Tips:亲爱的朋友，微信推送规则一直在变化。如果你仅仅是“关注”，很可能无法收到推送。按照下图操作点击“刘润”公众号名片，设为星标，就可以不错过文章啦。
朋友们，马年好！马年第一天，给大家拜个年！
虽 然俗套，但我还是想祝你：烦恼马上消失，好运马不停蹄，财富一马平川，全年龙马精神！
昨天春晚看了吗？不管你是葛优躺，还是打麻将，肯定瞄了眼电视吧？
感觉咋样？
有人笑得合不拢嘴，不就图个热闹嘛。有人看得直叹气，还不如让B站来办。都对。
但我昨晚的情绪不一样。
我是：提心吊胆。
为什么？因为昨天的春晚，非常特别。
今年春晚，不只是文艺秀，更是中国AI算力的极限承压实验。就像是几亿人同时挤进一扇门，看门会不会被挤破。
当屏幕上那匹水墨马“活”了，随着音乐奔腾跳跃；当主持人说“打开豆包App”，数亿人涌进去生成AI头像；当相声小品的包袱被实时打在无障碍字幕上……
我的第一反应不是“震撼”，而是“紧张”。手心捏着汗，心里默念：千万别崩，千万别崩。
因为那一秒如果扛住了，中国AI就交出了一张满分答卷。没扛住呢？哪怕只是几秒钟的黑屏，崩掉的就不止是服务器，而是全社会对国产AI刚刚建立起来的、那点脆弱的信心。
什么？你没看见？
这样吧。今天，我想带你复盘昨晚的三个“惊魂时刻”：复活的马、100万倍的算力、和无障碍的字幕。
复活的马
这个节目看了吧？张杰唱的《驭风歌》，非常豪迈，荡气回肠！
但这不是重点。重点是什么？你看节目背后的大屏幕，那奔腾的骏马。就像一幅跑起来的水墨画。
这幅“画”，是不是很眼熟？
没错。如果我没看错，它应该是脱胎自徐悲鸿的《六骏图》
（图片来自网络：徐悲鸿，《六骏图》）
这幅画，创作于抗日战争最艰难的时期。当时徐悲鸿身在马来西亚。为了支援国内抗战，他举办画展义卖。一场接一场。所以你看这幅画里的骏马，昂扬、勇猛、一往无前。画的就是当时的中国。那份不屈服，不放弃。
这种精神，在水墨里流淌了80多年。黑白的。安静的。但就在昨晚，在春晚的舞台上，这幅画，“活了”过来。那些曾经只存在于徐悲鸿脑海中的骏马，冲出了画面。
那一刻，我头皮发麻。
是魔术吗？不，是技术。这段视频，不是动画工作室一帧一帧画出来的。而是由AI生成的。
是的。就是这个月火遍全球，被认为能“颠覆好莱坞”的，字节跳动的视频模型，Seedance 2.0。
按理说，神兵在手，应该稳操胜券了吧？但我还是狠狠捏了一把汗。
为什么？因为再厉害的AI，用来“复活”一幅国宝级的水墨画，也实在是太容易翻车了。
你看细节。马奔跑时，毛发飞起来了吗？有没有随着身体起伏？马跑起来，会不会撞到一起？或者穿身而过？甚至，会不会跑着跑着，跑成了八匹？
生成一段“好看”的视频，不难。但生成一段“对”的视频，太难。尤其是春晚直播。容错率为0。
为什么这么难？
因为互联网上，水墨画素材太少了。AI没得学。但更本质的原因是，中国水墨画讲究意境，讲究留白。而AI擅长具象，擅长填满。两种思维，完全不同。
带着这种担心，我死死盯着屏幕。直到看完节目，心里的石头才算落地。
这几匹马，鬃毛飘动，肌肉起伏，光影变化……每一个细节，都精准、细腻。细腻到让人怀疑：这真是AI生成的？
我很好奇。于是问Seedance团队：你们是怎么做到的？甚至还能和歌唱配合得这么严丝合缝？
因为我们不光教AI“学画画”，我们还逼着AI“学物理”。
以前的AI，画出来的马是“飘”的，因为它不懂牛顿。但这一次，Seedance给马装上了“骨骼”，给地面铺上了“引力”。马蹄落下去，必须要有踩实的触地感（这就是：物理合理性）；上一秒踢飞的石子，下一秒绝不能凭空消失（这就是：时序准确性）。它不再是简单的生成画面，而是在模拟真实世界的物理规律。
为什么配合得这么好？是因为我们教AI听懂了“感觉”。你不用再对它说“向左旋转15度”。你可以说“再往左一点点”，“一点点就好”，“多了，再回来一点点”，“对，速度慢一点，步态轻一点”。这种只可意会不可言传的“感觉”，它全都能听懂（这就是：超强指令遵循）。
至于风格，我们为它请了三个师傅。那就更简单了。导演的草图，教了它构图；真马的视频，教了它肌肉；徐悲鸿的笔触，教了它灵魂。
把物理规律、人类直觉、艺术审美，揉在一起。这就是你看到的，这几分钟奇迹。
