劉潤：昨晚，我為你的紅包捏了一整晚的汗

Tips:親愛的朋友，微信推送規則一直在變化。如果你僅僅是“關注”，很可能無法收到推送。按照下圖操作點擊“劉潤”公眾號名片，設為星標，就可以不錯過文章啦。

朋友們，馬年好！馬年第一天，給大家拜個年！

雖 然俗套，但我還是想祝你：煩惱馬上消失，好運馬不停蹄，財富一馬平川，全年龍馬精神！

昨天春晚看了嗎？不管你是葛優躺，還是打麻將，肯定瞄了眼電視吧？

感覺咋樣？

有人笑得合不攏嘴，不就圖個熱鬧嘛。有人看得直嘆氣，還不如讓B站來辦。都對。

但我昨晚的情緒不一樣。

我是：提心吊膽。

為什么？因為昨天的春晚，非常特別。

今年春晚，不只是文藝秀，更是中國AI算力的極限承壓實驗。就像是幾億人同時擠進一扇門，看門會不會被擠破。

當屏幕上那匹水墨馬“活”了，隨著音樂奔騰跳躍；當主持人說“打開豆包App”，數億人涌進去生成AI頭像；當相聲小品的包袱被實時打在無障礙字幕上……

我的第一反應不是“震撼”，而是“緊張”。手心捏著汗，心里默念：千萬別崩，千萬別崩。

因為那一秒如果扛住了，中國AI就交出了一張滿分答卷。沒扛住呢？哪怕只是幾秒鐘的黑屏，崩掉的就不止是服務器，而是全社會對國產AI剛剛建立起來的、那點脆弱的信心。

什么？你沒看見？

這樣吧。今天，我想帶你復盤昨晚的三個“驚魂時刻”：復活的馬、100萬倍的算力、和無障礙的字幕。

復活的馬

這個節目看了吧？張杰唱的《馭風歌》，非常豪邁，蕩氣回腸！

但這不是重點。重點是什么？你看節目背后的大屏幕，那奔騰的駿馬。就像一幅跑起來的水墨畫。

這幅“畫”，是不是很眼熟？

沒錯。如果我沒看錯，它應該是脫胎自徐悲鴻的《六駿圖》

（圖片來自網絡：徐悲鴻，《六駿圖》）

這幅畫，創作于抗日戰爭最艱難的時期。當時徐悲鴻身在馬來西亞。為了支援國內抗戰，他舉辦畫展義賣。一場接一場。所以你看這幅畫里的駿馬，昂揚、勇猛、一往無前。畫的就是當時的中國。那份不屈服，不放棄。

這種精神，在水墨里流淌了80多年。黑白的。安靜的。但就在昨晚，在春晚的舞臺上，這幅畫，“活了”過來。那些曾經只存在于徐悲鴻腦海中的駿馬，沖出了畫面。

那一刻，我頭皮發麻。

是魔術嗎？不，是技術。這段視頻，不是動畫工作室一幀一幀畫出來的。而是由AI生成的。

是的。就是這個月火遍全球，被認為能“顛覆好萊塢”的，字節跳動的視頻模型，Seedance 2.0。

按理說，神兵在手，應該穩操勝券了吧？但我還是狠狠捏了一把汗。

為什么？因為再厲害的AI，用來“復活”一幅國寶級的水墨畫，也實在是太容易翻車了。

你看細節。馬奔跑時，毛發飛起來了嗎？有沒有隨著身體起伏？馬跑起來，會不會撞到一起？或者穿身而過？甚至，會不會跑著跑著，跑成了八匹？

生成一段“好看”的視頻，不難。但生成一段“對”的視頻，太難。尤其是春晚直播。容錯率為0。

為什么這么難？

因為互聯網上，水墨畫素材太少了。AI沒得學。但更本質的原因是，中國水墨畫講究意境，講究留白。而AI擅長具象，擅長填滿。兩種思維，完全不同。

帶著這種擔心，我死死盯著屏幕。直到看完節目，心里的石頭才算落地。

這幾匹馬，鬃毛飄動，肌肉起伏，光影變化……每一個細節，都精準、細膩。細膩到讓人懷疑：這真是AI生成的？

我很好奇。于是問Seedance團隊：你們是怎么做到的？甚至還能和歌唱配合得這么嚴絲合縫？

因為我們不光教AI“學畫畫”，我們還逼著AI“學物理”。

以前的AI，畫出來的馬是“飄”的，因為它不懂牛頓。但這一次，Seedance給馬裝上了“骨骼”，給地面鋪上了“引力”。馬蹄落下去，必須要有踩實的觸地感（這就是：物理合理性）；上一秒踢飛的石子，下一秒絕不能憑空消失（這就是：時序準確性）。它不再是簡單的生成畫面，而是在模擬真實世界的物理規律。

為什么配合得這么好？是因為我們教AI聽懂了“感覺”。你不用再對它說“向左旋轉15度”。你可以說“再往左一點點”，“一點點就好”，“多了，再回來一點點”，“對，速度慢一點，步態輕一點”。這種只可意會不可言傳的“感覺”，它全都能聽懂（這就是：超強指令遵循）。

