AI模型的 “最牛甲方”教會了我們什么？

文｜陸莫斯

編輯｜王二

如果還有“春晚最喜愛的節(jié)目評選”，2026年春晚你投哪個？

“春晚最夯”

“MVP”

“每一幀都是絕美”

這是2026春晚《賀花神》節(jié)目的網(wǎng)友評論。

當白居易舟行水上，吟出“猶在水中央”；

當繪畫大家徐渭潑墨成花；

當王昭君凝眉轉身回望中原，一撥琵琶；

我的中國文化DNA動了。

直到節(jié)目結束，主持人念出“火山引擎用豆包大模型圖像和視頻生成能力打造十二花神視效”，很多觀眾才意識到，AI的能力已經(jīng)走到了這一步。

這也是有史以來AI含量和科技含量最大的一屆央視春晚。

這首先是一場給十幾億人的AI視覺奇觀。

不止有美輪美奐《賀花神》，在歌舞節(jié)目《夢底》中，當演員劉浩存在舞臺上伸展舞姿，五個逼真的數(shù)字分身，也在舞臺背景上演繹著一番悲歡離合。鏡頭移動、現(xiàn)場燈光變化時，分身的視角和光影也會實時同步。

吸引了很多人目光的，還有蔡明的機器人小品：機器人能在后空翻之余，還能懟人逗悶子——“如果真孫子和機器人孫子掉河里，奶奶先救誰？”“機器人：我倆一起掉河里，你就被電死了?！薄诙拱鼊傇凇翱萍即和怼睉贿^羅永浩之后，這只是在更多人面前的小露一手。

當主持人數(shù)次拿起手機，對屏幕前的觀眾喊話：讓大家打開豆包App，生成一句馬年的祝福、讓豆包根據(jù)自己的形象生成拜年頭像……

這些時刻都頗具意味。

站在2026年的起點，談論AGI的終極想象已經(jīng)陷入流俗——大部分的人類想象，都沒有超出過《Her》或者《鋼鐵俠》里全知全能的AI助手。

相較之下，距離我們更近的現(xiàn)實，正在劇烈地發(fā)生變化。

在除夕當天，豆包AI互動總數(shù)達19億，“豆包過年”活動，就已經(jīng)幫助用戶生成超過5000萬張新春主題頭像、生成超過1億條新春祝福。除夕當天，火山引擎豆包大模型的峰值TPM（每分鐘token數(shù)）正是在春晚主持人宣布用豆包進行第二輪互動之的這一分鐘內(nèi)，豆包大模型推理吞吐量達到633億tokens。

AI界的“技術奇觀”仍在繼續(xù)。從去年的Google的Nano Banana，到近期的“小龍蝦”Clawdbot、字節(jié)視頻生成模型Seedance 2.0，都在共同趨向一條主線：每一次技術爆發(fā)后，傳遞到C端用戶中的速度在迅速加快。

擁有資金實力的大廠們用紅包、春晚、AI點奶茶等大戰(zhàn)，加速了這些“奇觀”的爆發(fā)。這讓2026年的春節(jié)大戰(zhàn)，已經(jīng)足以被記錄為一個歷史性時刻。

這個時刻有兩個維度：一個是技術邊界的突破——AI第一次在國民舞臺上，完成了此前不可能的創(chuàng)作；另一個時刻在于使用門檻的迅速降低——觀眾們第一次發(fā)現(xiàn)，AI不再是遙遠的技術競賽，而是在自己身邊，能“幫得上忙”的助手。

AI視效怎么滿足頂級甲方？

這個“幫得上忙”的時刻，先發(fā)生在了春晚導演組的準備過程中。

2026年春晚前夕，看到水墨奔馬從靜態(tài)畫卷中躍然而出，從頭到尾保持一致，依然威風凜凜時，火山引擎工程師小林終于放下心來。

在導演組確認效果達標前，沒有人能預料到效果如此之好——包括春晚導演組和火山引擎自己。

來源：歌曲《馭風歌》，背景動畫用Seedance 2.0生成

一個多月前，春晚導演組把一份節(jié)目需求遞給了火山引擎團隊，要求看似簡單：一張徐悲鴻風格的水墨畫，畫上幾匹風格各異的馬，能讓馬跑起來就行，哪怕原地踏步也可以。

