答案是，可能还会很久。对于区别主要在于是AI驱动、还是人驱动的AITuber和VTuber而言，商业模式不变，核心问题是，AI到底能不能换掉中之人、多久能换掉中之人。

舆论热炒、资本入局，但粉丝并不买账

随着 ChatGPT 的出现，业界对于 AIGC 的能力的认知也更新了，资本和创业者的热情一下子被点高。在 4 月 16 日，我们观察到 Twitch 上的 AITuber-Neuro-sama 仅用五个月就快速积累了 30 万粉丝，她几乎全能，打游戏，聊天，和粉丝互动样样精通，尤其她和“老父亲” Vedal 相爱相杀的斗嘴场面更是笑翻了一众看客。

而且三月初，推出过 VTuber“斗和奇迹”的日本公司 Pictoria 也成立了世界首个专注 AITuber 的事务所 AI CAST，并已经推出了三位全新的 AITuber，开始了公司化运营的尝试。

AITuber，颇有一番颠覆 VTuber 行业的意味在。

但是在查看数据后我们发现，虽然 AITuber 的热度一度被炒得很高，但是在粉丝数据上，却呈现出相反的态势，观众似乎对 AITuber 不再买账了。

AI CAST 现在已经推出了三位 AITuber，“魔法少女艾曼“，“月夜野 Sama”和“朝日奈莱拉”，算上先前已经推出的“纺粘”，AI CAST旗下已经有四位AITuber了。3 月 10 号，艾曼在 YouTube 首次直播，但到现在，三个月的时间只收获了 527 个订阅，除了初次直播之外，所有视频和直播的观看量不到 1000。而“月夜野sama“也已经推出两周，直播三次，仅收获 180 个粉丝订阅。

之前，一炮而红的 Neuro-sama 也出现了新鲜感和热度下降的情况。她在 4 月 16 日粉丝数达到 30 万，但在之后的两个月仅涨粉 5 万，直播和视频观看量等互动数据也没有进一步增长。尽管她在 5 月 28 日，更新了更精致的第二代 Avatar，同时也拥有了更智能的语言模型、可以呈现更丰富的表情和动作，但数据表现却不尽人意。

Neuro-sama和Vedal合体直播 | 图片来源：YouTube

此外，观看了 Neuro 的直播后，我们发现她并不是由 AI 单独进行直播，人类直接的参与是 Neuro-sama 直播的重要组成部分。Neuro 的直播内容中，以聊天形式进行的单独直播只占不到一半。而真正吸引人的部分在于 Neuro 与人类的互动。她的直播中会定期由开发者 Vedal 或者其他 VTuber 一同出镜，进行聊天、玩游戏、唱歌等活动，此时的 Neuro 就开启了“神评论”技能，时不时冒出的一句话让人类哭笑不得，节目效果满分。甚至，开发者 Vedal 会把维护和训练语音模型的代码开发过程进行直播，观众也会被修复 Bug 时 Neuro 的胡言乱语和 Vedal 的抓狂逗得哈哈大笑。

而根据观看量数据，有其他 VTuber 或 Vedal 参与的直播的观看量，明显高于 Neuro 单独直播时的观看量。也就是说，Neuro-sama 的爆红离不开人类的参与，用户观看 Neuro，一方面出于对 AITuber 的新鲜感、一方面也有对 Vedal“养 AI 女儿”过程的好奇，真正的 AI 单独直播目前的吸引力，看似是不足的。

左边两次是 Vedal 与 Neuro 合体直播，而右边则是 Neuro 单独直播 | 图片来源：Twitch

看 AITuber 直播，依然出戏

AI 直播没有那么受欢迎的一个主要原因是情绪表达过于单一，造成了交流的不自然，观众难免出戏。基于现在的 AI 技术，情绪表达主要的方式为，用预设表情表达情绪和基于语音表达情绪。在这两个方面，AI 的表现是无法和人类相提并论的。

魔法少女艾曼几种预设表情 | 图片来源：YouTube

上图是 AI CAST 的 AITuber 魔法少女艾曼的几种预设表情，分别是开心，生气，脸红。而在直播过程中，艾曼就是通过判断观众聊天的情绪，然后给出这些预设的情绪反应，丰富度不够。

另一个例子来自 Neuro-sama，虽然她的 AI 模型现在来看更好一些，但是情绪表达方面仍然很不自然。以下面的画面为例，此时 Neuro 应该是因为 Vedal 打断了她说话而生气，但画面上，却没法体现出生气的情绪。而 Vedal 套的 VTuber 皮却能够通过实时的动作和表情抓取，完全表现出有点无奈、有点不屑的情绪。

开发者 Vedal 以乌龟的 VTuber 的形象出现 | 图片来源：YouTube

在情绪与表情方面，AI 目前只能做到判断识别观众传达的情绪并表达自己的情绪，但是只能使用预设的模版表情，现在仍然做不到 VTuber 那样丰富的表情，这就限制了 AI 的情绪表达，没法做到像人类一样自然的交流。

