泰州梅园的梅兰芳全息AI剧场里，观众坐下看的是大师的经典唱段。台上的梅兰芳由高仿真AI虚拟人技术与全息显示合成，1:1立体动态还原，动作经跟踪捕捉加人工修复，尽量模拟大师的身法。演出之外还有互动环节，AI互动技术让台上的梅大师能接住台下观众的话，甚至同台唱戏。这座剧场由云视图研团队担纲总体设计和核心工程施工。

这条技术线的起点不晚。2018年，团队推出AI虚拟人重构、立体人像采集自动建模等虚拟人重建的关键技术；2019年6月，全球首个1:1全息虚拟人"千云"发布，名字取自"云视图研"的"云"和海量数据、复杂算法的"千"。此后名人复原、老兵影像留存等项目陆续落地，全息数字人也写进了公司的标杆项目清单。这批系统解决了两件事，让数字人看起来像，动起来也像。至于开口说话，此前主要靠预制脚本和有限的交互规则。

数字人大模型接手的正是这一层。语言模型能听懂带口音的追问，记住前几轮对话的上下文，按设定的角色组织回答。放进教育场景，这个能力的落点很具体。九部门意见提出通过智能学伴、数字导师等探索人机协同教学新模式，实现人工智能驱动的大规模因材施教。导师这个角色要能对话，要接得住学生没听懂时的第二次提问，预制脚本撑不起这样的交互。华中农业大学已经在用全息还原端、资源创作平台加AI辅助平台的组合，AI进入的是资源制作环节；大模型再往前一步，进入的是课堂上的应答环节。

应答环节恰恰最需要谨慎。大模型按概率组织语言，课堂需要的是确定的、可追溯的知识。教育部部长怀进鹏在2026世界数字教育大会的主旨演讲里划出过边界，大意是人工智能可以帮助学生拓展认知、习得技能，明辨是非、处理冲突、敢于担当这些事仍要由人来完成。这条边界对数字人的设计是硬约束：知识库限定在课程范围内，答不上来时要能转给真人教师，交互记录留痕供教研复盘。生成式人工智能在课件制作上的经验同样适用，机器给出的初稿，专业校验这一关不能省。

部署次序大致能排出来。名人复原、校史展陈、科普讲解这类展示型场景，问答范围窄，答错的代价小，超智能的收益最直接；助教型场景，比如答疑和口语陪练，要先把知识库圈定，再开放对话；主讲位置仍由真人教师占着，数字人接手的是重复性讲授和演示。技术前提也还在原处，全息链路的采集、处理、传输、还原要把时延压住，远端学生看到的数字人才不会有迟滞感；情境感知系统采集的出勤率、抬头率、互动率，也可以反过来作为检验数字人授课效果的依据。

学校或场馆立项全息数字人项目时，有三件事比拟真度更值得先问：数字人的知识边界划在哪里，答错时的兜底流程是什么，教师审核放在哪个环节。这三件定下来，超智能才谈得上进课堂、进展厅。