答案是，可能還會很久。對于區(qū)別主要在于是 AI 驅動、還是人驅動的 AITuber 和 VTuber 而言，商業(yè)模式不變，核心問題是，AI 到底能不能換掉中之人、多久能換掉中之人。

輿論熱炒、資本入局，但粉絲并不買賬

隨著 ChatGPT 的出現，業(yè)界對于 AIGC 的能力的認知也更新了，資本和創(chuàng)業(yè)者的熱情一下子被點高。在 4 月 16 日，我們觀察到 Twitch 上的 AITuber-Neuro-sama 僅用五個月就快速積累了 30 萬粉絲，她幾乎全能，打游戲，聊天，和粉絲互動樣樣精通，尤其她和“老父親” Vedal 相愛相殺的斗嘴場面更是笑翻了一眾看客。

而且三月初，推出過 VTuber“斗和奇跡”的日本公司 Pictoria 也成立了世界首個專注 AITuber 的事務所 AI CAST，并已經推出了三位全新的 AITuber，開始了公司化運營的嘗試。

AITuber，頗有一番顛覆 VTuber 行業(yè)的意味在。

但是在查看數據后我們發(fā)現，雖然 AITuber 的熱度一度被炒得很高，但是在粉絲數據上，卻呈現出相反的態(tài)勢，觀眾似乎對 AITuber 不再買賬了。

AI CAST 現在已經推出了三位 AITuber，“魔法少女艾曼”，“月夜野 Sama”和“朝日奈萊拉”，算上先前已經推出的“紡粘”，AI CAST 旗下已經有四位 AITuber 了。3 月 10 號，艾曼在 YouTube 首次直播，但到現在，三個月的時間只收獲了 527 個訂閱，除了初次直播之外，所有視頻和直播的觀看量不到 1000。而“月夜野 sama“也已經推出兩周，直播三次，僅收獲 180 個粉絲訂閱。

之前，一炮而紅的 Neuro-sama 也出現了新鮮感和熱度下降的情況。她在 4 月 16 日粉絲數達到 30 萬，但在之后的兩個月僅漲粉 5 萬，直播和視頻觀看量等互動數據也沒有進一步增長。盡管她在 5 月 28 日，更新了更精致的第二代 Avatar，同時也擁有了更智能的語言模型、可以呈現更豐富的表情和動作，但數據表現卻不盡人意。

此外，觀看了 Neuro 的直播后，我們發(fā)現她并不是由 AI 單獨進行直播，人類直接的參與是 Neuro-sama 直播的重要組成部分。Neuro 的直播內容中，以聊天形式進行的單獨直播只占不到一半。而真正吸引人的部分在于 Neuro 與人類的互動。她的直播中會定期由開發(fā)者 Vedal 或者其他 VTuber 一同出鏡，進行聊天、玩游戲、唱歌等活動，此時的 Neuro 就開啟了“神評論”技能，時不時冒出的一句話讓人類哭笑不得，節(jié)目效果滿分。甚至，開發(fā)者 Vedal 會把維護和訓練語音模型的代碼開發(fā)過程進行直播，觀眾也會被修復 Bug 時 Neuro 的胡言亂語和 Vedal 的抓狂逗得哈哈大笑。

而根據觀看量數據，有其他 VTuber 或 Vedal 參與的直播的觀看量，明顯高于 Neuro 單獨直播時的觀看量。也就是說，Neuro-sama 的爆紅離不開人類的參與，用戶觀看 Neuro，一方面出于對 AITuber 的新鮮感、一方面也有對 Vedal“養(yǎng) AI 女兒”過程的好奇，真正的 AI 單獨直播目前的吸引力，看似是不足的。

左邊兩次是 Vedal 與 Neuro 合體直播，而右邊則是 Neuro 單獨直播 | 圖片來源：Twitch

看 AITuber 直播，依然出戲

AI 直播沒有那么受歡迎的一個主要原因是情緒表達過于單一，造成了交流的不自然，觀眾難免出戲。基于現在的 AI 技術，情緒表達主要的方式為，用預設表情表達情緒和基于語音表達情緒。在這兩個方面，AI 的表現是無法和人類相提并論的。

上圖是 AI CAST 的 AITuber 魔法少女艾曼的幾種預設表情，分別是開心，生氣，臉紅。而在直播過程中，艾曼就是通過判斷觀眾聊天的情緒，然后給出這些預設的情緒反應，豐富度不夠。

另一個例子來自 Neuro-sama，雖然她的 AI 模型現在來看更好一些，但是情緒表達方面仍然很不自然。以下面的畫面為例，此時 Neuro 應該是因為 Vedal 打斷了她說話而生氣，但畫面上，卻沒法體現出生氣的情緒。而 Vedal 套的 VTuber 皮卻能夠通過實時的動作和表情抓取，完全表現出有點無奈、有點不屑的情緒。