另外一个问题来自于 AI 合成语音，与真人直播差别很大。目前 AI 语音在情绪表达方面不足是一个普遍的观点，AI 合成语音通常通过学习大量的语音数据并进行情感标注来生成语音，而与真实人声相似的细微差别就很难进行学习，所以AI合成语音听起来都缺乏真实感。同样 AITuber 也面临这个问题，在语音、语调、语气方面，无法达到人类的水平。声音作为塑造角色，与观众互动的主要方式，合成语音并不能令观众满意。

Neuro-sama 算是被认可的情绪丰富的 AITuber，但是整体语调依然很平，情绪的表达更多时候通过预设表情和在句末 Heart 或者 Wink 来打辅助。下面的画面是 Neuro 出 bug 时说 heart 时的搞笑场面。而最近很火的 AI 视频聊天 App Call Annie，无论受到质疑、还是道歉，也是一个语调应对所有场景。

Neuro正在给观众比心 | 图片来源：YouTube

在国内，小冰近期上线的 AI 驱动的“半藏森林”，也被各种吐槽，主要问题也集中在语音回复中情感表达困难，机器感强。在 1 v 1 环节，都无法清楚表达情感的 AI，在直播场景下，弊端会被进一步放大。再进一步，技术问题仍待解决。

但即便 AITuber 的市场反馈并不好，创业者和资本们还是一路小跑入局。

去观察这些公司的业务，会发现，AITuber 虽然有自己现在比较难解决的问题，但其本身商业模式和 VTuber 相同（直播、IP 授权、周边销售等等），市场需求已经得到验证，而如果技术问题能得到解决，也解决了 VTuber 产业的最大 Bug。

这些都能从 2023 年，VTuber 产业首个上市公司的财报中，看出端倪。

VTuber 产业出现首家上市公司，一年收入1.4亿美金

VTuber 作为一个已经发展了多年的产业，其市场认可度、或商业模式，已经得到了验证，在 2023 年也迎来了行业首家上市公司。

在 2023 年一季度统计的女主播在 Twitch 和 YouTube 的观看时长排名，前 10 中有 6 位是都是 VTuber，而这其中有五位都是来自日本 VTuber 公司 Hololive production。其母公司 COVER 也于今年 3 月 27 日在东京交易所挂牌上市， 股价从上市时的 1400 日元一路飙涨，达到了 2729 日元（7 月 13 日收盘价）。

而 5 月 12 日 Hololive 发布了 2023 财年（2022.4.1-2023.3.31）的财务报表，这也是该公司公布的第一份财务报表。

女主播在 Twitch 和 YouTube 的观看时长排名（2023 年一季度） | 图片来源：Stream Charts

2023 财年，Hololive 营业收入 1.4 亿美元，相比去年增长 49.7%，净利润 1700 万美元，相比去年增加了 101.6%，净利润率 12.14%，其他各项数据对比去年也都有这不错的增长。

2023 财年 Hololive 财务数据 | 图片来源：Hololive production

从收入结构来看，Hololive 的收入主要分 4 块，直播及内容收入，活动收入，产品销售收入，授权及合作收入。其中，在 2023 财年直播收入仅占 31%，而且根据历年数据这个占比有下降的趋势。而活动、产品销售、授权合作等与IP有关的收入占据了更大的比例，主要增长点也在 IP 价值。

从 Hololive 的商业模式来看，VTuber 提供的主要服务是是直播与内容的输出，以积累粉丝基础，然而从历年的数据可以看出，随着 IP 逐渐成熟，直播收入的占比逐年下降，基于 IP 的收入比例提升，这也解释了利润增幅高于收入增幅的现象。

这是 Hololive 走向成熟的标志，更多地通过 IP 价值进行变现，而直播变成了维护和增加 IP 价值的手段。

2023 财年 Hololive 收入组成数据 | 图片来源：Hololive production

但实际上，Top 10 占其 6 的 Hololive，虽然已经是不折不扣的头部位置，但也有自己的问题。

繁华之下现问题，本土市场饱和与“中之人”风险成瓶颈

2024 财年预期数据 | 图片来源：Hololive production

在对 2024 财年的展望中营业额和净利润的预期增幅仅有 30%，远远低于本财年增幅，说明公司对于收入的持续高增长缺乏信心，其主要原因是日本 VTuber 市场的饱和。这种情况，从财报中的 YouTube 订阅人数增长也可以窥见一二，日本频道在这一年只有少量的增长，而国际频道订阅数增长则占了绝大部分，日本市场的增长缓慢，可能是 Hololive 调低增长预期的原因。

