未来数字世界会是什么样？
在全球计算机图形学学术界顶级顶会 SIGGRAPH 上，已经透露了信号。
在前沿论文中，有极大比例都在死磕同一个主题——「人」。从身体关节的精确驱动、面部表情的微妙肌肉牵扯，到角色的骨骼建模与动画控制，甚至精细到头发的物理模拟。
为什么？因为图形学最大的落地场景是游戏和影视，其中「人」永远是最核心的元素，是受众产生情感连接的锚点，也是承载商业价值的载体。
最近两年，极具行业分量的 ACM SIGGRAPH「时间检验奖」，都重磅颁发给了动画方向研究。
这无疑释放了一个强烈的风向标：无论渲染技术多么花哨，环境多么逼真，让角色「动」得像个真正的人，依然是下一代体验的圣杯。
然而，当下行业却面临巨大的断层。
当生成式 AI 开始席卷游戏行业，由前米哈游「逆熵」AI 研究负责人带队，刚刚斩获超千万美元融资的半图科技，正在向行业最难的方向发起冲锋——他们要用一套前所未有的人类行为模型，把 AI 从聊天框里拽出来，让它们在 3D 世界里真正「活」过来！
融合了空间理解、多模态实时交互、物体互动等能力的人类行为模型
世界生成已经跑在前面，角色行为成了最大瓶颈
今年 ChinaJoy 的主题直接定成了「与 AI 同游」，专门开辟了 AI NPC 互动体验区。
能明显感受到整个行业的急迫：所有人都知道，AI 角色的下一步不能只是「会聊天」，但怎么走到那一步，路径依然模糊。
问题卡在哪里？原因在于，大模型教会了角色「想说什么」，但没人教它「怎么行动」。
一个真正让人信服的 3D 角色，不只是嘴巴在动。当你走近它，它应该转身看你；当你递给它一杯咖啡，它应该伸手去接；当你们经历了一段共同的冒险，下次见面时它的态度、表情、甚至站位都该有所不同。
这些行为要在时间上连续，在空间上合理，在情绪上连贯。
听起来简单，但仔细想，这里面涉及的东西太多了。
反观当下市面上绝大多数主打「AI 互动」的游戏产品，体验往往在新鲜感褪去后迅速崩塌。为什么？因为它们没有解决以下几个核心痛点。
没有边界的自由，导致目标感迷失：开放的聊天框容易产生无限的分支，缺乏剧情、规则和情绪节奏的约束，玩家很快就会失去「接下来该干嘛」的动力。
角色只会「说」，不会「演」：大模型只能输出文字告诉你角色「很生气」，但眼前的 3D 模型依然僵硬得像个木桩。角色需要转身、走向玩家、甚至拿起桌上的水杯，这些都需要连续的「3D 行为」来塑造，而不仅仅是 Prompt 调用。
无法融入游戏工业管线，成本难以收敛：如果每次玩家的互动都依赖大模型实时推理，成本将随 DAU 呈指数级爆炸。更致命的是，只有文字的 AI 无法融入游戏引擎的数值、关卡和动画工作流，技术团队和美术团队无从下手。
行业解决了「怎么生成世界」，但还没真正解决「角色进入世界后要怎么行动」。
半图科技的答案：用「人类行为模型」重塑角色灵魂
面对这些行业沉疴，半图科技给出的答案极具颠覆性，却又非常务实：AI 不需要推翻传统的游戏制作管线，而是应该切入角色塑造中最具体验价值的环节。
开发者依然负责设计世界观、规则和戏剧冲突；而 AI 则在这些框架中，让角色保持记忆状态、理解环境关系，并以连续的「3D 行为」回应玩家。
这套杀手锏，被称为「人类行为模型」。
以往，大模型负责理解你说了什么、角色想做什么——这是「意图」。但意图到行为之间，还差着十万八千里。
你跟一个角色说「帮我倒杯水」，模型理解了语义，然后呢？角色要走到桌子前，伸出手，拿起杯子，走回来，递给你。
这一系列连续动作，涉及路径规划、物体交互、表情配合、时序协调，哪个环节断了，你看到的就不是「一个在倒水的人」，而是「一段抽搐的动画」。
半图科技构建的人类行为模型，干的正是这件事：接收意图，输出行为。
