撰文｜喬雨晴

編輯｜翟文婷

鄭州一位大媽怎么也沒想到，自己在家門口學(xué)會(huì)的廣場(chǎng)舞，會(huì)被百度AI搬到法國(guó)凱旋門前，而且火爆了自己的老年朋友圈。

在百度「AI環(huán)球盲盒拜年」里，只需上傳自己的照片，輕輕一點(diǎn)，紅綢扇舞的視頻就能出現(xiàn)在紐約時(shí)代廣場(chǎng)、南極科考站甚至迪拜高樓前。這些帶著中國(guó)年味的數(shù)字影像，如同蒲公英種子般飄向全球地標(biāo)。

一年前，AI可能還是一種高大上的技術(shù)概念；現(xiàn)如今，百度已經(jīng)把AI融入鄉(xiāng)音、灶臺(tái)油漬里的人情冷暖。當(dāng)AI不僅能聽懂東北話「波棱蓋卡禿嚕皮」，還能精準(zhǔn)捕捉重慶麻將桌上的「刮風(fēng)下雨」時(shí)，這場(chǎng)技術(shù)革命正在以最柔軟的方式重塑中國(guó)人的日常生活。

老年人甚至比年輕人玩得更上頭。他們不需要明白那些復(fù)雜的技術(shù)參數(shù)，只是動(dòng)動(dòng)手指在小程序里上傳照片，就能在老朋友圈子里揚(yáng)眉吐氣一把?！@種「科技爽感」帶來的滿足，遠(yuǎn)比刷短視頻來得更持久。

這場(chǎng)始于春節(jié)的AI實(shí)驗(yàn)證明：真正的技術(shù)革命，從來不是自上而下的顛覆，而是自下而上地打撈那些被忽視的人間煙火。

01什么才是真正的出圈

「我們的模型在N個(gè)維度超越了GPT-4」——這樣的新聞標(biāo)題也許能讓科技圈興奮不已，但在這個(gè)春節(jié)，我們看到了更有意思的現(xiàn)象。

喜歡跳廣場(chǎng)舞的阿姨們，只需要在百度AI環(huán)球盲盒拜年里上傳自己的跳舞視頻，就像打開任意門，把自己的舞蹈搬運(yùn)到盧浮宮、時(shí)代廣場(chǎng)等全球地標(biāo)前，效果逼真到自家孩子也會(huì)問問「奶奶，你什么時(shí)候出國(guó)玩啦」。

而通過百度智能云曦靈數(shù)字人微信小程序「飛貼賀新春」活動(dòng)，你不僅可以上傳自己的、父母的、孩子的照片，生成定制的拜年視頻，表情自然、唇音同步；還可以上傳蒙娜麗莎、兵馬俑、達(dá)芬奇等歷史文化名人，讓他們用佟湘玉的陜西話、東北話、四川話、閩南話，替你傳遞祝福。

「AI拜年」功能，更是打開了我們對(duì)拜年賀卡的想象力。在百度中搜索「AI拜年」，只需要上傳照片，一句話，25秒就能收獲一張專屬的拜年賀卡。

你可以讓Taylor Swift穿上東北大花襖包餃子：

也可以讓馬斯克拱手作揖拜年：

還可以讓向佐一個(gè)手扶著鼻梁，另一個(gè)手撒紅包：

在家族群里，二舅把全家福P到月球表面舞獅，三嬸則在喜馬拉雅山頂煮出會(huì)發(fā)光的餃子，表哥就能把財(cái)神爺請(qǐng)到自家的客廳里來。

出門在外、春節(jié)旅行的體驗(yàn)，也在發(fā)生變化。百度上線了34個(gè)省級(jí)行政區(qū)的文旅智能體，用會(huì)說方言的AI重新定義了導(dǎo)游。這些操著鄉(xiāng)音的AI角色，不再復(fù)述千篇一律的景區(qū)簡(jiǎn)介，而是化身成帶著煙火氣的數(shù)字老鄉(xiāng)。

福建的簪花花用閩南軟語講述土樓屋檐滴落的煙雨，徽州的包拯以合肥話解密徽商暗藏在馬頭墻里的算盤聲，湖南的芙小蘭甚至能用湘江浪花般的語速，教你分辨剁椒魚頭里朝天椒與七星椒的比例，天津baibai不僅能用天津話推薦景點(diǎn)、解說五大道，還能即興給你來一段快板。