原来如此。难怪，Seedance能在这个月火遍全球。以前，是我们看着硅谷的Sora眼馋；今天，终于轮到硅谷的博主，为中国的Seedance熬夜。
这一次，中国AI的马蹄声，终于踏进了世界舞台的中央。
很震撼。
但这还不是最震撼的。让我更加捏把汗的，不是这匹马。
而是那个红包。
100万倍的算力
昨晚，你也抢豆包红包吧？
你在手机上选“新春头像”时，给亲朋好友“写祝福”时，一个定制的红包就弹出来了。
（图片可左右滑动）
你抢到了红包，然后顺手把祝福发给了到“相亲相爱一家人”群里，就转头看下一个节目。
在你看来，这一切再正常不过。但就在那一秒，我的心，提到了嗓子眼。
为什么？
因为就在按下“发送”的那一秒，你已经置身于一场吉尼斯级的技术风暴中心。
回想一下，2015年。微信红包第一次上春晚。我们守在电视机前疯狂“摇一摇”。那时的抢红包，本质是什么？
去领方便面。
仓库里，提前准备好一个亿的方便面（红包）。你摇一下，就到仓库门口取一包。主持人说“跟我一起摇”。瞬间，一亿人挤在了仓库门口。
压力大吗？非常大。
但这种压力，是“分发”的压力。仓库里有足够的面。人多？那我就多开几个柜台。反正，红包这个“面”本身是不缺的。
但昨晚，规则变了。你喊出“马上发财”之后，你的专属红包，才开始生产。
这就相当于什么？
相当于你排到柜台前说：“我要一碗雪菜肉丝面，加块大排。要蒜不要葱，多醋少酱油。”你说完，后厨才开始现做。
昨晚，豆包红包的后厨，叫火山引擎。它的工作，就是要在短短几秒之内，把上亿份各不相同的、热气腾腾的面，同时端上桌。
以前的红包，是静态资源，是方便面；现在的红包，是动态计算，是现做拉面。这背后的计算量，完全不可同日而语。
据火山引擎官方数据，一次AI互动消耗的算力，是传统抢红包的100万倍以上。更关键的是，这100万倍，发生在几秒之内。
这是一场发生在你指尖的数据海啸，却席卷了千里之外的服务器机房。
在你看不到的网络监控中心，大屏幕上的负载水位线，瞬间疯涨。几乎要刺破屏幕顶端。工程师们，谁也不敢眨眼。
最后……竟然扛住了。
你要知道，面对这种“海啸级”的瞬时爆发，靠堆机器肯定来不及。那到底是怎么扛住的？
靠的是一个能号令千军万马的“算力调度系统”。
火山引擎有一个“联邦调度器”。你可以把它理解为“超级中央厨房”的云端总店长。
它能以秒级为单位，精确调度分布在全国几十个机房里的，海量的机器、海量的显卡。平常，它看起来只是个普通小面摊。可一旦需要，它能瞬间把全国各地成千上万个闲置炉灶，并入自己的生产线。
原本分散在各地的火力，在这一秒，全部汇聚到了你的这碗面上。
这就是计算资源的“弹性伸缩”：需要时，千军万马来支援；不需要时，瞬间解散。
可是，如果做到这一步，火力够了，厨师还是忙到没法在几秒钟之内做上亿碗面呢？
那就创新做面的流程。
火山引擎创新的煮面灶台，叫做：火山方舟。这是一套“大模型推理系统”。它有大量在体系结构层，算子层，系统层的创新。
比如体系结构层的：PD分离。Prefill-Decoding Separation。把煮面的工序，彻底流水线化。
本来，一个厨师收到你“一碗面，要大排，不要葱”的点单，需要先看备注、再备菜，这叫Prefill。准备好之后，再开火炒菜、盛面出菜，这叫Decoding。备菜是他，掌勺也是他，一个人恨不得劈成两个用。这种效率，怎么可能快得起来？
如果换个方式呢？
一个厨师只负责切菜（处理Prompt），另一个厨师只负责颠勺（生成Token），流水线作业。各司其职，专心做一件事。这样，效率不就高了嘛。
显卡也是一样。
工程师们做了一场针对算力的“手术”：PD分离。
他们把显卡分成两拨。一拨算力极强的显卡，专门负责“切菜”，也就是Prefill。它们第一时间读懂你的要求，不管你写的是“马上发财”还是“马到成功”，它们都会瞬间备好。
而另一拨显卡，则集中负责“颠勺”，也就是Decoding。它们专心致志把准备好的祝福语，一个字一个字地生成出来，打包塞进红包。
这就是PD分离。
让每一张显卡，都能专注于一件事。结果是什么？显卡利用率从30-50%，直接提升到70-90%。成本，更是降低了40-60%。
这意味着，原来下一碗面的时间，现在几乎可以下两碗。而且，成本更低，速度更快。