具体来说，这套模型能接收文本、语音、音乐等多模态输入，同时读取角色的历史状态、所处环境、周围人和物体的关系。然后把所有这些信息，转化成统一的 3D 行为表示。
这种行为表示不是一段不可编辑的视频，而是结构化的、可拆解的、可组合的动作资产，能够被不同引擎、不同角色、不同场景复用。
通俗说就是：不是给 Chatbot 套个 3D 外壳，而是让角色真的能理解状态、规划行为、持续回应。
用视频大模型渲染 3D，实现精准的动作和镜头控制。
这个思路解决了行业的几个核心卡点：
第一，目标感。在开发者设计的世界观、任务和规则框架内，让角色做出有变化的、但合理可控的反馈。创作者依然掌握边界，AI 负责在边界内「即兴表演」。
第二，角色立体感。文字只能表达性格，行为才能塑造角色。一个角色的表情、动作、姿态、空间距离、互动反馈，这些加在一起，才是一个完整的「人」。
第三，成本可控。把状态管理、行为资产和实时生成环节解耦，不再每次互动都调用大模型做全量推理。该生成的地方用模型，该复用的地方用资产，该走规则的地方走引擎。
第四，能接入真实管线。输出的 3D 行为可编辑、可迁移，能进入现有的游戏引擎和动画制作流程，策划、美术和动画团队不会被晾在一边。
50 万小时行为数据：从「让 AI 动起来」到「让 AI 动得好看」
正如前文 SIGGRAPH 顶会所展示的那样，「人类行为模型」的建设，是一项极具门槛的美术与计算机图形学的复合工程。
模型再好，没数据也白搭。
训练一个能理解和生成人类行为的模型，需要的不是普通的视频素材。
模型要学的是动作背后的结构：一个人拿杯子时手指怎么弯、转身时重心怎么移、跟人聊天时身体距离怎么变化、不同情绪下走路节奏有什么区别。
这些信息，互联网上有海量的视频「画面」，但几乎没有对应的结构化 3D 数据。传统动捕能采集高质量数据，但成本高、产能低。
这也是为什么过去大部分「让角色动起来」的方案，看起来总差那么一口气。
为了让模型学会人类级别的「表演」，半图科技做了一件极具护城河价值的苦活——建立了一套面向人类行为的超大规模数据生产体系。
从专业表演采集、大规模视频处理、3D 空间重建，到自动标注、仿真与数据合成，把真实的人体动作、手部操作、面部表情、动作节奏、空间轨迹以及人与物体的交互关系，全部转化为结构化的行为数据。
从海量视频与专业表演采集，到包含 3D 身体结构、细粒度动作和连续时序的结构化行为数据
截至目前，他们已经积累了 50 万小时级别的人类行为数据。
但更值得注意的是他们对「行为美学」的强调。
创始人邢骏的说法是，让 AI 动起来不难，难的是让它动得自然、情绪准确、姿态讨喜、细节富含信息。这不是纯算法能解决的，需要 AI、3D 美术、动画、内容设计等多个工种一起攻关。
用他的话来概括半图的技术哲学：AI begins with humans, and ultimately returns to humans。
邢骏的履历支撑得起这种野心：中国科学技术大学本科，香港大学博士，美国南加州大学 ICT 研究院博士后，回国后曾在米哈游担任逆熵 AI 研究负责人。
从好莱坞数字人研究到鹿鸣 AI 技术，他的职业主线始终围绕同一个命题：让数字角色从「像人」走向「是人」。
爆款初现：《代号 Live》达到 72% 的次日留存
技术故事讲得再漂亮，最终得靠产品说话。
为此，半图科技亲自下场，自研了一款 AI 互动产品《代号 Live》，定位全球二次元用户，主打互动养成。
在这款游戏中，用户化身为虚拟偶像「Ria」的运营者。这绝不是一个在屏幕里打字的 Chatbot，而是一个以完整 3D 身体参与互动的「生命」。
