（文/劉媛媛 編輯/周遠方）
今年春晚，很多人會發現一件事：舞台上的畫面，跟以前不太一樣了。
徐悲鴻的《六駿圖》大家都不陌生，但這回，六匹馬真的在屏幕上跑了起來，還是帶著水墨質感的跑法；《賀花神》節目中，蜀葵花一點點綻放，花瓣上的光影變化都能看得清清楚楚；更絕的是，演員劉浩存跳舞時，好幾個她同時出現在舞台上，仔細看那些「分身」的影子，居然能隨著現場燈光實時變化……
這不再是傳統的舞台特效，而是ai大模型第一次大規模「上崗」國家級晚會的內容創作。位元組跳動帶著豆包大模型家族，還有火山引擎，參與了春晚好幾個節目的創作。從怎麼讓畫面動起來，到怎麼把真人變成3d數字分身，再到機器人和演員對話時的聲音和語氣，背後都有ai在幹活。
舞台上是這樣，舞台下也有變化。
當主持人讓大家打開豆包app的時候，很多人可能沒意識到，這和往年也不一樣了。以往春晚互動就是搖一搖、搶紅包。但這次，大家拿起手機是為了讓ai給自己畫張新春頭像，或者讓它幫忙寫段拜年文案。
一個驚人的數據是：除夕當天，豆包ai互動總次數達到了19億，「豆包過年」活動在除夕幫助用戶生成了超過5000萬張新春主題頭像、超過1億條新春祝福。生成式ai真正走進了大眾日常。
這屆春晚，「ai味兒」很濃，不只是舞台背後的技術支撐，也成了每個人手機里的新年俗。
舞台上的「賽博朋克」，幕後是技術「神仙打架」
如果要問今年春晚最讓人印象深刻的是什麼，大部分觀眾可能會說：ai生成的內容，不模糊了，不亂動了，甚至有「電影感」了。
在《馭風歌》節目里，徐悲鴻的《六駿圖》就活了起來。這不是簡單的讓馬跑起來，水墨畫的特點是筆觸和墨韻，稍微處理不好，要麼變成普通的動畫片，要麼水墨感全無。此前，很多國際領先的視頻生成模型，都難以理解中國水墨畫的構圖和邏輯，生成的視頻容易出現變形。
位元組跳動的視頻生成模型seedance 2.0接了這個活。它得先「看懂」什麼是水墨畫，理解留白和潑墨的東方味道，然後才能讓六匹馬在保持原作風韻的前提下，完成奔跑、轉身、騰空這些動作。
更麻煩的是，長鏡頭裡六匹馬的數量不能變，細節不能丟，還得按導演規劃的路線走，相當於讓ai一邊畫畫一邊守規矩。最後位元組跳動結合自研的圖像創作模型seedream 4.5和視頻生成模型seedance2.0成功將導演的藝術構想變為現實。
到了《賀花神》，挑戰又換了一個維度。蜀葵花綻放的鏡頭，包含了花枝生長、潑墨、運鏡三種不同速度的變化。花朵慢慢打開時，紋理、層次、光影的細微變化，哪怕有一幀出了問題，在8k大屏上都會被放大。
這已經不是「能生成」就夠用了，得「能精控」。seedance 2.0硬是把這種微觀細節扛了下來，讓ai視頻從「能看」進化到了「經得起特寫」。
更讓人驚嘆的是《夢底》節目。好幾個劉浩存同時在台上跳舞，關鍵是那些「分身」不是提前錄好的。鏡頭轉到側面，能看到側臉的輪廓；舞檯燈光一變，她們身上的光影和影子也跟著變。
這背後的技術叫空間視頻，簡單說就是把真人拍成4d數字資產，然後實時渲染進舞台。製作過程聽起來像科幻片：70台工業級高解析度相機從不同角度同時捕捉演員的每一個動作，數據傳到雲端重建出4d模型，再導入遊戲引擎，根據現場的燈光和導播信號實時渲染。
為了讓十幾個高精度數字人同台不卡頓，豆包3d模型還給演員生成了一個看不見的「幾何外殼」，專門用來計算影子，大幅降低了渲染壓力。
「虛實難辨」的背後，是ai技術在「神仙打架」，有的負責理解東方美學，有的專攻細節控制，有的搞定實時渲染。最後從「後台輔助線」走到了舞台正中央，成了藝術創作的一部分。
當ai開始「佔據」雙手，互動不再只搶紅包
舞台上的視覺奇觀，可以說是宏觀的「想像力基建」，手機里的互動，則是微觀的「指尖魔法」。 相信不少人記憶中的春晚互動還停留在「全家上陣搖手機，看誰手快搶到紅包」，那麼今年畫風完全變了。
當主持人念出「打開豆包app」的口播後，用戶面對的不再是一個簡單的「開」按鈕，而是一個可以對話的「創意夥伴」。
如果想要一個馬年頭像，上傳一張自己的照片，ai實時就能生成，有水墨風格的、有剪紙風格的、還有賽博朋克風的；如果想要一段與眾不同的拜年文案，告訴豆包你想對誰說，幾秒鐘內，一段飽含深情或幽默詼諧的文字便躍然屏上。
