事件概述 - 上海地铁内一幅宣传海报因模特手部出现六根手指而引发网友讨论 网友质疑广告画面使用AI生成 [1] - 广告方回应表示会去核实情况 如果确认存在问题会第一时间修改替换 [3][4] AI生成内容引发的公众反应 - 有网友吐槽该系列广告疑似均由AI生成 人物脸上油油的 一股“伪人感”扑面而来 [4] - 另有网友指出上海新天地地铁站的AI生成人像广告细看极恐 形容为“婴儿般的皮肤加上皱纹 太诡异了” [6][9] - 部分网友认为这种效果加上做旧滤镜就能当成恐怖游戏 也有网友表示不觉得恐怖 认为很多AI生成效果更诡异 [9] AI生成图像的典型特征与“恐怖谷”理论 - AI生成的人像图片往往具有典型特征 包括人物面部细节模糊 光影过渡生硬 以及六指 六趾等生理结构错误和手部姿态扭曲等问题 [10] - 科学家研究发现 当机器人与人类的相似度达到一个特定程度后 人类对它们的反应会变得极其负面和反感 即使只有一点点差别也会显得显眼刺目 好感度会骤降 此现象被称为“恐怖谷” [10] - 当相似度继续上升至普通人类之间的相似度时 情感反应会再度回到正面波段 [10] - 例如 电影《阿丽塔：战斗天使》中女主角高度逼真的形象 因其超大眼睛和某些细微表情让部分观众感到不适 是“恐怖谷”效应的例证 [10]

事件概述与市场反应 - 上海地铁内一幅宣传海报因模特手部出现六根手指，引发网友质疑广告画面使用AI生成 [1] - 网友进一步吐槽该系列广告疑似均由AI生成，人物面部呈现“油油的”质感，带来强烈的“伪人感” [5] - 另有网友指出上海新天地地铁站广告中AI生成的人像具有“婴儿般的皮肤加上皱纹”的诡异特征 [7] 广告行业应用现状与争议 - 广告方在接到反馈后表示会核实情况，若确认存在问题将第一时间修改替换 [3] - 部分市场观点认为，使用AI生成的广告缺乏质感，可能给品牌形象带来负面影响，有“掉价”的感觉 [10] - 当前广告行业被指存在“为了用AI而用AI”的风气，牺牲了作品的质感和审美，呈现出“廉价塑料”风格 [11] AI生成内容的技术缺陷与“恐怖谷”效应 - AI生成的人像图片存在典型缺陷，包括面部细节模糊、光影过渡生硬，以及手部姿态扭曲、多指等生理结构错误 [12] - 科学研究揭示了“恐怖谷”效应：当机器人与人类的相似度达到一个特定程度后，微小的差别会引发人类的强烈负面和反感情绪 [12] - “恐怖谷”概念的一个例证是电影《阿丽塔：战斗天使》中，女主角高度逼真但某些细微特征（如超大眼睛）让部分观众感到不适 [14]

行业活动与核心观点 - 2025年1月15日，“2025科技风云榜”年度盛典在北京举办，活动包含一场主题为“具身智能跃迁时刻”的特别对话 [1][3] - 对话参与者包括银河通用联合创始人张直政、众擎机器人CEO赵同阳、钛虎机器人CEO易港以及商汤国香资本合伙人余俊 [1][3] 人形机器人发展关键 - 行业专家认为，当前零部件、本体、大模型、具身模型等关键要素正汇聚在一起，推动兼具优秀体能和智能的机器人出现 [1][3] - 人形机器人实现规模化落地的核心经济学原理在于成本与智能水平的临界点，特别是需要跨越“恐怖谷”效应 [1][3] - 专家提出关键成本阈值：当机器人成本降至相当于一个产业工人或服务员一年或两年工资水平时，批量化的市场需求和落地空间将被真正打开 [1][4] - 判断市场时机的简化模型是，比较不同城市中产业工人或服务员的工资水平与当前机器人的供给成本曲线，两者的交叉点即为答案 [1][4]

文章核心观点 - 一项由哥伦比亚大学胡宇航博士团队主导的突破性研究，成功开发出具备仿生面部结构的人形机器人，该机器人通过自监督学习机制，实现了与语音和歌曲同步的真实、自然的唇部运动，标志着人形机器人在面部表情交互领域取得了关键进展，有助于跨越“恐怖谷”效应，为机器人在依赖情感沟通的领域应用奠定了基础 [2][7][22][25] 研究背景与重要性 - 研究显示，人类面对面交流时近一半注意力集中在唇部运动上，轻微不自然的面部表情会立刻引发不适，即“恐怖谷”效应 [5] - 面部表情，尤其是唇部自然运动，是当前人形机器人能力中的“缺失环节”，对于需要面对面交流的场景至关重要 [22] - 经济学家预测，未来十年全球或将制造超过**10亿台**人形机器人进入生活场景，面部表达将成为重要需求 [23] 技术核心与创新 - **硬件设计**：机器人面部在一层柔性硅胶皮肤下隐藏了**20余个微型电机**，能快速、安静且协同地驱动唇部形变 [8] - **自我建模学习**：机器人通过观察镜子中自己面部在不同电机驱动下的变化，构建Facial Action Transformer模型，学会控制自己的脸，这是一种“视觉—动作”的自监督学习 [12] - **纯声音驱动**：机器人通过观看合成的视频学习声音与唇部运动的对应关系，最终能将接收的声音信号直接转化为连续、自然的唇部运动，无需理解语义 [14] - **多语言泛化能力**：测试显示，机器人在多种语言、不同语音环境及歌曲中均能完成连贯的唇部同步，所有非英语语言的同步误差均保持在英语误差范围内 [18][21] 应用前景与行业意义 - 随着人形机器人进入娱乐、教育、医疗、陪护等高度依赖情感沟通的领域，一张温暖、自然、可信的“脸”将从加分项变为“入场券” [23] - 当唇部同步能力与对话型大模型结合时，机器人与人类之间的情感连接将发生质变，因为大量情感信息存在于面部和身体语言中 [25] - 该研究展示了中国学者在国际人形机器人领域具备独特的创新能力 [25]