8月22日，以“融合創(chuàng)新 面向未來(lái)”為主題的第三十屆北京國(guó)際廣播電影電視展覽會(huì)(BIRTV2023)）——主題報(bào)告會(huì)成功舉行，中國(guó)工程院院士丁文華會(huì)上做了關(guān)于《數(shù)字創(chuàng)意技術(shù)發(fā)展》的主題報(bào)告。
2016年，國(guó)務(wù)院發(fā)布了《“十三五”國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》，其中就新增了“數(shù)字創(chuàng)意”的內(nèi)容，涉及到了有數(shù)字文化創(chuàng)意技術(shù)裝備創(chuàng)新提升工程、數(shù)字內(nèi)容創(chuàng)新發(fā)展工程、創(chuàng)新設(shè)計(jì)發(fā)展工程。在2018年國(guó)家統(tǒng)計(jì)局發(fā)布的《戰(zhàn)略性新興產(chǎn)業(yè)分類（2018）》中，又確定了統(tǒng)計(jì)涉及有數(shù)字創(chuàng)意的口徑和產(chǎn)品服務(wù)。
根據(jù)統(tǒng)計(jì)數(shù)據(jù)，2022年全國(guó)規(guī)模以上文化及相關(guān)產(chǎn)業(yè)企業(yè)營(yíng)業(yè)收入達(dá)12.18萬(wàn)億元，按可比口徑計(jì)算，比上年增長(zhǎng)0.9%。數(shù)字創(chuàng)意產(chǎn)業(yè)所涉及的學(xué)科包括有計(jì)算機(jī)科學(xué)與技術(shù)、信息與通信工程、電子科學(xué)與技術(shù)、光學(xué)工程、控制科學(xué)與工程、網(wǎng)絡(luò)空間安全、人工智能等等，包含了數(shù)字內(nèi)容的生產(chǎn)、傳播和呈現(xiàn)端到端全部環(huán)節(jié)的核心技術(shù)，數(shù)字創(chuàng)意技術(shù)也是實(shí)現(xiàn)超高清、元宇宙等典型媒體應(yīng)用的重要支撐。
LLM具備文本邏輯推理、上下文理解、多輪對(duì)話能力，使得AI產(chǎn)生了通用性的文本創(chuàng)作能力，已超過原有的搜索(知識(shí)問答)，標(biāo)志著AGI的誕生。而AGI大模型可基于一個(gè)模型適配多業(yè)務(wù)場(chǎng)景，模型參數(shù)大，能學(xué)習(xí)海量數(shù)據(jù)知識(shí)，泛化能力強(qiáng)，可實(shí)現(xiàn)基于人類反饋的強(qiáng)化學(xué)習(xí)。AIGC正在改變數(shù)字內(nèi)容的生成方式，特別是當(dāng)前AI作畫、AI創(chuàng)作視頻的持續(xù)發(fā)展應(yīng)用，但AI Hyper Connection才是未來(lái)的目標(biāo)。
當(dāng)前，數(shù)字人的構(gòu)建也相當(dāng)火爆，傳統(tǒng)的數(shù)字人構(gòu)建方法中，需要基于全身的3D掃描，其建模數(shù)據(jù)量是巨大的，MC驅(qū)動(dòng)也要依靠真人的“動(dòng)作+表情”以實(shí)現(xiàn)捕捉，還有著正向渲染、弱交互能力等缺陷。而面向未來(lái)基于AI的數(shù)字人構(gòu)建方法中，其可以實(shí)現(xiàn)多角度照片替代全身掃描，通過“已有建模模型+AI”可逼近真人效果，驅(qū)動(dòng)則是基于“表情基+指定動(dòng)作基”可實(shí)現(xiàn)，支持逆向渲染+正向渲染+交互的多種方式，基于大模型的具身交互能力。
在計(jì)算機(jī)視覺效果引擎及平臺(tái)技術(shù)方面，當(dāng)前主要依托于像Epic的Unreal Engine平臺(tái)及英偉達(dá)的Omniverse平臺(tái)等，因此，需要面向高效高質(zhì)的數(shù)字環(huán)境、數(shù)字人、數(shù)字物件構(gòu)建屬于我們的數(shù)字對(duì)象的技術(shù)支撐平臺(tái)，需要構(gòu)建基于虛擬世界“互聯(lián)互通+相互融合”的支撐技術(shù)。
專用視頻編解碼技術(shù)當(dāng)前已經(jīng)極為成熟了，未來(lái)更需要面向內(nèi)容和對(duì)象的視頻編碼，例如能提供AR遠(yuǎn)程交互會(huì)議模式，也需要元宇宙中的語(yǔ)義編碼，如能涉及到矢量化全集傳輸+終端的按需局部呈現(xiàn)等，另外也要有下一代的圖像編碼，涉及有光場(chǎng)、全息編碼技術(shù)，以及多模態(tài)協(xié)同編碼等。
在XR近眼顯示技術(shù)方面，當(dāng)前的VR顯示已可達(dá)到4K的量級(jí)，像今年蘋果公司新發(fā)布的Apple Vision Pro，其單眼顯示為3644*3144（也就是4K），交互性方面已能支持眼動(dòng)追蹤、手勢(shì)追蹤、聲音控制，圖像處理方面具備Foveated Renderer，支持孿生數(shù)字人實(shí)時(shí)交互能力。
面向未來(lái)的話，AR眼睛將成為大眾型的入口終端，可以基于AR眼鏡透視（See Through）能力打造“前端多媒體信息增強(qiáng)+后臺(tái)智能化云端處理”。也就是說(shuō)，在前端“眼鏡呈現(xiàn)+手機(jī)算力”能否提供豐富增強(qiáng)信息體驗(yàn)，而后臺(tái)云平臺(tái)則能結(jié)合AI大模型解決跨模態(tài)信息即時(shí)生成的過程。
車載領(lǐng)域，工信部方面有提到，要啟動(dòng)智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點(diǎn)，組織開展城市級(jí)“車路云一體化”示范應(yīng)用，支持有條件的L3及更高級(jí)別的自動(dòng)駕駛功能商業(yè)化應(yīng)用。因此，未來(lái)自動(dòng)駕駛也有望向“L3+”方向發(fā)展。而智能座艙則可打造為“第三空間”，其中涉及的車載信息娛樂系統(tǒng)、基于車聯(lián)網(wǎng)的娛樂信息分發(fā)、數(shù)據(jù)廣播、駕駛員感知等方面，也將是未來(lái)的信息通信及廣電傳媒等都將能涉及的領(lǐng)域。
最后，丁文華表示，數(shù)字創(chuàng)意與人工智能、元宇宙等前沿技術(shù)緊密結(jié)合，具備廣闊的產(chǎn)業(yè)應(yīng)用前景。數(shù)字創(chuàng)意也具有顯著的學(xué)科交融特性，僅靠單一學(xué)科是無(wú)法滿足發(fā)展要求的，需要形成跨學(xué)科聯(lián)動(dòng)研究。此外，數(shù)字創(chuàng)意的研究方向覆蓋廣泛，應(yīng)抓住時(shí)間盡早布局共性關(guān)鍵技術(shù)研究，推動(dòng)產(chǎn)業(yè)向前發(fā)展。