大模型的邊界在哪里，能不能實現(xiàn)？至少，在接到春晚導演組的節(jié)目要求時，火山引擎工程師小林并沒有答案。“非常忐忑?！彼麑?6氪回憶道。

當時，字節(jié)正忙于訓練新一代的旗艦生成模型Seedance 2.0，進度只有約30%左右。

AI視頻生成模型特別適合春晚這種節(jié)奏快、變化多、不斷需要迭代的項目。在火山引擎團隊接手之前，春晚導演組已經(jīng)嘗試了市面上幾乎所有主流的視頻生成模型，但最后發(fā)現(xiàn)，在水墨畫這個場景上，都不如人意。

水墨風格的影像語料本來就極度稀缺，大多數(shù)國外模型根本不理解什么是水墨畫，又因為水墨畫以寫意為主，而非寫實。在沒有分鏡腳本、動態(tài)參考時，很難有人說清“水墨畫動起來應該是什么樣子”。

但嘗試之后，團隊發(fā)現(xiàn)，導演組想要實現(xiàn)的效果——風格遷移、參考生成、細粒度動態(tài)控制——恰好與他們正在訓練的Seedance 2.0的技術方向非常契合。

春晚導演組就這樣成了Seedance 2.0的全球第一位頂級用戶。

頂級甲方的好處在于，甲方們的藝術素養(yǎng)是一流的。

一開始，駿馬身上用寫意手法畫的紋路和毛發(fā)，奔跑時身上的紋路該怎么動？火山引擎的理科生團隊想象不出來，只能請導演組的老師手繪出腦海中下一幀的版本，再反復用AI跑視頻，去逼近那個“對”的感覺。

來源：歌曲《馭風歌》

即便模型能生成馬的動態(tài)視頻，又會遇上更棘手的一致性問題：畫上有六匹馬，每匹顏色、長相、氣質都不同。哪怕能夠生成馬奔跑起來的視頻。同時，六匹馬的樣子很難保持平衡，甚至數(shù)量也會在下一幀發(fā)生變化。

在這些基礎上，還要確保畫面也足夠精致逼真。否則，在春晚舞臺背后的真HDR和8k超高清屏幕上，面對著十幾億觀眾，最細小的瑕疵和失誤都難以被容忍。

火山引擎的解決辦法是：遵循“先可用后滿意”的迭代邏輯，先生成關鍵幀，再基于關鍵幀生成動態(tài)視頻，而非直接用文字描述生成。

“我們沒有為春晚單獨微調模型，”字節(jié)相關團隊表示。團隊對模型在每個訓練階段的能力邊界有著清晰認知——知道它能做什么、不能做什么。隨著訓練進度推進，他們不斷在能力邊界內(nèi)，把模型能力用到極限。

在春晚項目的推進過程中，來自導演組的反饋也反哺了模型訓練環(huán)節(jié)?！白罡叻宓臅r候，我們每周可以迭代數(shù)十到超過一百個視頻版本，這是傳統(tǒng)影視團隊不可能達到的頻率?！彼硎?。

但僅僅過了一個月，火山引擎團隊就拿出了驚人的結果：將一張靜態(tài)水墨畫，變成了一段分鐘級、包含分散、聚合、特寫、交互等復雜分鏡的動態(tài)影像。每一匹馬不僅跑了起來，都保持著自己的性格和特質，六匹馬會在畫面中分散、聚合、互動，最后回到一張完整的畫面里。

如今的Seedance 2.0模型最高僅能支持到720P 24 FPS的直出內(nèi)容，與春晚的畫質要求有差距。為此，火山引擎團隊甚至還建立了一套畫質精修體系——這套體系會先分析畫面里的人、運動、細節(jié)紋理等等要素，用多種算法組合，把畫質規(guī)格提升到春晚可播出的標準。

另一個有意思的現(xiàn)象是，一開始，在導演組還不清楚模型能力時，需要模型團隊不斷先提出方案，推到創(chuàng)作者面前。

但當模型可用性提升到80%-90%以上，創(chuàng)作主導權發(fā)生了逆轉——導演組開始隨心所欲地提出創(chuàng)意要求，模型能夠穩(wěn)定響應各種精細化的藝術控制指令，分鏡的設計權又回到了導演手中。

中國AI的“黑神話時刻”

是怎么發(fā)生的？

不論是在《賀花神》中起舞、吟詩的十二個花神、《馭風歌》節(jié)目里奔騰的駿馬，還是豆包App的春節(jié)AI互動，都離不開一個關鍵詞：字節(jié)視頻生成模型Seedance 2.0。

