一年之内，至少三笔融资投向了同一类AI 产品。它们不追求更逼真的脸，也不忙着复制人的声音。投资人开始押注另一个方向，让 AI 学会像专业人士一样思考和工作，并且替他完成一部分任务。
最新的案例发生在8 月 20 日。Twin1 AI 带着 2000 万美元种子轮走出隐身状态，Bessemer、Tribeca 和 Aramco Ventures 联合领投。国际律所 Orrick 同时以投资人和客户的身份进入这一轮。
几乎同一时间，知名经济学家付鹏训练的官方AI 分身在 nashnova 上线，双方开始正式推广。nashnova 是一款 AI 投研助手，也将经济学家和分析师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。
两年前，付鹏已经试过一版能够复刻形象和声音的数字人。那次尝试没有让他满意。数字人看起来像他，说话也像他，离开脚本就没法继续。
这一次，他对全新上线的付鹏AI分身的概括很直接。
“数字人有了大脑。”
一
资本开始押注人的经验
过去一年，资本沿着同一条路线连续下注。AI 分身的价值，正在从复刻一个人的形象，转向复制他的知识、思维模式和工作流程。
2025 年 6 月，红杉资本领投 Delphi 的 1600 万美元 A 轮，Menlo Ventures 和 Anthropic 旗下的 Anthology Fund 跟投。Delphi 帮助专家训练自己的“digital mind”，用户可以向这些 AI 分身咨询具体问题。平台已有超过 2000 名创作者，名单里包括 Lenny Rachitsky、HubSpot 创始人 Brian Halligan 和阿诺德·施瓦辛格。
Delphi 最 先证明了专家分身可以直接产生收入。平台提供每月 79 美元、399 美元和 2499 美元三档订阅，创作者可以获得付费对话收入的 85% 以上。情感关系专家 Matthew Hussey 的 AI 分身，年收入已经达到七位数美元。
Delphi 出售专家的知识服务。八个月后，Simile 把这套逻辑推向了企业决策。
2026 年 2 月，Index Ventures 领投 Simile 的 1 亿美元 A 轮，Bain Capital Ventures 跟投，李飞飞和 Andrej Karpathy 也出现在投资人名单中。三位创始人 Joon Sung Park、Michael Bernstein 和 Percy Liang 均来自斯坦福。
Simile 训练 AI 模拟真人对新产品、新功能和市场变化的反应，帮助企业提前测试一项决策可能引发的反馈。CVS Health 和 Telstra 是首批客户。在一次模拟财报电话会上，系统提前预测出分析师十个问题中的八个。
最新进入这条赛道的是Twin1 AI。2026 年 8 月，公司完成 2000 万美元种子轮融资，并将 AI 分身直接放进企业的日常工作。
Twin1 读取邮件、会议记录、文档和企业系统，学习一名专业人士掌握的背景，再进入 Slack、Teams 和 Outlook，替他回答问题、处理沟通。Linklaters、Dechert 等律所成为首批客户。Twin1 称，系统已经为部分客户处理了知识工作者 30% 至 50% 的沟通任务。
三家公司分别占住了专家服务、市场模拟和企业协作三个场景。产品形态并不相同，资本看重的东西却很接近。一个人的知识能否转化成订阅收入，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。
这条路线和Synthesia、HeyGen 所代表的视频数字人生意也需要分开来看。
Synthesia 在 2026 年 1 月完成 2 亿美元 E 轮融资，投后估值达到 40 亿美元。HeyGen 在同年 6 月宣布 ARR 超过 2 亿美元，八个月内翻了一倍。两家公司主要改造企业视频生产，把拍摄、出镜、翻译和后期制作集中到一个界面中。客户节省了多少制作费用，可以直接计算。
Delphi、Simile 、Twin1、nashnova 处理的是另一类成本。它们试图减少专家重复回答问题、企业反复调研市场，以及专业人士处理日常沟通所花费的时间。
数字人的竞争因此分成了两条路线。一条继续降低内容生产成本，另一条开始进入知识服务和专业工作。过去，数字人主要替人出镜。现在，资本希望它能接手一部分工作。
二
专家的私有语料
正在成为新的产品壁垒
资本愿意为专家分身付钱，接下来的问题是，这类产品为什么难以复制。
