每年的世界人工智能大会，总能让人捕捉到AI行业的风向变化。从智能驾驶到大模型，再到具身智能和Agent，风口一个接一个，新物种、新玩家层出不穷。但在这其中，百度算是个“常青树”般的存在，几乎每一轮浪潮都没落下。
此前我们在WAIC的探展报道中提到，百度旗下的通用智能体“百度搭子”入选了“镇馆之宝”，也是唯一一个入选的同类产品。Agent时代正加速到来，IDC的预测数据很能说明问题：全球活跃Agent数量2026年将达7940万个，到2030年将增长到22.16亿个。下一阶段，科技公司竞争的焦点，显然是如何为企业和个人用户提供真正好用的Agent。
市面上类似的产品不少，比如腾讯的WorkBuddy。而百度搭子背靠百度生态，搜索、网盘、地图、文心大模型、百度智能云等能力都被整合进来，竞争力不容小觑。7月10日，百度搭子升级了智能路由、多端共享记忆、浏览器调用、PPT生成等能力，还发布了行业首个自媒体专业套件。之后由于移动端活跃用户增长超预期，甚至一度出现服务卡顿——这也从侧面说明，市场对这类产品的需求是真切的。
除了百度搭子，百度在WAIC上还有多款产品迎来重磅发布。百度文库网盘联合推出的通用智能体GenFlow 4.0能力再次升级，Office Agent实现全面进化；百度网盘推出AI剪辑等多模态Agent能力，企业版同步升级；在无代码开发场景下，秒哒新增了iOS App生成、投流优化、生产级交付、一句话做Skill等能力；家庭场景中，超能小度实现智能体化升级，并推出“小度搭子”产品，将智能体带入家庭日程管理、看护、健康管理等日常场景。此外，还有自动驾驶领域的萝卜快跑、AI算力领域的昆仑芯超节点、商业决策领域的百度伐谋等产品的最新进展。
在这些产品中，一个叫“百度一镜”的新品牌尤其值得关注。两个月前我们曾对它做过初步介绍，如今世界杯刚刚落幕，正好可以盘点一下它在这段时间的进展。
世界杯期间，百度一镜与可口可乐合作推出了两个标志性案例。一个是范志毅老师的实时互动数字人，世界杯开幕当天上线，这也是全球首个体育赛事实时互动数字人陪看官。它不仅响应时延短，而且高度还原了范志毅的声线和上海口音，连招牌式的神态和肢体动作都拿捏得很准，真的能跟你聊球、抬杠、甩热梗。另一个案例是可口可乐世界杯限定版TVC，全部由AI生成，风格高度统一，推拉摇移、机位调度、构图层次都在线。两个项目顺利完成，也意味着百度一镜的商业化路径更加顺畅了。
在WAIC上，百度一镜首发了数字人视频播客解决方案。通过多人剧本编排、真人感审美和微表情技术，实现了创作质量与生产效率的双重提升。技术上，文心大模型可以进行微表情的细粒度规划，数字人专精模型则实现百级表情单元协同控制，表情响应粒度缩短至1秒以内。现场展示的画面中，甲子光年创始人张一甲与量化分析师林深对坐而谈，两位数字人毫秒级的微表情演绎令人印象深刻——林深发表观点时会下意识挑眉，甲小姐在倾听时嘴角轻微下压，这种近乎人类本能反应的细节，让数字人有了“活人感”。
深入拆解一下百度一镜的三层技术壁垒。第一层，传统数字人的情绪表达往往依赖“开心”“悲伤”这类简单标签，而文心大模型作为“大脑”，能根据剧本场景生成完整的微表情规划，通过情绪、表情、动作、声音、人设、场景六个维度完成表情设计，将微表情拆解为百级别可精细控制的单元。第二层是数字人专精模型的精准执行，支持文本、图片、语音的多模态规划参考，在空间维度对数百个微表情单元进行细粒度协同控制，在时间维度将表情控制粒度控制在1秒以内。第三层是数据工程，依托文心大模型的视频理解能力，对海量影视级视频数据进行精细化处理，包括高质量Caption、情绪语义理解、表情理解、动作理解、语音理解等，通过多层级数据质量净化和训练，提升数字人的生成能力。
产品端，依托编剧、导演、剪辑三大AI智能体以及超过80个Skills，数字人视频播客解决方案能自动生成思辨访谈脚本，支持单人讲学、双人观点对谈，覆盖财经、法律、科技、人文全垂类。实测数据显示，该解决方案使制作成本下降74%，内容表现力提升785%，平均播放时长上涨29%，人物自然度全面超越市面主流模型。
面向海外市场，百度一镜海外版也依托多智能体架构，复刻了“真人编剧-导演-演员-剪辑”的完整流水线，实现从文字脚本到完整成片的自动端到端生成，适配海外短视频、带货短剧、品牌营销视频批量生产场景。按照百度一镜的规划，今年会是海外数字人直播的元年，从打开局面到开始规范，市场空间足够大，后续数据反馈值得期待。
从去年罗永浩的数字人直播，到今年世界杯的AI范志毅，再到WAIC首发的数字人视频播客，百度一镜让AI以具象化的形态与人交互。当全球活跃Agent迈向数以亿计的规模时，这种有“活人感”的交互方式，或许会成为未来不可或缺的标配。
