从复制脸到复制大脑：AI 专家分身赛道升温

过去一年，AI 分身赛道出现明显转向。资本不再满足于让一张脸更逼真、一种声音更接近本人，而是押注一个更深的命题：让 AI 学会像专业人士一样思考和工作，并替其完成一部分任务。Delphi、Simile、Twin1 AI 等公司接连完成大额融资，这条路线正在成为新的投资焦点。

资本沿着「专家经验」连续下注

三笔代表性融资

过去一年，多笔融资投向同一类 AI 产品——专家分身。

• Delphi：2025 年 6 月完成 1600 万美元 A 轮，红杉资本领投，Menlo Ventures 与 Anthropic 旗下 Anthology Fund 跟投。平台已聚集超过 2000 名创作者，包括 Lenny Rachitsky、HubSpot 创始人 Brian Halligan、阿诺德·施瓦辛格等。Matthew Hussey 的情感关系 AI 分身年收入已达七位数美元。
• Simile：2026 年 2 月完成 1 亿美元 A 轮，Index Ventures 领投，Bain Capital Ventures 跟投，李飞飞与 Andrej Karpathy 也参与投资。三位创始人 Joon Sung Park、Michael Bernstein、Percy Liang 均来自斯坦福。CVS Health 与 Telstra 为首批客户。
• Twin1 AI：2026 年 8 月走出隐身模式，完成 2000 万美元种子轮，Bessemer、Tribeca、Aramco Ventures 联合领投，国际律所 Orrick 同时以投资人与客户身份进入。Linklaters、Dechert 等律所已使用其系统处理部分日常沟通，据称承担了知识工作者 30% 至 50% 的沟通任务。

几乎同一时间，知名经济学家付鹏训练的官方 AI 分身在 nashnova 平台正式上线。nashnova 定位为 AI 投研助手，将经济学家积累的研究资料与分析框架转化为可对话、可持续跟踪市场的智能体。付鹏在两年前曾尝试过形象与声音复刻的数字人，但因脱离脚本便无法继续而搁置。他对这一版新分身的概括很直接：「数字人有了大脑。」

两条路线开始分流

数字人产业由此分成两条路线。一条以 Synthesia、HeyGen 为代表，聚焦企业视频生产，把拍摄、出镜、翻译与后期整合到一个界面。Synthesia 在 2026 年 1 月完成 2 亿美元 E 轮，投后估值 40 亿美元；HeyGen 在同年 6 月 ARR 突破 2 亿美元，八个月内翻倍。

另一条以 Delphi、Simile、Twin1、nashnova 为代表，处理的是另一类成本——专家重复回答问题、企业反复调研市场、专业人士日常沟通所消耗的时间。投资人的关注点也随之改变：一个人的知识能否转化为订阅收入，他的判断能否帮助企业测试决策，他的工作流程能否被 AI 接手，这些具体结果开始决定分身的价值。

专家的私有语料正在构成新的壁垒

基础模型层面的能力差距正在缩小，区分专家分身产品的关键落在两件事上：模型能接触哪些材料，以及专家本人愿意投入多少时间进行训练。

付鹏的分身提供了一个具体样本。他交给 nashnova 的训练材料包括 1999 年至今的文章与日记、每年四五百页的 PPT 年鉴、历年调研纪要与交易记录，以及部分早年非实名 BBS 账号内容。这些资料并未完整出现在公开网络，通用模型也难以通过常规训练获得，它们记录的不仅是结论本身，还包括观点形成过程中参考了什么、后来如何调整、哪些证据曾让他改变判断。

相比之下，公开内容存在天然局限。一个人发表过的文章、演讲与视频，通常只呈现最终结论；受时间限制，一场演讲往往只能展开完整分析中的一段；内容被剪成短视频后，假设条件与适用边界还会进一步丢失。Fast Company 记者试用 Delphi 后也发现，部分回答会重复相似句式，对时效性话题的覆盖不够充分。

nashnova 在训练付鹏分身时，试图向前再走一步：先把长期资料中的事实、背景与阶段性判断拆开，再寻找付鹏处理问题时反复使用的规则——他习惯先看哪些变量、按什么顺序排除可能性、出现哪些证据时会修改结论。资料整理完成后，付鹏本人还要亲自测试，包括正常提问与故意加入错误前提，以观察 AI 能否发现问题。每次纠错都会重新写入训练规则与评测题库，同类问题在下一次上线前再次验证。

这使得专家分身的复制门槛显著抬高。拿到授权只需要专家签一次字，而训练出能处理新问题的分身，则需要专家持续提问、纠错并讲清自己的判断过程。投入时间越长，系统积累的规则与测试案例越多，后来者越难仅靠抓取公开内容完成复制。

专家分身还要回答三个问题

私有语料与本人校准让专家分身更难复制，却不足以保证其成为长期生意。合规、留存与能力边界，是摆在所有玩家面前的共同考题。

合规是最先遇到的限制。《人工智能生成合成内容标识办法》已于 2025 年 9 月 1 日施行，要求 AI 生成的文本、图片、音频与视频添加相应标识。财经类专家分身的情况更为复杂：用户交流时间越长，越容易将回答理解为专家本人此刻的判断。平台需要持续显示 AI 身份、引用材料、数据日期与内容版本，并把投资决定及其后果的最终承担者交还给用户。当 AI 用专家的语气说出本人从未讲过的话时，平台、专家与用户之间的责任划分也需提前明确。

留存是第二个难题。Delphi 已经证明有人愿意为专家分身付费，但一次付费与长期订阅之间仍有距离。判断类产品尤其难在短期内证明效果：用户很难分辨一段分析的价值究竟来自专家的思考框架，还是基础模型本身已具备的能力。专家分身需要在使用过程中记住用户关注的市场、提出过的问题与过往判断，并在新数据出现时复核旧结论，这些连续记录才可能成为用户留下的理由。

能力边界同样尚未充分验证。付鹏设想过一个更远的场景：未来直播间里坐着的，可能是能理解问题、主动追问、与主持人自然交流的 AI 分身，他将其命名为「小鹏鹏」。今天的产品距离这一场景仍有明显差距，需要更稳定地处理新问题、减少事实错误与错误推断。如果分身只能复述专家过去公开说过的话，它仍然只是一种内容服务；只有当它能处理新信息、持续复核旧判断、并接手原本需要专家本人参与的工作时，才有机会进入咨询、研究与企业服务市场。

形象与声音的复制成本正在持续下降，人的经验正在被重新定价。