摘要

HeyGen押注的是：视频制作将成为软件规模化的职能，而不再是受摄影机束缚的手艺。 Joshua Xu表示，如今能制作出优秀视频的人不到1%，预计企业制作的视频数量将增加“100倍”，随着 AI 消除摄影机门槛、且预计很快解决剪辑问题，邮件和文字都可以转成视频。HeyGen在2020年确立的初始使命说得很直白：“替代摄影机”（“replacing the camera”）。
更大的机会，是让视频成为 AI 劳动力的人类交互界面。 Xu描绘的演进路径，是从文字聊天到语音，再到视频会议；智能体可以跨语言工作，并同时运行数百乃至数千个会话。当 Diamandis问他设想中的20人虚拟营销团队何时可用时，Steve Brown回答：“现在。”
这套生产方案结合了速度、本地化和更低成本的迭代。 HeyGen宣传片称，数字人视频的制作速度是“传统制作的10倍”，支持4K和175种语言；Xu表示，大约2分钟训练视频就能个性化面部动作、表情和肢体语言。Diamandis举例说，定价、命名和其他产品要素随后都可以调整，无需重新拍摄。
Avatar是呈现层；Agent则增加知识、判断和行动能力。 Brown的简洁概括是：“Avatar是AV，即audio visual；Agent是agency。”书籍、访谈、文件、价值观、人生故事和轶事，为智能体提供大脑。Diamandis还设想过，这些拥有独立名称的智能体可以出现在 Slack、邮件或视频通话中。
当逼真的身份可以被编程时，授权与审核就成为战略要求，而非外围功能。 Xu表示，HeyGen的每个 Avatar 都必须获得本人视频授权，公司“从未在授权问题上妥协”；AI与人工审核员也会限制仇恨言论、欺诈和政治竞选活动。对于被克隆的紧急来电，Diamandis给出的实用对策是设置一个家庭私密密码。
Brown的医疗智能体演示展示了跨数据孤岛进行模式识别的价值，但仍只是个人案例，不能视为临床验证。 一个智能体复核他的既往记录后，将低免疫球蛋白、贫血、铁蛋白升高和体重下降联系到一种可能的浆细胞疾病，而此前专科医生尚未发现这一点；Brown后来被诊断为多发性骨髓瘤。他的更大判断是，差异化智能体可以从多个角度检索同一套碎片化数据，而 Brown说，它们“也可能正在挽救你的生命”。

精读

1. HeyGen从“替代摄影机”的押注起步

Xu将HeyGen的起点追溯到2020年。那时，“生成式 AI”这个词还没有出现。在 Snap 负责 AI 增强摄影体验时，他看到了生成现实中不存在、却依然高度逼真的内容的可能性。
公司的创始使命是“替代摄影机”（“replacing the camera”）。过去15年，手机摄影机扩大了内容创作规模，但 Xu认为，面对摄影机的不自在和制作成本高昂，仍是企业进行故事表达的持续障碍；后来 Diamandis又举例说明了灯光和补拍带来的负担。
他设想的终点是“人人都能进行视觉叙事”：目前能制作优秀视频的人不到1%，但最终每家企业都可能多制作“100倍的视频”，把日常邮件、图片和文字转化为有吸引力的视频。

2. 视频正成为并行 AI 劳动力的交互界面

Xu的数字分身展示了无需摄影机或摄制团队即可进行预录制表达，支持170多种语言和方言，并能在网站、产品或平台中进行实时对话。
Xu对数字界面的路线设想，是从文字输入到语音，再到与智能体进行视频会议。重点不只是观看生成的视频，而是与 AI 面对面互动。
Diamandis设想过一个充分了解其工作的身份化智能体，能够给出与他本人相同的回答，然后向各类会议派出1000个副本。Xu进一步表示，这些智能体可以跨越语言障碍，同时运行“数百、数千个不同会话”。
当 Diamandis问20人虚拟营销团队何时可以用上时，Brown回答：“现在。”
Diamandis举出了一个即时应用场景：快速迭代。Xu在4年间创建了300多个 Avatar，但他说，拍摄仍需要准备、良好灯光，有时还要补拍1到2次；Avatar则可以在定价、命名或定位发生变化时随时修改销售话术。