Seedance 2.0在臨近春節(jié)前上線，引起的全球轟動仍在持續(xù)，甚至被游戲科學創(chuàng)始人馮驥稱為“中國AI圈的黑神話時刻”。

為什么它能夠有如此大的影響力？

這是因為，視頻生成模型第一次完成了從生成一段畫面，到完成一個完整作品的跨越。

以往的視頻生成模型，更多是生成批量零碎畫面的工具。創(chuàng)作者本質上是在“抽卡”——先要畫好分鏡表，根據(jù)每個分鏡的要求（近景、中景、遠景，畫面內(nèi)容等）。生成的10個視頻中，可能只有1-2個能用，大量的時間還要耗費后期制作上，比如讓生成的視頻里人物、背景保持一致。

在不少用例中，我們都能夠看到，僅是簡單的一段話，描寫出故事情節(jié)、畫面風格，Seedance 2.0就直接能夠生成一段15-30秒、帶鏡頭調度、保持角色一致、音畫同步的視頻，可用率高達八成以上。

來源：字節(jié)跳動

重點在于，Seedance生成的視頻，鏡頭間的切換是帶有“導演思想”的，這根本性地改變了創(chuàng)作體驗，真正做到了讓創(chuàng)作者指揮AI拍電影，模型完成相當大部分的“思考”工作。

要讓模型懂得真正理解世界，這需要模型全方位的能力都達到基準線。

字節(jié)相關團隊用了一個比喻：基礎大模型的訓練，木桶效應非常顯著——就像是，面對一個60分的考生，很難挖掘亮點；但當考生到了90分，所有閃光點才會被看見。Seedance 2.0 的突破，不是某個單一能力的躍升，而是過去影響可用性的短板被系統(tǒng)性地解決后，用戶體驗發(fā)生了質變。

相比上一代模型，Seedance2.0進步的一個重要原因是訓練標準。在2.0的訓練過程中，Seedance團隊建立了一套新的Benchmark（評測體系）：第一層保證畫面中的實體正確、運動不崩壞；第二層才追求更高的視覺表現(xiàn)力和遵循能力。

換句話說，在模型的能力演進曲線完全沒有收斂時，多模態(tài)模型的進步，很大程度上還需要依賴基礎模型能力的提升。

在明白這個道理前，字節(jié)也交過一些學費。

36氪了解到，從2023年開始做AI時，字節(jié)并沒有更多追求在更大的參數(shù)上訓練模型，而是先訓練一個參數(shù)較小的基礎模型，推出C端應用，根據(jù)用戶反饋來快速迭代產(chǎn)品，當時，基礎模型的規(guī)模更多是“夠用就好”。

所以，盡管豆包依靠字節(jié)的抖音，語音、圖像等多模態(tài)功能做得非常好，但一開始總被用戶嫌棄“有點傻”，限制了豆包的能力泛化到更多專業(yè)場景。

2025年的DeepSeek時刻之后，國內(nèi)大廠都結結實實在RL（強化學習）上卷了一整年。字節(jié)不僅加大了基礎模型的投入，并且讓模型團隊和AI應用一定程度解耦——模型團隊追求模型的智能上限，產(chǎn)品團隊則繼續(xù)圍繞豆包App為主的產(chǎn)品進行高速迭代，從用戶的使用場景中提取需求，反哺給模型團隊。

Seedance 2.0的上一個版本1.5 pro，就驗證了這種路線的可行性。當時，模型其實已經(jīng)可以做到聲畫同步，比如生成一個室內(nèi)的畫面，聲音會對應地變得更集中；戶外的畫面則匹配一個更悠遠、空曠的聲音。

所以，當基礎模型Seed 2.0的能力有大幅提升——Seedance 2.0也變得更聰明了。相較前代版本，2.0擁有了自己的“導演意圖”，生成的視頻分鏡是符合故事敘述邏輯的，這滿足了更多專業(yè)創(chuàng)作者的需求。

更大規(guī)模的爆發(fā)來自工程上的降本。保持角色一致、到達更高可用度，讓Seedance 2.0在應用側邁了一大步，如果抽卡頻率能降至25%（即2次），成本可降至1.4元/秒，降幅高達68%。

這讓大眾用戶更容易能創(chuàng)作出有品味的AI視頻。于是，抖音、B站、小紅書等平臺迅速出現(xiàn)了大量地整活類二創(chuàng)，進一步促進了全球范圍內(nèi)的破圈。