這些參與、發(fā)布、體驗(yàn)的用戶，大部分從未接觸過AI工具。

他們不需要理解CLIP或Diffusion模型，只需要知道像跟自己的兒孫對(duì)話一樣，用自家的方言，說出自己想做的事——「在巴黎跳廣場(chǎng)舞」，「我要恭喜發(fā)財(cái)拜年視頻」。

技術(shù)的真正價(jià)值，不在于能打破多少記錄，而在于能觸達(dá)多少普通人的生活。

當(dāng)不會(huì)說普通話的老人能用方言和AI對(duì)話，當(dāng)從未出過遠(yuǎn)門的大媽能在世界地標(biāo)起舞，當(dāng)小學(xué)生能用AI設(shè)計(jì)旅游路線，當(dāng)不會(huì)打字的大爺大媽用四川話讓AI生成全家福賀卡——這才是技術(shù)真正的出圈。

02技術(shù)蹲下來

技術(shù)只有蹲到市井煙火的高度，才能聽懂真實(shí)世界的需求。真正的技術(shù)革命，往往發(fā)生在人們意識(shí)不到這是「技術(shù)」的時(shí)刻。

就像此刻，當(dāng)爺爺奶奶們對(duì)著手機(jī)吼著東北話、河南話、紹興話時(shí)：「給俺整個(gè)在埃菲爾鐵塔扭秧歌的視頻」，他們并不知道，這句話正在觸發(fā)全球最先進(jìn)的多模態(tài)大模型協(xié)同作業(yè)。

百度悄無聲息地降低了創(chuàng)作門檻，讓男女老少都能享受到技術(shù)的樂趣。

之前AI生圖、AI生視頻沒有在普通人里火起來，本質(zhì)上是因?yàn)閯?chuàng)作門檻高。你需要用非常精細(xì)的prompt，甚至加入「4K ultra-detailed」「cinematic lighting」之類的專業(yè)術(shù)語，多輪調(diào)整、反復(fù)測(cè)試，才能像抽盲盒一樣抽到理想的效果。而且AI生圖和文本模型一樣，本質(zhì)上是對(duì)每一個(gè)像素點(diǎn)的預(yù)測(cè)，很容易出現(xiàn)幻覺，生成不符合現(xiàn)實(shí)的詭異畫面，比如經(jīng)典的「威爾·史密斯吃意大利面」。

百度的iRAG技術(shù)致力于消除這樣的幻覺。RAG（Retrieval-Augmented Generation，檢索增強(qiáng)生成）是一種結(jié)合了檢索和生成的技術(shù)，之前被廣泛用在文本數(shù)據(jù)或者表格這類結(jié)構(gòu)化的數(shù)據(jù)上。但百度創(chuàng)新性地把 RAG 技術(shù)用在了圖像數(shù)據(jù)上，搞出了iRAG（Image-Based Retrieval-Augmented Generation，檢索增強(qiáng)的文生圖技術(shù)）。

你可以把RAG想象成，給AI配了個(gè)「小抄」，讓他在回答問題前能參考一些額外的資料。這些資料通常不在大模型原本的學(xué)習(xí)范圍里，是些專屬或私有的數(shù)據(jù)。通過參考這些數(shù)據(jù)，大模型回答問題時(shí)就能更貼合實(shí)際情況，不用重新學(xué)習(xí)，就能提升回答質(zhì)量，減少幻覺。

百度的 iRAG 技術(shù)是 RAG 技術(shù)的一種進(jìn)階版，是 RAG 向多模態(tài)的泛化與拓展，即 iRAG = 圖像 + RAG。

iRAG通過檢索百度搜索的大規(guī)模圖像數(shù)據(jù)庫，可通過參考和引用真實(shí)的圖像元素，結(jié)合文本提示詞要求進(jìn)行重繪。這為文生圖的真實(shí)感和事實(shí)性保駕護(hù)航。同時(shí)保持良好的主體一致性，通過提示詞「Hello Kitty 在某某著名景點(diǎn)前」，你可以讓這只世界上最著名的小貓漫游中國(guó)。

以前讓AI繪畫「大媽在埃菲爾鐵塔前跳舞」，可能會(huì)長(zhǎng)出六根手指，或者鐵塔上掛著蘭州拉面旗?，F(xiàn)在IRAG就像個(gè)嚴(yán)格的監(jiān)工：紅綢緞該有飄揚(yáng)的質(zhì)感，大媽抬腿的角度必須符合人體工學(xué)。

