10月16日，阿里云发布《虚拟数字人启动退市通知》，官宣自研虚拟数字人产品启动退市流程：2026年11月30日起停止新购，已购客户可继续使用至服务到期；2027年5月31日起停止续订与版本更新；2027年11月30日全面停止服务，控制台、配套支持与工单服务同步下线，退款服务同日停办。存量客户被推荐迁移至云市场的三款第三方方案：蚂蚁灵境数字人、相芯数字人与一知智能AI直播数字人。一家头部云厂商主动让出数字人货架，这本身就是一条产业信号。
细看通知，这次退市的范围并不小：数字人形象定制、数字人平台积分和会员订阅、数字人直播商品都包含在内，等于自研数字人的整条产品线一次性清仓。阿里云给出的迁移路径也算周到，云市场三款替代方案分别来自蚂蚁、相芯科技与一知智能，覆盖金融合规、影视级渲染与电商直播等不同场景，客户可按需选型，长达一年多的窗口期也留足了改造时间。
更值得注意的是时间线：这已是阿里云近一年内第三次收缩数字人业务。2025年8月，通义星尘数字人正式下线；2026年6月，智能媒体服务的EchoMind功能弃用；如今轮到自研虚拟数字人主体退场。三刀下去，阿里云在数字人上自研闭环的布局基本清零。收缩的顶层逻辑在今年的云栖大会上已有铺垫：集团CEO吴泳铭明确资源将集中投向AI云算力、AI芯片与通用大模型三大基石，各类场景化上层应用交给生态伙伴自由生长。
对存量客户来说，麻烦不在通知本身，而在迁移的隐性成本。数字人产品通常与形象资产、声音模型、直播脚本模板深度绑定，换一个供应商，等于把调优过的形象重新建模、把积累的话术重新适配接口，推流方式与计费口径也都不一样。一年多的窗口期听上去宽裕，实际排期要扣掉评估、比价、改造与双跑验证，留给技术团队的时间并不算多。更现实的顾虑是，云市场里的第三方方案跑在同一朵云上，算力账单仍然流向阿里云，只是软件与服务费换了收款方，这层关系决定了迁移未必带来成本下降。
财报数据为这场取舍写好了注脚。阿里云最新财季AI相关产品收入123.76亿元，连续12个季度保持三位数同比增长，AI算力与大模型服务已经成为云业务的核心增长引擎。相比之下，自研数字人直播业务是典型的重算力、重定制服务：实时云渲染数字人需要长期独占GPU渲染资源，7×24小时开播意味着算力持续占用，无法像大模型API那样在空闲时段释放复用。
艾瑞咨询的数字人电商直播白皮书对实时云渲染的成本做过测算，叠加形象建模与表情渲染的持续迭代摊销，行业普遍认为这类实时渲染SaaS业务的毛利水平，显著低于底层算力与大模型基础设施业务。阿里云CTO李飞飞在演讲中也把话说透了：重点搭建算力集群、模型平台、智能体运行底座这类通用技术平台，减少在GPU消耗高、商业化回报偏弱的通用AI终端应用上的持续投入。一头是三位数增长的基础设施，一头是重投入慢回报的终端应用，账很好算。
把算力账再算细一点会更清楚。一块面向渲染的高端GPU按三年折旧，每小时的成本基本固定，而实时数字人的商业模式是按席位或按直播时长收费，单路直播占用的算力在闲置时段无法切给别的客户，利用率的天花板被业务波峰锁死。大模型API则不同，同样的卡可以服务成千上万个并发请求，调度层把碎片时间填满，单位算力的产出高出几个量级。同一块芯片放进两种业务，回报率差出一个数量级，资源向高周转方向集中的选择几乎是必然。退市的不是数字人技术本身，而是云厂商亲自做重服务的那套组织方式。
吊诡的是，数字人市场的整体盘子还在扩大。艾媒咨询报告显示，2025年中国虚拟数字人核心市场规模为480.6亿元，预计2030年增至935.6亿元；带动市场规模2025年为6402.7亿元，2030年预计突破万亿。IDC预测2026年中国AI数字虚拟人市场将达102.4亿元。金融、政务、电商、教育、医疗全面开花，采购方却以小微企业为主，数字人正在从奢侈品变成消费品。
市场热与赚钱难的矛盾集中在定价上。写实3D定制数字人客单价可达百万元量级，超写实视频按秒计费动辄上万元；而套用模板的批量2D数字人深陷价格战，报价持续下探，体验却跟不上。高端方案曲高和寡，低价产品实用不足，夹在中间的自研SaaS进退两难。阿里云的退场恰恰把接力棒交给了更垂直的生态玩家：蚂蚁灵境强在金融合规与多模态交互，相芯深耕影视级渲染与实时驱动，一知智能专攻高并发电商直播。巨头做底座、生态做场景的分工，正在取代过去的大厂包办。数字人这门生意没有变天，变的是谁来干脏活、谁来收租金。
对打算采购数字人的企业，这轮变动给出的第一条经验是别把核心资产放在单一平台上。形象模型、声音样本与语料库要留本地备份，接口层做一层适配抽象，供应商更换时才不至于推倒重来。第二条是看清合同里的服务终止条款，续订、退款与数据导出各留多长时间，往往比首年报价更影响总成本。对创业者，巨头的退出反而腾出了窗口：垂直场景的交付能力、行业合规经验与现场服务，恰恰是云厂商不愿意弯腰去做的部分，这些脏活累活构成的门槛，比模型参数更难被复制。