硅基智能は2017年設立され、主に人工知能（AI）を活用したデジタルヒューマンによる動画やライブ配信などを提供してきた。大規模言語モデル（LLM）技術の進歩に伴い、同社のデジタルヒューマンは電気通信、金融、医療、教育などの分野で導入拡大が進んでいる。25年6月には、コンテンツ生成の完全自動化を実現した。

目論見書によると、2025年10月末までに同社が提供したデジタルヒューマンは累計8万人。売上高は22年の2億2300万元（約49億円）から24年の6億5500万元（約140億円）へと年平均成長率71.3％で拡大した。一方、純損失は22年が1億1100万元（約24億円）、24年が1億1200万元（約25億円）と赤字続きで、25年1～6月期も829万元（約1億8000万円）の赤字を計上したが、調整後純損益は529万元（約1億2000万円）の黒字となった。純利益率は1.6％だった。

AI技術の急速な進歩により、デジタルヒューマン開発のハードルは下がり続けている。中国では大手企業の参入が相次ぎ、市場競争は一段と激しさを増している。硅基智能は今後しばらくの間、収益の確保とプロダクトの差別化という二重の課題に直面することになりそうだ。

デジタルヒューマンの社会進出を支える。中国AIユニコーン「硅基智能」、シリーズDで数十億円調達

＊1元＝約22円で計算しています。

（36Kr Japan編集部・茶谷弥生）

硅基智能は2017年設立。江蘇省南京市に本社を置き、AIを活用したデジタルヒューマン技術の開発と商用化に注力している。シリーズDまで10回にわたる資金調達で総額10億元（約210億円）以上を調達しており、これまでの出資者には騰訊控股（テンセント）や紅杉中国（Hongshan）、招銀国際（CMB International）など著名な投資機関が含まれている。

同社は差別化製品戦略を採用し、法人顧客と個人ユーザー向けにサービスを提供している。通信事業者や電子商取引（EC）企業、報道機関などの法人顧客には、標準化されたAPI連携サービスを通じ、AI機能をモジュール化して提供することで、技術導入のハードルを大幅に下げた。一方、個人ユーザー向けの自分専用「デジタルクローン」作成サービスでは、デジタルヒューマンのカスタマイズやAIコンパニオン機能の実装などを実現している。

たとえばライブコマースにデジタルヒューマンを活用する場合、実在の人物の5分程度の動画素材を提供するだけで、AIトレーニングプラットフォームがあっという間にバーチャルライバーのカスタマイズを完了する。バーチャルライバーは実在の人物の外見や声、口調などを忠実に再現。視聴者の質問を正確に理解し、自然な表情や動作で回答することで、ライブコマースの双方向性と視聴維持率を向上させる。

硅基智能のデジタルヒューマン事業の売上高はすでに数億元に達している。現在はEC関連企業5000社余りにバーチャルライバー生成ソリューションを提供するほか、30を超える銀行や保険会社などと提携し、カスタマーサービス向けのデジタルヒューマンを開発。主要テレビ局とバーチャルキャスターの共同開発も進めているという。

「つまらない仕事から人間を解放」掲げる中国企業、人の感情読み取り対話するAIモデルを発表

（36Kr Japan編集部）

硅基智能は、2017年の設立当初から「人類のために労働力となるデジタルヒューマン1億人を創造する」 という壮大な目標を掲げてきた。AIデジタルヒューマンが単調で創造性のない膨大な仕事から人間を解放し、企業のコスト削減と効率向上に貢献すると考えている。

同社のAIデジタルヒューマンはすでに、ショート動画やライブコマース、オンライン教育、AIカスタマーサービスなどの場面で活躍している。23年上半期には、約50万人分のデジタルアバターを制作し、ライブ配信ルーム5万カ所以上にデジタルヒューマンを提供したという。

デジタルヒューマンをよりリアルに

米OpenAIが2024年5月に発表したAIモデル「GPT-4o」は、見る・聞く・話すの3つの能力を備えており、オンライン発表会では、AIとユーザーが電話で話しているような自然なコミュニケーションを披露。それから数カ月後の11月1日、硅基智能はGPT-4oをベースに開発した次世代型のマルチモーダルAIモデル「DUIX ONE」を発表した。

DUIX ONEは、デジタルヒューマンに視覚と聴覚だけでなく相手の感情を読み取る力も与える。ChatGPTやCharacter.AIなど現在主流の対話型AIや既存のデジタルヒューマンをはるかにしのぐ対話スキルを備え、より没入感のあるコミュニケーションを可能にする。