這種變化，表面上看是互動形式的改變，本質上卻是技術邏輯的顛覆。
以前的搶紅包就是「取貨」，伺服器里提前存好了幾百萬個紅包，用戶點一下，它就掏出一個。結果是固定的、有限的，系統要做的只是在高並發的時候別崩。這是一種典型的「i/o密集型」工作，考驗的是伺服器的讀寫速度和網路帶寬。
但今年的ai互動，完全換了玩法。每一次讓ai畫頭像、寫祝福，它都不是從倉庫里取東西，而是當場給用戶「造」一個。過程需要先聽懂用戶想要什麼，然後調用不同的模型，最後生成一個從來沒有存在過的內容。這是一種「計算密集型」工作，考驗的是大模型的推理能力、算力的調度水平。
兩種模式差了多少？簡單來說，通過大模型生成祝福語和祝福圖片的方式，單一請求消耗算力要遠遠高於搖一搖等傳統的紅包互動形式。
據位元組跳動統計，除夕當晚21時46分，也就是主持人宣布第二輪互動之後的那一分鐘，豆包大模型的推理吞吐量達到了633億tokens。相當於那一瞬間，數以億計的人同時在向同一個雲端大腦發出「給我畫匹馬」「幫我寫拜年文案」的請求，而那個大腦也在那一秒里，給每一個人都現做了一個獨有的內容。
所以，今年的春晚互動，少了幾分緊張感，多了幾分新鮮感。大家不再盯著倒計時等紅包，而是湊在一起研究ai畫的頭像像不像自己，或者比一比誰讓ai寫的祝福更有意思。
從這個角度說，科技公司從「發錢」變成了「賦能」。當ai開始「佔據」用戶的雙手，它不再是屏幕那頭的工具，而成了一個能陪你玩、幫你想、替你寫的夥伴。
從聽得見到看得見，科技的溫度藏在細節里
舞台上的視覺奇觀和手機里的ai互動，可能是這屆春晚最顯眼的變化。但如果仔細看，還有一些變化藏在不起眼的角落裡，卻實實在在地影響著一部分人的觀看體驗。
今年抖音春晚直播間，第一次上線了全程實時無障礙字幕。這意味著什麼？對於聽障群體來說，往年的語言類節目是一場「默片」，他們能看到演員在台上手舞足蹈，能看到現場觀眾笑得前仰後合，卻抓不住那個讓所有人爆笑的「金句」到底是什麼。
這個問題的技術難度其實很高。小品和相聲現場，背景音是密集的掌聲、笑聲，甚至還有音效干擾。傳統的語音識別系統一到這種環境，準確率就直線往下掉。再加上演員偶爾蹦出的方言、突然加速的語速、還有那些諧音梗和雙關語，想讓機器在這種條件下把每個字都聽准，不是件容易的事。
位元組跳動的豆包語音識別模型2.0（seed asr 2.0）這次接了這個活。它的特點是把語音識別從「聽懂文字」升級到了「看懂場景」，通過理解畫面的上下文，結合對話的歷史信息，來識別演員到底說了什麼。就算現場再吵，演員帶點口音，字幕依然能做到同步呈現。
同樣受益的還有那些返鄉路上的人。高鐵穿過隧道時的信號起伏，機場候機大廳的人聲鼎沸，家庭聚會時電視聲和聊天聲混在一起，這些場景下，打開字幕就成了「理解校準器」不錯過任何一個包袱。
除了字幕，舞台上還有一個「有溫度」的細節。在節目《奶奶的最愛》里，松延動力的bumi機器人跟演員有大量的對話互動。如果仔細聽會發現，這個機器人的聲音不是那種冷冰冰的機械朗讀，而是有語氣、有停頓、甚至有點情緒在裡面。
這是因為它搭載了豆包語音合成模型2.0。這個模型的特點是「對話式合成」，它不只是把文本念出來，而是能理解多輪對話的上下文，知道用戶問的是什麼，甚至能根據場景調整語氣。比如，演員跟它開玩笑，它能接住；演員語氣變快，它也能跟上。
從無障礙字幕到會聊天的機器人，這些細節可能沒有《六駿圖》奔騰那麼吸睛，也沒有ai生成頭像那麼熱鬧。但它們恰恰說明一件事：技術真正的好，不是炫技，而是讓更多人能平等地享受同一份快樂。
結語：ai正在成為新的「年俗催化劑」
從1983年第一屆春晚至今，除夕夜的娛樂方式經歷了從看電視、到聊qq/微信、再到搶紅包的多次變遷。而2026年，我們或許正在見證一個「ai全面入駐」新節點的誕生。
19億次互動，是19億次用戶與ai的「握手」。這背後，位元組跳動旗下的火山引擎方舟平台頂住了洪峰般的算力需求，通過跨機房調度、秒級擴容、分散式緩存加速等技術，讓機器思考變得更順暢 。
這屆春晚，「ai味兒」很濃。但濃得恰到好處，因為它讓古老的年俗，在數字時代有了新的載體。