至于風格，我們為它請了三個師傅。那就更簡單了。導演的草圖，教了它構圖；真馬的視頻，教了它肌肉；徐悲鴻的筆觸，教了它靈魂。

把物理規律、人類直覺、藝術審美，揉在一起。這就是你看到的，這幾分鐘奇跡。

原來如此。難怪，Seedance能在這個月火遍全球。以前，是我們看著硅谷的Sora眼饞；今天，終于輪到硅谷的博主，為中國的Seedance熬夜。

這一次，中國AI的馬蹄聲，終于踏進了世界舞臺的中央。

很震撼。

但這還不是最震撼的。讓我更加捏把汗的，不是這匹馬。

而是那個紅包。

100萬倍的算力

昨晚，你也搶豆包紅包吧？

你在手機上選“新春頭像”時，給親朋好友“寫祝福”時，一個定制的紅包就彈出來了。

（圖片可左右滑動）

你搶到了紅包，然后順手把祝福發給了到“相親相愛一家人”群里，就轉頭看下一個節目。

在你看來，這一切再正常不過。但就在那一秒，我的心，提到了嗓子眼。

為什么？

因為就在按下“發送”的那一秒，你已經置身于一場吉尼斯級的技術風暴中心。

回想一下，2015年。微信紅包第一次上春晚。我們守在電視機前瘋狂“搖一搖”。那時的搶紅包，本質是什么？

去領方便面。

倉庫里，提前準備好一個億的方便面（紅包）。你搖一下，就到倉庫門口取一包。主持人說“跟我一起搖”。瞬間，一億人擠在了倉庫門口。

壓力大嗎？非常大。

但這種壓力，是“分發”的壓力。倉庫里有足夠的面。人多？那我就多開幾個柜臺。反正，紅包這個“面”本身是不缺的。

但昨晚，規則變了。你喊出“馬上發財”之后，你的專屬紅包，才開始生產。

這就相當于什么？

相當于你排到柜臺前說：“我要一碗雪菜肉絲面，加塊大排。要蒜不要蔥，多醋少醬油。”你說完，后廚才開始現做。

昨晚，豆包紅包的后廚，叫火山引擎。它的工作，就是要在短短幾秒之內，把上億份各不相同的、熱氣騰騰的面，同時端上桌。

以前的紅包，是靜態資源，是方便面；現在的紅包，是動態計算，是現做拉面。這背后的計算量，完全不可同日而語。

據火山引擎官方數據，一次AI互動消耗的算力，是傳統搶紅包的100萬倍以上。更關鍵的是，這100萬倍，發生在幾秒之內。

這是一場發生在你指尖的數據海嘯，卻席卷了千里之外的服務器機房。

在你看不到的網絡監控中心，大屏幕上的負載水位線，瞬間瘋漲。幾乎要刺破屏幕頂端。工程師們，誰也不敢眨眼。

最后……竟然扛住了。

你要知道，面對這種“海嘯級”的瞬時爆發，靠堆機器肯定來不及。那到底是怎么扛住的？

靠的是一個能號令千軍萬馬的“算力調度系統”。

火山引擎有一個“聯邦調度器”。你可以把它理解為“超級中央廚房”的云端總店長。

它能以秒級為單位，精確調度分布在全國幾十個機房里的，海量的機器、海量的顯卡。平常，它看起來只是個普通小面攤。可一旦需要，它能瞬間把全國各地成千上萬個閑置爐灶，并入自己的生產線。

原本分散在各地的火力，在這一秒，全部匯聚到了你的這碗面上。

這就是計算資源的“彈性伸縮”：需要時，千軍萬馬來支援；不需要時，瞬間解散。

可是，如果做到這一步，火力夠了，廚師還是忙到沒法在幾秒鐘之內做上億碗面呢？

那就創新做面的流程。

火山引擎創新的煮面灶臺，叫做：火山方舟。這是一套“大模型推理系統”。它有大量在體系結構層，算子層，系統層的創新。

比如體系結構層的：PD分離。Prefill-Decoding Separation。把煮面的工序，徹底流水線化。

本來，一個廚師收到你“一碗面，要大排，不要蔥”的點單，需要先看備注、再備菜，這叫Prefill。準備好之后，再開火炒菜、盛面出菜，這叫Decoding。備菜是他，掌勺也是他，一個人恨不得劈成兩個用。這種效率，怎么可能快得起來？

如果換個方式呢？

一個廚師只負責切菜（處理Prompt），另一個廚師只負責顛勺（生成Token），流水線作業。各司其職，專心做一件事。這樣，效率不就高了嘛。

顯卡也是一樣。

工程師們做了一場針對算力的“手術”：PD分離。

他們把顯卡分成兩撥。一撥算力極強的顯卡，專門負責“切菜”，也就是Prefill。它們第一時間讀懂你的要求，不管你寫的是“馬上發財”還是“馬到成功”，它們都會瞬間備好。