応用シーンは幅広く、外国語会話の個人レッスン、メンタルサポート、子ども向けの家庭教師、高齢者の健康・メンタルケアなどの分野で大きな力を発揮する。ビジネスシーンでは、人材採用アシスタントとして、候補者の表情や所作をリアルタイムで分析し、多角的なデータを総合して評価することができる。

反応速度は1秒未満、識別精度は98％

DUIX ONEは700億パラメータ（70B）のマルチモーダルモデルで、モードを切り替えることなくテキスト、音声、動画を自在に処理することが可能。1万種類以上の物体を98％の精度で識別することもできる。リアルタイムの会話に必要な推論能力も高く、音声や動画からの推論にかかる時間は1回あたり0.3秒以下だ。また、正確に表情を検出・分析し、95％以上の精度でユーザーの感情を読み取って、適切な反応を返すこともできる。さらに、周囲の生活音やユーザーの呼吸音などを識別できるため、静かな場所ならユーザーの声の識別率は98％に上る。

硅基智能の創業者、司馬華鵬氏によると、DUIX ONEの毎月の運用コストはすでに数百元（数千円）程度にまで下がっている。すでに中国本土の複数の大企業と提携しているほか、香港・マカオや欧州、日本、北米のパートナー企業とも協業しており、今後はDUIX ONEをオープンにつながれるAIエコシステムとして成長させ、労働力としてのデジタルヒューマンの普及と産業のレベルアップを目指していく。2025年の目標は、1億人のデジタルヒューマンを世に送り出すことだという。

「24時間無休」のデジタルヒューマンで存在感、米国でも話題の中国ベンチャー「Silicon Intelligence」の実力

（翻訳・田村広子）

大規模言語モデルが登場するまで、バーチャルヒューマンは制作コストが高額で技術も成熟していなかったため、多くのスタートアップや大企業が資金難に直面し、実用化は容易ではなかった。しかし大規模言語モデルのおかげでコストが下がり、制作時間も短縮されただけでなく、コミュニケーション能力やリアリティが高まり、バーチャルヒューマンがさまざまな分野で広く実用化されるようになった。

「参入ハードルが劇的に下がった」

関係者によると、かつてバーチャルヒューマンの大部分は実際の人（中の人）の動きを元にして制作されていた。専門の俳優がデバイスを装着し、モーションキャプチャ技術を使って長時間にわたるデータ収集を経て、ようやく3Dモデルを完成させることができた。そのため、人件費が高く制作時間も長かった。現在は大規模言語モデルを活用することで、バーチャルヒューマンの制作コストは数十万元（数百～数千万円）から数千元（数万～数十万円）にまで下がり、制作時間も数カ月単位から最短で数時間にまで短縮された。中国で最も早い時期からAIによる音声認識を使い各種のサービスを提供してきた「硅基智能（Silicon Intelligence）」は「我が社のデジタルヒューマンは当初から価格を一律8000元（約16万円）とし、統一価格とサービスで市場シェアを拡大してきた」とする。

こうした変化のおかげで、バーチャルヒューマンがライブ配信、教育、金融など多くの分野で活躍する道が開けた。初めの頃は単なるイメージに過ぎなかったバーチャルヒューマンだが、次第にデジタル従業員やカスタマーサービスなど実用的な機能を備えたツールに姿を変え、効率化やコスト低減とともに、顧客に対してより多彩でリアルなサービスを提供するようになった。現在では、AIGC（AI生成コンテンツ）によってバーチャルヒューマンの制作効率がアップし、参入のハードルが下がった。さらに大規模言語モデルのおかげでバーチャルヒューマンがより多くの知識やスキルを深く学習できるようになり、認識できるコンテンツも画像や動画、音声などさまざまなスタイルに広がったことで、人と自然なコミュニケーションをとるための基礎が出来上がった。例えば、ライブ配信ルームやバーチャルヒューマンとの対話が可能なデバイスでは、ユーザーがテキストを使ったリアルタイムの交流や対話ができ、商品紹介や問題の解決に役立てることができる。江蘇省南京市で軽食チェーン店を展開する企業は硅基智能のAIデジタルヒューマンを使ってライブコマースを14日間、時間にして289時間実施したところ、7424件の取引が成立し、取引総額は7万7918.38元（約160万円）になった。