在情緒與表情方面，AI 目前只能做到判斷識別觀眾傳達的情緒并表達自己的情緒，但是只能使用預設的模版表情，現在仍然做不到 VTuber 那樣豐富的表情，這就限制了 AI 的情緒表達，沒法做到像人類一樣自然的交流。

另外一個問題來自于 AI 合成語音，與真人直播差別很大。目前 AI 語音在情緒表達方面不足是一個普遍的觀點，AI 合成語音通常通過學習大量的語音數據并進行情感標注來生成語音，而與真實人聲相似的細微差別就很難進行學習，所以 AI 合成語音聽起來都缺乏真實感。同樣 AITuber 也面臨這個問題，在語音、語調、語氣方面，無法達到人類的水平。聲音作為塑造角色，與觀眾互動的主要方式，合成語音并不能令觀眾滿意。

Neuro-sama 算是被認可的情緒豐富的 AITuber，但是整體語調依然很平，情緒的表達更多時候通過預設表情和在句末 Heart 或者 Wink 來打輔助。下面的畫面是 Neuro 出 bug 時說 heart 時的搞笑場面。而最近很火的 AI 視頻聊天 App Call Annie，無論受到質疑、還是道歉，也是一個語調應對所有場景。

在國內，小冰近期上線的 AI 驅動的“半藏森林”，也被各種吐槽，主要問題也集中在語音回復中情感表達困難，機器感強。在 1 v 1 環(huán)節(jié)，都無法清楚表達情感的 AI，在直播場景下，弊端會被進一步放大。再進一步，技術問題仍待解決。

但即便 AITuber 的市場反饋并不好，創(chuàng)業(yè)者和資本們還是一路小跑入局。

去觀察這些公司的業(yè)務，會發(fā)現，AITuber 雖然有自己現在比較難解決的問題，但其本身商業(yè)模式和 VTuber 相同（直播、IP 授權、周邊銷售等等），市場需求已經得到驗證，而如果技術問題能得到解決，也解決了 VTuber 產業(yè)的最大 Bug。

這些都能從 2023 年，VTuber 產業(yè)首個上市公司的財報中，看出端倪。

VTuber 產業(yè)出現首家上市公司，一年收入 1.4 億美金

VTuber 作為一個已經發(fā)展了多年的產業(yè)，其市場認可度、或商業(yè)模式，已經得到了驗證，在 2023 年也迎來了行業(yè)首家上市公司。

在 2023 年一季度統(tǒng)計的女主播在 Twitch 和 YouTube 的觀看時長排名，前 10 中有 6 位是都是 VTuber，而這其中有五位都是來自日本 VTuber 公司 Hololive production。其母公司 COVER 也于今年 3 月 27 日在東京交易所掛牌上市， 股價從上市時的 1400 日元一路飆漲，達到了 2729 日元（7 月 13 日收盤價）。

而 5 月 12 日 Hololive 發(fā)布了 2023 財年（2022.4.1-2023.3.31）的財務報表，這也是該公司公布的第一份財務報表。

女主播在 Twitch 和 YouTube 的觀看時長排名（2023 年一季度） | 圖片來源：Stream Charts

2023 財年，Hololive 營業(yè)收入 1.4 億美元，相比去年增長 49.7%，凈利潤 1700 萬美元，相比去年增加了 101.6%，凈利潤率 12.14%，其他各項數據對比去年也都有這不錯的增長。

從收入結構來看，Hololive 的收入主要分 4 塊，直播及內容收入，活動收入，產品銷售收入，授權及合作收入。其中，在 2023 財年直播收入僅占 31%，而且根據歷年數據這個占比有下降的趨勢。而活動、產品銷售、授權合作等與 IP 有關的收入占據了更大的比例，主要增長點也在 IP 價值。

從 Hololive 的商業(yè)模式來看，VTuber 提供的主要服務是是直播與內容的輸出，以積累粉絲基礎，然而從歷年的數據可以看出，隨著 IP 逐漸成熟，直播收入的占比逐年下降，基于 IP 的收入比例提升，這也解釋了利潤增幅高于收入增幅的現象。

這是 Hololive 走向成熟的標志，更多地通過 IP 價值進行變現，而直播變成了維護和增加 IP 價值的手段。

但實際上，Top 10 占其 6 的 Hololive，雖然已經是不折不扣的頭部位置，但也有自己的問題。

繁華之下現問題，本土市場飽和與“中之人”風險成瓶頸

在對 2024 財年的展望中營業(yè)額和凈利潤的預期增幅僅有 30%，遠遠低于本財年增幅，說明公司對于收入的持續(xù)高增長缺乏信心，其主要原因是日本 VTuber 市場的飽和。這種情況，從財報中的 YouTube 訂閱人數增長也可以窺見一二，日本頻道在這一年只有少量的增長，而國際頻道訂閱數增長則占了絕大部分，日本市場的增長緩慢，可能是 Hololive 調低增長預期的原因。

