AI居然有脸了

大家好，我是洋哥。

一觉醒来，AI又上新货了。

阿里通义实验室 Wan 团队，放出了一个叫 Wan Streamer 的模型。这个模型的功能简单来说就是：AI 能跟你视频通话了。

你开摄像头，对面能实时生成一张 AI 的脸，看着你，听你说话，实时回应你。

有人说，这有什么大不了的。AI数字人不是早就有了吗？但这和普通AI数字人可不是一码事。

普通数字人，本质上是个播放系统。提前录好真人的形象和动作，再用脚本驱动它说话。你问它“天气怎么样”，它回“今天天气不错”；你换个问法，它可能就答非所问了。它根本不知道你在说什么，只是在匹配关键词，然后触发对应的台词。

Wan Streamer 不是在播放，是在思考。

Wan Streamer背后跑的是大语言模型。它真正理解你说的每一句话，实时生成回应，实时生成配套的表情和口型。你说了个笑话，它笑；你说的话让它“困惑”，它的表情也会变。

Wan Streamer 角色演示

还有一个更大的差别：它能看到你。

你开摄像头，它不只是在说话，它在感知你。你的表情，你的状态，你当下的反应，它都在接收。但普通数字人对着镜头说话，根本不知道对面坐的是谁，更不知道那个人现在是什么状态。

数字人是把真人克隆进了屏幕。Wan Streamer 是让 AI 本身长出了一张脸。

这是两件本质不同的事。

当 AI 有了脸，谁会最先被砸到？

AI越来越强，这已经不用讨论了。关键是：当AI有了脸，它会先砸进哪些赛道？我想了一下，至少这三个方向机会很大。

第一个：AI 陪伴赛道。

以前做 AI 陪伴，靠文字靠语音。你心里很清楚对面是个机器，有距离感，那道心理墙一直在。但如果能视频，对面有一张会说话的脸，在看你，在回应你……这道墙，会开始松动。AI 陪伴的天花板，被 Wan Streamer 直接炸开了。

第二个：教育场景。

AI 外教、AI 面试官、AI 培训讲师。以前只有语音，现在有了视频。你练英语口语，对面有一张脸在看着你、听你说、跟你对话，沉浸感完全不一样。在线教育会不会重新洗牌也很难说。

第三个：客服和销售。

语音客服最大的问题是没有温度，用户排斥。但如果客服打来，对面弹出一张笑着的脸，看着你，实时回应你的每一句话……转化率跟现在的语音客服，不是一个量级的。

但我必须说另一面。

视频通话在人类社会里承担的是什么角色？是判断"这是真人"的最后防线。 见不到面，打个视频，看到脸，大脑就认了：这是真的。

现在这道防线被穿了。

一张实时生成的 AI 脸，加上声音，加上能感知你表情的能力，骗局的门槛会骤然崩塌。这不是我在危言耸听，是大家必须提前想清楚的事。

机会和风险，从来是同一枚硬币的两面。

这件事背后，是 AI 在穿越“存在感门槛”。

我一直有个判断：AI 能力的演进，是在一层一层突破人类感知的门槛。

认知门槛，早就过了。写代码、分析数据、写文章，AI 已经超过绝大多数人了。

感知门槛，已经基本穿越。能看图、能听声、能理解情绪，很早之前就做到了。

存在感门槛，是最难的那一层。就是那种"你感觉到对面有一个活生生的人"的感受。这不是靠逻辑传递的，是靠眼神、表情、节奏传递的。

文字，没有存在感。语音，有一点。视频，是存在感最强的媒介。

Wan Streamer 做的事，就是第一次把存在感，赋予了 AI。

这道门槛，今天被正式撞开了。

门槛撞开了，那接下来的问题就很现实了：谁来用？

Wan Streamer 是开源模型，也就是说谁都可以拿来部署，去赋予它一个角色。AI 陪伴师、AI 外教、AI 销售顾问，前面说的那些方向，今天都还没人占位。

但技术窗口绝对比你想象的短，这是每一次技术拐点之后的规律，没有例外。当年短视频刚起来的时候，也有人说“再等等，等平台更成熟”。等想明白的时候，赛道里全是人了。

如果你想搞清楚自己适合哪个方向，怎么用这类技术搭出第一个能跑的产品，破局研发了一套三天体验卡，大家可以扫码直接学习课程。

完成课程我们还给大家送几套 AI 超级个体课，先到先得👇