除了PD分离，为了“榨干 ”显卡的 每一滴推理算力，他们开发自己的算子层，针对每款硬件做优化；优化自己的系统层，实现了分布式的推理策略。
这就是科技。
极致的算力调度系统。极致的推理优化系统。把复杂留给了机房，把流畅留给了你。
除夕当晚，“豆包红包”帮助用户生成超过5000万张新春主题头像、生成超过1亿条新春祝福。AI互动总数达19亿。
真如洪峰过境。
我相信， 当流量洪峰过去，那条垂直的负载水位线开始回落时， 监控中心里 一定爆发出了一阵短暂而热烈的欢呼。
因为 那一瞬间，几千名工程师经历了一场提心吊胆，和一份如释重负。
但如果说，发红包的瞬间是让我手心出汗，那另一个瞬间就是让我无比动容。
这个瞬间就是：无障碍字幕。
2780万人“读”懂了欢笑
根据最新数据，中国有2780万听障人士。如果加上各类听力受损人群，这个数字高达2.06亿。
2780万。这个数字，比澳大利亚的人口还多。
对他们来说，春晚不只是一场晚会，更是一年一度的“失语”。当全中国都在欢笑时，他们面对的却是一个被静音的世界。这种热闹，反而是最大的孤独。
你可能会问，不是有手语翻译吗？
因为手语翻译，会弄丢30%的信息。
手语是“缩略图”，口语是“高清图”，两者的信息量完全不在一个量级。更别提那些语法结构的天然差异。相声里的谐音梗、歌词里的双关语、语气里的微表情……手语，真的“翻译”不出来。
所以过去，这近3000万的听障同胞们，看得见舞台上的灯光，看得见演员的笑容，却听不见主持人的祝福，听不见相声的包袱，听不见歌声里的情感。
直到昨晚。春晚直播中，首次出现了“AI字幕”。听障人士，终于可以“读”出主持人“说”的每一个字。
你可能会问：语音识别不是早就有了吗？为什么今天才上春晚？
因为传统语音识别，像个“小学生”。它只会“听音”，不会“入脑”。它分不清是“山西”还是“陕西”，也分不清是“背景”还是“北京”。
在平时，90%的准确率算优秀；但在春晚，哪怕只有1个错字，也是100%的事故。因为这样的场合，绝对无法接受“给全国人民拜个年”，变成字幕里的“给全国人民摆个脸”。
所以，央视的要求是：不论方言，不分语速，不管音乐、笑声、掌声是否嘈杂，字幕都必须100%准确。而且，从话音落地到字幕上屏，不能超过1秒。
面对这种几乎“反人性”的要求，火山引擎的工程师们，拿出了豆包Seed-ASR大模型。
什么是Seed-ASR？简单来说，它不是在“听音”，而是在“审题”。
当听到模糊的“shanxi”，它不会在那死磕发音，而是瞬间扫一遍全文：刚才主持人才提到了西安分会场？那一定是“陕西”，不是“山西”。它不是在猜，而是在推理。
这种上下文理解能力，让它比普通模型多“挽回”了15%的致命错误。哪怕背景音乐震天响，它的综合准确率，依然能在95%以上。
准还不够，还得快。
为了搞定那“1秒钟”的生死时速，它跑的是“流式语音识别”。不再是等一句话说完才出字，而是话音刚起，文字已出。
精准、实时、零延时。这，就是今天中国的语音识别能力。
那万一，我是说万一，还是有错呢？
必须万无一失。火山引擎直接拉了一支技术团队，在直播现场，守了一整夜。任务只有一个：死守屏幕，人工实时纠错。
在这个数字时代，科技跑得实在是太快了。
但是再快的算法，也值得停下脚步，等一等那些困在寂静里的人。
然后，携手迈入新年。
最后的话
复活的马。并发的红包。和无障碍的字幕。
昨晚，当春晚结束的钟声敲响时，我长舒了一口气。这场对中国AI基础设施的“大考”，我们扛住了。
2026年的春晚，是一个分水岭。因为，它标志着AI正从“大人的玩具”变成“文明的工具”，从“技术尝鲜”变成“基建设施”。
春晚这一战，证明了中国AI的基础设施，已经能稳稳托住亿万人的期待。
当基础设施修好了，跑的车自然会多。当AI基础设施变得像空气和水一样自然，我们一定会迎来“应用层”的寒武纪大爆发。
我擦了擦手心的汗。举杯。
敬那匹复活的马，敬那行跳动的字幕。
更敬这个正在被技术温柔推开的，2026。
干杯。
作者/ 刘润编辑/ 歌平版面/ 黄 静
这是刘润公众号第2865篇原创文章。未经授权，禁止任何机构或个人抓取本文内容，用于训练AI大模型等用途
热门跟贴