Hololive YouTube 频道订阅数据 | 图片来源：Hololive production

所以，在对下一财年目标的阐述中，国际化是 Hololive 的主要目标，包括推出面向国际市场的 VTuber 并进一步扩展国际授权规模，继续执行“Holomeet”线下活动，扩展到更多的国家。

另外一个问题来自“中之人”，在 Hololive 的招股书的风险提示部分也阐述了这个问题，当“中之人”因为负面事件影响或个人原因，活动频率下降或无法继续其活动时，将会对 IP、内容和商品价值造成负面影响。也就是说，虽然公司能够通过多元业务，在营收上减少对中之人直接活动的依赖，但是IP价值依然需要其维护，IP 价值的降低，依然会对其他应收造成影响。

虽然 Hololive 内部，还没有出现类似问题。但相似的情况早有出现。

绊爱是世界首个达到 100 万和 200 万 YouTube 订阅的 VTuber，由于更换中之人的风波被粉丝大量取关。虽然公司解决了问题，但是关注度大幅下降，粉丝的增长也停止了。陷入了空有 300 万订阅数，但视频播放量不足 10 万的窘境。不久之后便宣布无限期休眠，退出了 VTuber 市场。VTuber 的价值，是和“中之人”深度绑定的，而对以公司来运营 VTuber 业务的模式来说，这一直是一个难解之题。

绊爱告别 | 图片来源：B站视频截图

AITuber 正在一波热，但貌似依然是“正确方向”

VTuber 这些年的发展，已经验证了市场需求，Hololive 不错的收入与利润率也证明了公司运营的可能性。虽然现在的运营模式，有点类似于 MCN，其本质问题，也是一样，人的变动性太大，而导致公司增长依然受到限制。

VTuber 相较于传统经纪公司，如果说往前了一步，那么 AITuber，虽然问题依然很多，但显然是能够在一定程度上找到了解决核心问题的正确方向。因此，我们可以看到AITuber虽然问题多多，但资本和创业者们依然一路小跑入局。

2023年AITuber相关新闻

以最近完成融资的硅谷的初创公司 Hyper 为例，主要做 2 个方向的研究。

一方面，解决 VTuber 的成本问题，可以看出，Hyper 并没有直接想要用 AI 一步替代中之人，这个方向还是比较接地气的，可能也是相较于很多短期无法实际落地的项目，Hyper 能融资的一个重要原因。另一方面，就是去尝试解决 AI 技术现有的应用难题。

在硬件方面，VTuber 的成本是非常高的，进行直播时需要专业的动作捕捉套件和一台配置很高的电脑，才能实现 Avatar 的实时渲染和动作呈现。Hyper 推出了一项技术，只需要一台 iPhone 和一个应用，就可以生成一个 Avatar 并进行直播，大大降低 VTuber 的门槛。也就是说，人人都可以做 VTuber 了。

反观以公司化运营 VTuber 的 Hololive，则需要在“中之人”上付出高昂的成本。Hololive 的成本主要分为，演员报酬，活动成本、外包成本、其他成本。除了财年的第四季度举办大型线下活动“Hololive Super EXPO”会额外活动成本之外，在 2022 和 2023 财年“中之人“报酬的成本占比平均达到了 40%-50%。从历年数据来看，当公司的 IP 价值较低，以直播作为主要业务的时期，“中之人”报酬的成本占比更高。随着 IP 价值的提升，更多的活动以及其他成本开始增长，但是“中之人”报酬成本仍占据很大的比例。VTuber 公司通过 IP 产出源源不断的利润，必须靠“中之人”进行直播维护和增长 IP 的价值，同时要为此付出高昂的成本。

Hololive 历年成本数据 | 图片来源：Hololive production

而在 AI 方面，公司新推出的 Hyper AI，可以自动为用户生成 Avatar 和 AI 语言模型内核。这项功能基于 OpenAI 的 GPT 模型，由 Hyper 进行定制化训练以适应语言环境。创始人透露，目前它已经可以实现问答和讲故事的功能，未来它将可以在直播间进行流畅互动，成为真正的 AITuber。

鉴于还没有办法体验到的产品，所以也无法确认效果，而针对于现在比较明显的表情生意、合成语音等问题，Hyper 也没有特别提出。

但 Hyper 针对于虚拟直播产业专门去训练垂类模型，总算是往前前进了一步，未来能让不论是个人、还是公司，都有更多尝试的可能性。而 AI 作为“中之人”，起码在成本方面，确实能够省下不少钱。根据现在所掌握的情况来看，训练 AI 模型的成本是显著低于“中之人“的报酬成本。以Vedal 的案例来看，虽然无法知道具体数字，但是开发 Neuro-sama 的成本是他个人可以负担的。

我们了解下来，很多国内的创业公司，也在做相关尝试，我们也在招募相关话题的创业者，大家一起聊聊自己在做的事情，遇到的困哪和取得的进步，感兴趣的读者可以添加微信（18511250986）和我们联系~