怎么喊十幾億人來玩AI？

2015年的春晚，當央視春晚主持人說出“拿起手機搖一搖”時，中國的移動互聯(lián)網(wǎng)歷史被改寫了。那一夜，微信用戶搖了110億次手機，2億人在搶紅包的過程中綁定了銀行卡。

馬云后來把這次突襲稱為“珍珠港事件”——他用了8年時間積累的支付寶用戶，被微信用一個晚上追平了。

不過，微信紅包的成功有一個前提：移動支付技術在2015年時已經(jīng)成熟，用戶需要的只是一個“為什么要用”的理由。

但如今的AI，可能比大家想象的階段還要更早。

除夕夜，十幾億人在同時用AI生成紅包封面和祝福語時，看似簡單的操作背后，就是一場艱巨的基建保障戰(zhàn)爭。

AI的基建還遠未到成熟之時。一位火山引擎人士對36氪算了一筆賬：傳統(tǒng)的搶紅包基本只用CPU算力，一次請求的算力消耗在十萬分之一Tops以內(nèi)。通過大模型生成祝福語和祝福圖片，單次請求需要累計消耗約10 Tops算力——對于單個請求而言，算力消耗差有百萬倍之多。

那么，字節(jié)為什么要在春晚場景中，用百萬倍的算力猛推多模態(tài)紅包、祝福語；阿里千問為什么要狂撒補貼，讓AI幫人類點奶茶？

1998年的《商業(yè)周刊》采訪中，蘋果創(chuàng)始人喬布斯曾說：“人們不知道他們想要什么，直到你把它擺在他們面前?！?/strong>

在ChatGPT橫空出世之后的頭三年，無數(shù)AI應用創(chuàng)業(yè)者都在做類似的事情：去猜測用戶的需求，造了錘子找釘子。

但誰真正找到了答案？Agent時代來臨后，Anthropic憑借押注Coding路線，用Claude Code一舉反攻企業(yè)側市場，幾乎有反超OpenAI的勢頭；DeepSeek則極致的工程降本和展示思考鏈的產(chǎn)品設計，向全球展示了“AI會思考”的神奇時刻，給中國的大廠打了個樣。

不同在于，美國會花更大力氣，專注在大模型本身，比如繼續(xù)堆巨量算力以迭代模型；但在中國，絕大多數(shù)互聯(lián)網(wǎng)巨頭都是憑借消費者應用崛起，競爭更為激烈。

在國內(nèi)，技術突破和搶占C端場景的用戶心智，只能是雙線并行。

除了技術處于發(fā)展早期之外，技術的迭代速度，也比當年的支付大戰(zhàn)時更快——大廠們現(xiàn)在面對的問題可以說更加艱巨，無論是市場教育成本還是基建。

但好處在于，如果C端應用保持快速增長的態(tài)勢，和底層的基礎設施會一起成長。

比如，高速快速成長的火山引擎已經(jīng)成為字節(jié)的AI能力底座和出口，正在變得越來也健壯。截至2025年12月，豆包大模型日均token使用量就突破50萬億，較去年同期增長超過10倍，火山2025年的收入也已經(jīng)快速增長，突破200億元。

C端應用場景和B端服務互補式地增長，已經(jīng)成為一種常態(tài)。比如，在市場心智還沒還固定前，不少人也會因為字節(jié)在豆包App、即夢和其他AI應用的良好體驗，選擇采購火山的AI云服務；相應地，火山也被倒逼著，在一種極限狀態(tài)下快速迭代基礎設施。

無論是豆包讓十幾億人第一次體驗多模態(tài)能力，還是阿里千問AI請奶茶，本質上理念相同：在自家模型擁有SOTA能力時，迅速讓更多的C端用戶，在合適的時機，用上AI能力。

這是一場資金、技術、應用場景缺一不可的綜合戰(zhàn)役。

換言之，模型領先只是這場戰(zhàn)役的前提。未來，決定一家企業(yè)成敗的關鍵，是技術范式發(fā)生改變之時，誰能將斷代領先的模型能力，迅速轉化為用戶可以感知到的產(chǎn)品功能——讓不用AI的人第一次體驗多模態(tài)、辦事能力，這已經(jīng)決定下一個時代生態(tài)位、建立護城河的關鍵問題。

文章來源：36氪。