3. Avatar提供存在感，知识层赋予行动能力

Xu将 AI Agent 定义为一种助手：不仅能执行初始动作，还能完成一连串行动；数字分身则让人们能够接触到它所代表的那个人。Brown的概括很简洁：“Avatar是AV，即audio visual；Agent是agency。”
一张可信的脸能建立情感连接，但要赋予行动能力，还需要一个了解用户并赢得信任的大脑。HeyGen将其系统描述为“以人为中心的视频模型”，学习的不只是一个人的脸和声音，还包括其手势、表情、肌肉动作与肢体语言之间的对应关系。大约2分钟训练视频就足以完成这种个性化。
文件、演讲和访谈，会成为数字分身背后的 LLM 知识层。对于没有大量公开作品的人，Brown正在打造访谈智能体，通过提问挖掘其价值观、人生目标、生活故事和个人轶事——这些内容可能相当于一本传记中的“数百页”。
产品宣传片展示了4K输出、175种语言，以及“比传统制作快10倍”的创作速度。活动现场，一名参会者表示，素材采集“真的……只用了4分钟”；他的 Avatar 连夜完成处理，并用他自己的声音说出了另一种语言。

4. 授权是 Avatar 与 DeepFake 的边界

Diamandis警告，逼真的 FaceTime 来电者可能冒充亲属，要求支付保释金或进行电汇。他的实用建议是预先设立家庭密码，并趁父母或祖父母仍在世，尽可能保存他们的视频、声音和故事。
Xu表示，每个 Avatar 都必须获得本人视频授权，无论请求者是谁，HeyGen从未放弃这一要求。AI与人工结合的审核系统还禁止平台上的仇恨言论、欺诈用途和政治竞选活动。

5. 医疗智能体展示了跨数据孤岛检索的价值

Brown的经历始于洛杉矶山火烧毁他的梦想之家、迫使他搬到 Palm Springs。一次因胃痛前往急诊的就医，最终带来为期8天的检查和多发性骨髓瘤诊断；此前几位专科医生没有发现异常，只认为问题可能源于压力、过度工作或抑郁。
Brown要求自己的“Hippocrates”智能体只检查更早的医疗记录。智能体指出 IgA 和 IgM 偏低、γ球蛋白偏低、轻度贫血、铁蛋白升高，以及无法解释的体重下降，并提示可能存在浆细胞疾病，建议与医生讨论骨髓评估。Brown说，智能体甚至比最终诊断更早发现了这一模式。
后续交流中，智能体列出了检测 κ 和 λ 链的血清游离轻链检测、具有确诊意义的骨髓活检，以及用于检测 Bence-Jones 蛋白的24小时尿蛋白电泳。Brown表示，经过2周化疗和 daratumumab 免疫治疗后，他的轻链水平下降了50%以上；智能体称这是令人鼓舞的结果，同时建议继续接受肿瘤科医生监测。
Brown的结论是，医学知识不断扩张，迫使专科医生进入更狭窄的数据孤岛，而“AI没有孤岛”。除了这个“全能智能体”，他还在打造100个取向不同的医疗智能体，让不同视角成为检索碎片化健康数据的替代路径。这仍是 Brown 的个人演示，不构成临床验证。

核验说明

在 Hippocrates 的交流中，第一次回复列出的是γ球蛋白偏低，而后续回复却将这一模式称为“高丙种球蛋白血症”；逐字稿没有解决这一矛盾。

解放日、关税、美国对中国开源、OpenAI、$CRWV、TikTok | BG2 每日交易：CoreWeave IPO与Scale估值250亿美元