基础模型已经很难构成长期差异。创业公司能够调用的模型越来越接近，真正拉开产品差距的，是模型能够接触哪些材料，以及专家本人愿意投入多少时间训练它。
付鹏的AI 分身提供了一个具体样本。
据付鹏介绍，他交给nashnova 的训练材料包括从 1999 年至今的文章和日记、每年四五百页的 PPT 年鉴、历年调研纪要与交易记录，还有一部分来自早年非实名 BBS 账号的内容。
这些资料没有完整出现在公开网络上，通用模型也很难通过常规训练获得。它们记录的不只是付鹏公开发表过的观点，还包括观点形成之前参考了什么、后来如何调整，以及哪些证据曾经让他改变判断。
这正是公开资料的局限。
一个人在文章、演讲和视频里，通常只能呈现当时的结论。一场演讲受到时间限制，完整的分析过程往往只能展开其中一段。内容被剪成短视频后，假设条件和适用边界还会继续丢失。
把这些公开内容全部收集起来，AI 可以回答“他过去说过什么”，也可以模仿他的表达方式。遇到本人没有公开讨论过的新问题，它仍然可能不知道应该先检查哪些变量。
Fast Company 记者试用 Delphi 后发现，部分回答会重复相似句式，对时效性话题的覆盖也不充分。这说明历史内容能够帮助 AI 模仿一个人，却不足以还原他的完整判断过程。
nashnova 训练付鹏分身时，试图继续向前走一步。系统先把长期资料中的事实、背景和阶段性判断拆开，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，按照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，付鹏还要亲自测试系统。他会正常提问，也会故意加入错误前提，观察AI 能否发现问题，还是顺着错误继续回答。
每次纠错都需要重新写入训练规则和评测题库。同类问题会在下一版产品上线前再次测试。这样，一次错误带来的修正才能保留下来，继续影响系统之后的回答。
这也构成了专家分身更难复制的一部分。
拿到授权，只需要专家签一次字。训练出一个能够处理新问题的分身，则需要专家持续提问、纠错，并把自己的判断过程讲清楚。投入时间越长，系统积累的规则和测试案例越多，后来者越难仅靠抓取公开内容完成复制。
未来专家分身之间的差距，很可能取决于两件事。专家愿意交出多少未公开的长期资料，以及他愿意花多少时间亲自训练这个分身。
三
专家分身还要回答三个问题
私有语料和本人校准让专家分身更难复制，却不能保证它成为一门长期生意。产品能否持续收费，还要解决合规、留存和能力边界三个问题。
合规是最 先碰到的限制。《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、音频和视频添加相应标识，服务提供者和内容传播平台也要履行审核责任。
财经类专家分身面对的情况更加复杂。用户与分身交流的时间越长，越容易把回答理解成专家本人此刻的判断。产品需要持续显示AI 身份，让用户能够查看引用材料、数据日期和内容版本。AI 可以提供信息和分析，具体的投资决定及其后果仍然由用户承担。
当AI 用专家的语气说出一段专家本人从未讲过的话，平台、专家和用户之间的责任如何划分，也需要提前说明。
另一个问题是留存。Delphi 已经证明，有人愿意为专家分身付费，一次付费和长期订阅之间仍有很大距离。
判断类产品尤其难在短期内证明效果。用户很难确认一段分析是否有效，也很难判断自己获得的价值来自专家的思考框架，还是基础模型原本具备的能力。两者的差别不够明显，用户就可能重新回到通用模型。
专家分身需要在使用过程中记住用户关注的市场、提出过的问题和过去做出的判断。当新数据出现时，系统还要检查原来的判断是否依然成立。这些连续记录才可能成为用户留下的理由。用户是否愿意为此长期付费，要看第二个月、第三个月还有多少人回来。
产品能力同样没有经过充分验证。
付鹏设想过一个更远的场景。未来坐在直播间里的，可能是一个能够理解问题、主动追问，并与主持人自然交流的AI 分身。他给这个分身取名“小鹏鹏”。
今天的产品离这个场景还有明显距离。它需要更稳定地处理新问题，减少事实错误和错误推断。这个能力将决定专家分身最终能够进入多大的市场。
如果它只能复述专家过去公开说过的话，用户购买的仍是一种内容服务。如果它能够处理新信息，持续复核旧判断，并接手原本需要专家本人参与的工作，它才可能进入咨询、研究和企业服务市场。
过去几年，数字人公司一直在让一张脸更逼真，让一种声音更接近本人。如今，形象和声音的复制成本持续下降，资本开始把钱投向更难复制的部分。
数字人的脸越来越便宜，人的经验正在被重新定价。