这不仅仅是用户为她安排日程、处理事件、帮她学习舞蹈和演唱这么简单。关键在于，用户的每一个选择，都会影响 Ria 的能力、情绪、关系和记忆，并在后续行为中持续体现。
Ria 不只回复文字，她会说话、做表情、跳舞、在空间中移动、跟物体互动。你跟她说的一句话、一次靠近、一个话题变化，都可能改变她后续的表演方式。
在今年 9 月完成的测试中，《代号 Live》交出了一份颇有说服力的数据：次日留存 72%，5 日留存 57%，用户日均互动轮次接近 200 次。
考虑到产品仍在早期迭代阶段，这些数字初步验证了一件事：用户确实愿意为持续、有温度的 3D AI 角色互动买单。
但半图科技自己对这款产品的定位很克制。他们强调，产品是有独立的用户体验和商业化目标的，同时也是模型接受真实需求检验的场景。
测试过程中产生的大量数据——哪些表情用户更容易接受、哪些动作出现频率更高、哪些状态变化最影响互动体验，会直接反哺模型训练和数据生产，形成「数据生产→模型训练→产品验证→反馈迭代」的闭环。
与此同时，半图科技已完成标准化 API 封装和容器化部署，正在与国内外知名游戏娱乐及数字内容企业推进技术接入。合作内容涵盖 3D 动作与表演资产生成、实时角色驱动、跨模态行为调度等。
用一句话概括就是，把自家验证过的行为能力，做成水电煤，接入别人的产品管线。
顶级战队与千万美元重注：从「数字躯体」到「物理世界」
驾驭如此庞大的跨学科系统，离不开一支能够横跨深度学习、图形学、3D 动画、实时引擎的顶尖团队。
半图科技创始人邢骏的履历堪称硬核：本科毕业于中科大，香港大学博士，后赴美国南加州大学 ICT 研究院（好莱坞早期数字人技术重镇）从事博士后研究。回国后，他曾担任米哈游「逆熵」AI 研究负责人。
团队核心成员几乎清一色来自米哈游、字节跳动、腾讯，并聚集了复旦、北大、上交大等顶尖科研人才。近期，前米哈游核心运营成员（曾负责《原神》0-1 海外运营）、前鹰角网络海外业务负责人黄承国也正式加盟出任运营合伙人，彻底补齐了商业落地与全球化的关键版图。
豪华的团队阵容和一条持续十余年的技术主线，让半图科技在近期成功完成了单轮超千万美元的融资。本轮由联想创投等多家国内及海外一线资本领投，老股东 IDG 资本持续加码。
但半图科技的野望，远不止于游戏屏幕之内。
无论载体是虚拟角色还是具身智能，一个能够与人持续互动的智能体，都需要理解环境、决定下一步行动，并将意图转化为自然可执行的物理行为。这两者的底层逻辑是完全相通的。
目前，半图科技的这套「人类行为模型」，正在自然地向物理世界延展。
公司已与国内外知名的游戏娱乐公司，以及国内头部具身智能企业推进技术接入与商业合作，将人类行为数据与模型能力接入合作方的仿真和训练体系中。
写在最后
回到最开始那个问题：当 AI 学会了造世界，谁来教角色怎么「活」？
整个 3D AI 赛道正在经历一次重心迁移。过去两年，所有人都在追「生成」——生成画面、生成场景、生成资产。
但当生成的门槛持续降低，真正拉开产品差距的，不再是谁能造出更精美的世界，而是这个世界里的角色，能不能让你觉得它是「活的」。
半图科技选择从人类行为数据出发，构建理解、生成和驱动行为的模型能力，再通过真实产品和产业合作持续验证。
他们在认真回答一个行业级的问题——AI 不只要能生成 3D 世界，还得让角色在这个世界里持续行动。
能把这件事做成的人，大概率正在定义下一代互动体验的底层基础设施。
正如半图科技团队所坚持的信仰：AI 始于人类，最终也将回归人类。而在云栈社区，围绕「人类行为模型」与 3D AI 角色的技术讨论，也刚刚开始升温。
发表于 昨天 20:21
|
查看: 2|
回复: 0