バーチャルヒューマンの技術は2次元と3次元とで異なる進化をたどっている。2次元のバーチャルヒューマンは制作コストが低く、実用化が簡単なため、手軽な商用化に適している。一方、より人に近い3次元のバーチャルヒューマンは技術が複雑で、コストも高くなりがちだが、より質の高いインタラクティブ体験が可能になる。3次元バーチャルヒューマンは大規模言語モデルの進歩に伴いデータ収集や生成技術が徐々に進化しつつあり、2次元バーチャルヒューマンはライブコマースなどの分野で大きく貢献している。

ビジネスモデルの変容と多様化

バーチャルヒューマンを使ったビジネスモデルも2023年に多様化し始める。

一つ目はメタバースの時代に主流だったIP（キャラクター）型で、主にアイドル、娯楽、教育などの分野で利用された。そこからバーチャルアイドル、デジタル宇宙飛行士、ブランドアンバサダーといった役割が派生し、IP戦略により柳夜煕や洛天依などのキャラクターが誕生した。

資生堂、中国のバーチャルヒューマン4人をアンバサダーに起用　消費のけん引役Z世代に訴求

二つ目は機能型バーチャルヒューマンで、サービス型バーチャルヒューマンとも呼ばれる。代表例はデジタル従業員で、バーチャル司会者やカスタマーサービスなど、金融、旅行、小売、ライブコマースなどの分野で、人が行う仕事のサポート役として、コストを抑え、自動化、規格化、スマート化されたサービスを提供する。

バーチャルヒューマン「AYAYI」がアリババの社員に。メタバースが切り開く新たな可能性

そして三つ目は、現在広がりつつあるアバターだ。ゲーム内でプレイヤーの分身になったり、バーチャルコンサートで観客になったりと、多くのゲームやVR、メタバースの中で活用される。バーチャル空間と現実空間をつなぐ役割を担い、最終的にはバーチャルコンテンツの制作を後押しすることになる。

こうしたビジネスモデルはバーチャルヒューマン業界に新たな成長分野をもたらしただけでなく、従来型の業界にデジタルトランスフォーメーションという新たな道を示した。例えば、中国ゲーム大手・網易（ネットイース）傘下のオンライン教育サービス「網易有道（NetEase Youdao）」は、バーチャルヒューマンと教育を組み合わせたAI会話教師を発表した。より実際的な練習環境を整えたオープンな会話スペースを提供し、会話が終了するとすぐさま結果がフィードバックされる。また、音声認識技術大手の科大訊飛（アイフライテック）の大規模言語モデル「訊飛星火（iFLYTEK Spark）」は中国語と英語の作文を添削したり、実際に教師を相手にしているような会話のシーンを提供したりする。

バーチャルヒューマンと行政を組み合わせた例としては、福建省厦門市や広東省深圳市、江西省などが続々とバーチャル従業員を導入している。業務内容には、多言語による政策解説、チャットで手続きをガイドするデジタル行政サービスなどがあり、バーチャルヒューマンを使って必要な行政サービスを案内して、問い合わせや相談といった業務を提供する。

一部の開発企業では、デジタルヒューマンと越境ECを組み合わせたサービスの試みを進めている。硅基智能は「海外の多言語に対応した動画やライブコマースはハードルが高いため、翻訳用ミニプログラムと翻訳AI『Anylang.ai』を開発した。リアルタイムの翻訳機能とデジタルヒューマンを使い、越境EC企業の海外進出に向けたワンストップサービスを提供したい」と語る。

AI顔交換で中国発ショートドラマを海外向けにリメイク。制作コスト削減で世界展開を加速

今年、大規模言語モデルがさらに発展すれば、バーチャルヒューマンの技術も飛躍的な進歩をとげ、多くの業界にさまざまなデジタル化のチャンスをもたらすことが期待される。

＊2024年2月9日のレート（1元＝約21円）で計算しています。

作者：自象限（WeChat公式ID：zixiangxian）、編集・翻訳：36Kr Japan編集部

資金は事業の拡大加速に充てられ、特にスマートシティ、スマート金融、スマート医療といった分野での研究開発とビジネスを強化する。さらに、グローバル展開も全面的に開始する計画だ。

2017年8月に設立された硅基智能は江蘇省南京市に本社を置き、現在特許申請中のものを含めてすでに100以上のAI関連製品とサービスを有する。3大通信事業者、保険業界のトップ企業、銀行などを顧客とし、中でも銀行については国有大手銀行および国内の株式制商業銀行の8割にサービスを提供している。

（36Kr Japan編集部）