而另一撥顯卡，則集中負責“顛勺”，也就是Decoding。它們專心致志把準備好的祝福語，一個字一個字地生成出來，打包塞進紅包。

這就是PD分離。

讓每一張顯卡，都能專注于一件事。結果是什么？顯卡利用率從30-50%，直接提升到70-90%。成本，更是降低了40-60%。

這意味著，原來下一碗面的時間，現在幾乎可以下兩碗。而且，成本更低，速度更快。

除了PD分離，為了“榨干 ”顯卡的 每一滴推理算力，他們開發自己的算子層，針對每款硬件做優化；優化自己的系統層，實現了分布式的推理策略。

這就是科技。

極致的算力調度系統。極致的推理優化系統。把復雜留給了機房，把流暢留給了你。

除夕當晚，“豆包紅包”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。AI互動總數達19億。

真如洪峰過境。

我相信， 當流量洪峰過去，那條垂直的負載水位線開始回落時， 監控中心里 一定爆發出了一陣短暫而熱烈的歡呼。

因為 那一瞬間，幾千名工程師經歷了一場提心吊膽，和一份如釋重負。

但如果說，發紅包的瞬間是讓我手心出汗，那另一個瞬間就是讓我無比動容。

這個瞬間就是：無障礙字幕。

2780萬人“讀”懂了歡笑

根據最新數據，中國有2780萬聽障人士。如果加上各類聽力受損人群，這個數字高達2.06億。

2780萬。這個數字，比澳大利亞的人口還多。

對他們來說，春晚不只是一場晚會，更是一年一度的“失語”。當全中國都在歡笑時，他們面對的卻是一個被靜音的世界。這種熱鬧，反而是最大的孤獨。

你可能會問，不是有手語翻譯嗎？

因為手語翻譯，會弄丟30%的信息。

手語是“縮略圖”，口語是“高清圖”，兩者的信息量完全不在一個量級。更別提那些語法結構的天然差異。相聲里的諧音梗、歌詞里的雙關語、語氣里的微表情……手語，真的“翻譯”不出來。

所以過去，這近3000萬的聽障同胞們，看得見舞臺上的燈光，看得見演員的笑容，卻聽不見主持人的祝福，聽不見相聲的包袱，聽不見歌聲里的情感。

直到昨晚。春晚直播中，首次出現了“AI字幕”。聽障人士，終于可以“讀”出主持人“說”的每一個字。

你可能會問：語音識別不是早就有了嗎？為什么今天才上春晚？

因為傳統語音識別，像個“小學生”。它只會“聽音”，不會“入腦”。它分不清是“山西”還是“陜西”，也分不清是“背景”還是“北京”。

在平時，90%的準確率算優秀；但在春晚，哪怕只有1個錯字，也是100%的事故。因為這樣的場合，絕對無法接受“給全國人民拜個年”，變成字幕里的“給全國人民擺個臉”。

所以，央視的要求是：不論方言，不分語速，不管音樂、笑聲、掌聲是否嘈雜，字幕都必須100%準確。而且，從話音落地到字幕上屏，不能超過1秒。

面對這種幾乎“反人性”的要求，火山引擎的工程師們，拿出了豆包Seed-ASR大模型。

什么是Seed-ASR？簡單來說，它不是在“聽音”，而是在“審題”。

當聽到模糊的“shanxi”，它不會在那死磕發音，而是瞬間掃一遍全文：剛才主持人才提到了西安分會場？那一定是“陜西”，不是“山西”。它不是在猜，而是在推理。

這種上下文理解能力，讓它比普通模型多“挽回”了15%的致命錯誤。哪怕背景音樂震天響，它的綜合準確率，依然能在95%以上。

準還不夠，還得快。

為了搞定那“1秒鐘”的生死時速，它跑的是“流式語音識別”。不再是等一句話說完才出字，而是話音剛起，文字已出。

精準、實時、零延時。這，就是今天中國的語音識別能力。

那萬一，我是說萬一，還是有錯呢？

必須萬無一失。火山引擎直接拉了一支技術團隊，在直播現場，守了一整夜。任務只有一個：死守屏幕，人工實時糾錯。

在這個數字時代，科技跑得實在是太快了。

但是再快的算法，也值得停下腳步，等一等那些困在寂靜里的人。

然后，攜手邁入新年。

最后的話

復活的馬。并發的紅包。和無障礙的字幕。

昨晚，當春晚結束的鐘聲敲響時，我長舒了一口氣。這場對中國AI基礎設施的“大考”，我們扛住了。

2026年的春晚，是一個分水嶺。因為，它標志著AI正從“大人的玩具”變成“文明的工具”，從“技術嘗鮮”變成“基建設施”。

春晚這一戰，證明了中國AI的基礎設施，已經能穩穩托住億萬人的期待。

當基礎設施修好了，跑的車自然會多。當AI基礎設施變得像空氣和水一樣自然，我們一定會迎來“應用層”的寒武紀大爆發。

我擦了擦手心的汗。舉杯。

敬那匹復活的馬，敬那行跳動的字幕。

更敬這個正在被技術溫柔推開的，2026。

干杯。

作者/ 劉潤編輯/ 歌平版面/ 黃 靜

這是劉潤公眾號第2865篇原創文章。未經授權，禁止任何機構或個人抓取本文內容，用于訓練AI大模型等用途