所以，在對下一財年目標的闡述中，國際化是 Hololive 的主要目標，包括推出面向國際市場的 VTuber 并進一步擴展國際授權規(guī)模，繼續(xù)執(zhí)行“Holomeet”線下活動，擴展到更多的國家。

另外一個問題來自“中之人”，在 Hololive 的招股書的風險提示部分也闡述了這個問題，當“中之人”因為負面事件影響或個人原因，活動頻率下降或無法繼續(xù)其活動時，將會對 IP、內容和商品價值造成負面影響。也就是說，雖然公司能夠通過多元業(yè)務，在營收上減少對中之人直接活動的依賴，但是IP價值依然需要其維護，IP 價值的降低，依然會對其他應收造成影響。

雖然 Hololive 內部，還沒有出現類似問題。但相似的情況早有出現。

絆愛是世界首個達到 100 萬和 200 萬 YouTube 訂閱的 VTuber，由于更換中之人的風波被粉絲大量取關。雖然公司解決了問題，但是關注度大幅下降，粉絲的增長也停止了。陷入了空有 300 萬訂閱數，但視頻播放量不足 10 萬的窘境。不久之后便宣布無限期休眠，退出了 VTuber 市場。VTuber 的價值，是和“中之人”深度綁定的，而對以公司來運營 VTuber 業(yè)務的模式來說，這一直是一個難解之題。

AITuber 正在一波熱，但貌似依然是“正確方向”

VTuber 這些年的發(fā)展，已經驗證了市場需求，Hololive 不錯的收入與利潤率也證明了公司運營的可能性。雖然現在的運營模式，有點類似于 MCN，其本質問題，也是一樣，人的變動性太大，而導致公司增長依然受到限制。

VTuber 相較于傳統(tǒng)經紀公司，如果說往前了一步，那么 AITuber，雖然問題依然很多，但顯然是能夠在一定程度上找到了解決核心問題的正確方向。因此，我們可以看到 AITuber 雖然問題多多，但資本和創(chuàng)業(yè)者們依然一路小跑入局。

以最近完成融資的硅谷的初創(chuàng)公司 Hyper 為例，主要做 2 個方向的研究。

一方面，解決 VTuber 的成本問題，可以看出，Hyper 并沒有直接想要用 AI 一步替代中之人，這個方向還是比較接地氣的，可能也是相較于很多短期無法實際落地的項目，Hyper 能融資的一個重要原因。另一方面，就是去嘗試解決 AI 技術現有的應用難題。

在硬件方面，VTuber 的成本是非常高的，進行直播時需要專業(yè)的動作捕捉套件和一臺配置很高的電腦，才能實現 Avatar 的實時渲染和動作呈現。Hyper 推出了一項技術，只需要一臺 iPhone 和一個應用，就可以生成一個 Avatar 并進行直播，大大降低 VTuber 的門檻。也就是說，人人都可以做 VTuber 了。

反觀以公司化運營 VTuber 的 Hololive，則需要在“中之人”上付出高昂的成本。Hololive 的成本主要分為，演員報酬，活動成本、外包成本、其他成本。除了財年的第四季度舉辦大型線下活動“Hololive Super EXPO”會額外活動成本之外，在 2022 和 2023 財年“中之人“報酬的成本占比平均達到了 40%-50%。從歷年數據來看，當公司的 IP 價值較低，以直播作為主要業(yè)務的時期，“中之人”報酬的成本占比更高。隨著 IP 價值的提升，更多的活動以及其他成本開始增長，但是“中之人”報酬成本仍占據很大的比例。VTuber 公司通過 IP 產出源源不斷的利潤，必須靠“中之人”進行直播維護和增長 IP 的價值，同時要為此付出高昂的成本。

而在 AI 方面，公司新推出的 Hyper AI，可以自動為用戶生成 Avatar 和 AI 語言模型內核。這項功能基于 OpenAI 的 GPT 模型，由 Hyper 進行定制化訓練以適應語言環(huán)境。創(chuàng)始人透露，目前它已經可以實現問答和講故事的功能，未來它將可以在直播間進行流暢互動，成為真正的 AITuber。

鑒于還沒有辦法體驗到的產品，所以也無法確認效果，而針對于現在比較明顯的表情生意、合成語音等問題，Hyper 也沒有特別提出。

但 Hyper 針對于虛擬直播產業(yè)專門去訓練垂類模型，總算是往前前進了一步，未來能讓不論是個人、還是公司，都有更多嘗試的可能性。而 AI 作為“中之人”，起碼在成本方面，確實能夠省下不少錢。根據現在所掌握的情況來看，訓練 AI 模型的成本是顯著低于“中之人“的報酬成本。以 Vedal 的案例來看，雖然無法知道具體數字，但是開發(fā) Neuro-sama 的成本是他個人可以負擔的。