。
对于个体开发者，魔珐星云也支持SDK或API部署调用，开发者可根据实际需要将魔珐星云能力嵌入任何终端——屏幕、机器人、App……
例如，开发者可以打造有形象、有表情、能对话的AI伙伴，或者通过SDK/API接入网页、小程序或App，生成有形象的具身数字人助手。
可以说，魔珐星云平台的发布志在将计算机图形界面转化成有形象、能交流、能办事、能陪伴的具身智能体，让屏幕活起来！
而魔珐星云的落地实现，离不开魔珐的核心优势。
突破“高质量、低延迟、高并发/低成本”的不可能三角当前，数字人的规模化商业落地面临多重挑战。
首先是体验是否过关——数字人的形象、表情、动作、唇形与声音是否自然，能否传递“人在场”的感受。
其次是响应速度——用户输入后系统能否快速反馈。在此基础上，还需要兼顾成本可控、规模化部署与多终端适配能力。
针对这些挑战，现有技术方案各有侧重，形成了典型的不可能三角：
兼顾高画质与低延迟，需要大量算力投入，成本难以控制且难以规模化；兼顾高并发与低成本，则难以保证画质；兼顾高质量与高并发，又无法实现实时交互。
而魔珐星云的推出，正是对这一不可能三角的首次突破。
魔珐科技以自研的文生多模态3D大模型为核心，将语义、语音、表情、动作纳入统一生成体系，多模态统一驱动，实现语音、表情与动作的自然同步与情感协调。
更关键的是，围绕模型，魔珐星云还设计了创新的云-端拆分架构——
云端仅生成语音和动作参数，端侧AI直接渲染画面，无需传统引擎与GPU支持，就能使带宽更小、延迟更低、算力更省。
也正因这一架构，魔珐星云不仅可以在RK3566、3588等百元级芯片上流畅运行，还适配国产信创芯片，让数字人真正跑在各种系统、终端，甚至中低端设备上，让具身智能从实验室走向随处可用。
此外，魔珐星云还有一个很强的底子：
团队从2018年开始为游戏、影视、动画公司制作3D内容，到后来自己积累动画数据，目前已有数千小时的高质量3D动画资产。
在一个“高质量每秒成本上千元”的领域，这样的数据体量不仅稀缺，更是支撑大模型表现力的关键。
过去两年，魔珐也在持续推进“3D+AI”的融合落地——推出视频工具有言、直播产品有光、交互产品有灵，把魔珐星云的技术能力不断转化为具体应用。
魔珐星云的推出则进一步印证了魔珐从项目到产品再到平台的转变——
将3D数字人能力全面开放，让开发者和企业都能快速构建具有人类表达力的具身智能体。
此外，为了推动不同场景的驱动落地，魔珐科技创始人、CEO柴金祥教授表示：
魔珐具备完整的感知、理解、行动三层能力。对于已有大模型的客户，魔珐星云提供驱动与人形智能模块，实现模型具身化；对于没有大模型的客户，则提供从模型到驱动的一体化解决方案；在线下大屏，对于没有感知能力的客户，则提供视觉和语音识别能力；非开发者用户也可通过“有灵”调用公司模型或第三方通用模型。
目前，魔珐星云平台已全面开放给开发者使用。用户可以通过SDK或API接入，实现实时驱动、语音合成、视频生成等具身智能能力。
屏幕上的具身智能体长期以来，魔珐科技一直被视为数字人领域的头号玩家，但这次新发布的魔珐星云并非单纯的数字人/视频生成平台 。
一方面，与传统的数字人平台不同，魔珐星云不是在“合成一段表演”，而是在“驱动互动”。
传统平台多基于2D拼贴、口型合成与预录动作回放，动作有限、响应滞后，也缺乏多模态理解。
而魔珐星云基于3D多模态生成模型，可同时生成语音、表情与动作，使AI的交流具备“眼神、节奏与身体语言”的层次感。
另一方面， 与Sora等视频生成模型不同，魔珐星云的目标不是生成影像，而是驱动存在。
Sora可以生成逼真的视频，但输出不可控、延迟高、成本重——更适合做内容，不适合做交互。
魔珐星云则以低于1.5秒的端到端延迟和百元级算力的轻量架构，实现了语义、语音、动作一体化的实时驱动，让AI能随语义实时反应。
可以说，Sora让AI“看起来像人”，传统数字人让AI“听起来像人”，魔珐星云则让AI“像人一样回应，表现”。
而这一标志性的区别，正源于魔珐星云此次的独特定位——具身智能3D数字人。
简单来说，具身智能3D数字人就是将数字人的能力（有形象、会表达）与大模型的能力（有大脑、能办事）深度融合。
这里的具身智能体（Embodied Agent）与传统强调AI进入物理世界、具备感知和行动能力的具身智能（Embodied AI）不同，更侧重人机交互（HCI）和多模态AI。
从最早的纸带机、终端命令、图形界面，再到大模型的文本输入框，交互界面始终缺乏一个“活的身体”。
具身智能体的提出则在于让“身体能力平台化”，让任何屏幕、界面、应用都能拥有身体，从而在具体场景中以自然方式进行交互和服务。
在这里，“身体”不一定是机械的，而是可感知、可体验的身体界面。
例如：屏幕上的3D数字人、手机里的虚拟助手、车载屏幕里的AI副驾、 接入机器人后的动作与表情驱动系统。
这些智能体有表情、有语气、有手势——即便身体只存在于屏幕上，也能被人类感知为“一个在场的智能体”。
相比传统只能输出文字或语音的AI，魔珐星云赋予AI更丰富的表现力和自然的交互体验。
想象一下：如果AI健身教练只能通过文字或语音指导，而无法用身体演示动作；如果英语陪练没有形象，只能让你对着空气开口说话——交互体验必然会大打折扣。
具身化正是为了解决这个问题：让终端、应用或智能体以人的方式表达——通过表情传递情绪，通过声音和语气沟通，通过动作和形象建立存在感。
只有这样，交互才能可信，才能规模化，才能真正走入社会。
正如柴金祥教授所说：
魔珐星云的使命，就是补⻬AI最后一块拼图⸺让每一块屏幕、每一个界面、每一个终端、每一台人形机器人，都真正“活”起来。
此外，从“脑到身”的视角看，AI的发展也可视为具身发展的演进路线。
文字AI（ChatGPT）：只有语言，没有身体→无具身语音助手（Siri等）：有声音，可听不可见→半具身数字人（屏幕）：有声音、有表情、有动作，可感交流→虚拟具身机器人：有物理身体，可作用世界→真实具身魔珐星云正是贯通了虚拟具身和真实具身，既能驱动虚拟3D数字人的动作、表情和语音，也能驱动人形机器人的关节动作、面部表情和手势。
正因如此，魔珐星云弥合了虚拟世界的大模型“有脑却无身”，缺乏情绪、动作和表现力，现实世界的人形机器人“有身却无魂”，能动却不会交流的鸿沟。
从这个意义上说，魔珐星云并不只是一个数字人平台，而是一次对“具身智能”概念的重新审视。
就像柴金祥教授提到的：
身体是多面向的——既用于感知、日常活动与劳动，也可用于娱乐、陪伴与沟通。
我们当前对机器人劳动的关注，忽略了身体在人机交互与情感表达中的关键作用。
而魔珐星云的发布也提醒我们，具身智能的定义与其现有技术一样，谈收敛，还为时尚早。
体验网址：https://xingyun3d.com
淘配网提示：文章来自网络，不代表本站观点。