方言的處理也是如此。以前每個(gè)方言都需要單獨(dú)開發(fā)一套系統(tǒng)，比如上海話、廣東話各自有不同的處理模塊。再比如，用周杰倫的聲音說東北話，還需要模型能夠分離音色和方言特征。

之前， AI學(xué)會(huì)說方言，不僅要收集成千上萬個(gè)小時(shí)的純正發(fā)音，還要再像語文老師一樣逐個(gè)標(biāo)注聲調(diào)，光是讓AI分清廣東話的「九聲六調(diào)」，就要花半年時(shí)間調(diào)整參數(shù)。好不容易教會(huì)AI說粵語，換成閩南語又得從頭再來。

而現(xiàn)在，通過深度神經(jīng)網(wǎng)絡(luò)，百度的語音AI系統(tǒng)能將語音拆解為獨(dú)立控制的模塊：音色（誰在說話），內(nèi)容（說什么），方言（怎么發(fā)音），情感（用什么語氣）。這種參數(shù)化重組技術(shù)，使方言研發(fā)從手工作業(yè)躍升到工業(yè)化生產(chǎn)。這意味著周杰倫的聲音可以說出純正東北話，而重慶嬢嬢的語調(diào)能完美移植到英語拜年視頻中。

現(xiàn)在，僅需幾分鐘數(shù)據(jù)就能達(dá)到超越真人的tts水平；意味著大爺大媽只要錄兩句話，就能讓AI模仿他們的音色音調(diào)和方言，在賽博世界替他們拜年送祝福。

百度把創(chuàng)作門檻打了下來。在技術(shù)專家視角里，這些效果體現(xiàn)為主體一致性、物理合理性、時(shí)空連貫性、語音和口型的匹配度等硬性指標(biāo)的提升；但對(duì)老百姓來說，就是「這玩意兒真像那么回事」。

當(dāng)大媽們生成廣場(chǎng)舞視頻時(shí)，她們并不關(guān)心背后的技術(shù)如何優(yōu)化，只在乎家族群里收獲了多少點(diǎn)贊表情包——這才是技術(shù)普惠最生動(dòng)的注腳。

03 AI與煙火氣的化學(xué)反應(yīng)

一個(gè)不難發(fā)現(xiàn)的趨勢(shì)是，AI應(yīng)用正在從「精英工具」變成「大眾玩具」，我們可能正處在2025年超級(jí)應(yīng)用爆發(fā)前夜。

兩年前，當(dāng)ChatGPT寫出莎士比亞風(fēng)格的十四行詩時(shí)，全世界為之驚嘆。但這個(gè)春節(jié)讓我們明白：文字只是人類表達(dá)的一小部分，真實(shí)世界是多模態(tài)的，真正的智能必須理解紅綢扇舞動(dòng)的物理學(xué)，以及鄉(xiāng)音的抑揚(yáng)頓挫。

2024年的AI還在實(shí)驗(yàn)室里卷參數(shù)、比benchmark；2025年的春節(jié)，它已經(jīng)坐上了千家萬戶的團(tuán)圓飯桌。從寫論文、畫圖表的精英玩具，到大媽跳舞、給親戚拜年的大眾工具，AI正在完成一次意義深遠(yuǎn)的位移。

這種位移的背后，是過去幾年的積累和普及。大模型賦予的AI原生應(yīng)用正在滲透各行各業(yè)，并且從城市進(jìn)入下沉市場(chǎng)，AI含量越來越高，破圈效應(yīng)呼之欲出。

百度就是一個(gè)縮影，展現(xiàn)了AI在不同場(chǎng)景下的廣泛應(yīng)用。從生產(chǎn)力變革的工作場(chǎng)景到日常生活情感陪伴，百度都有產(chǎn)品日漸深入人心。

李彥宏在2025年全員信中表示：大模型賦能的AI原生應(yīng)用正在各行各業(yè)各種場(chǎng)景迅速普及，雖然超級(jí)應(yīng)用尚未出現(xiàn)，AI的實(shí)際滲透率已經(jīng)不低，并且將在2025年繼續(xù)井噴式增長(zhǎng)。

百度文心智能體平臺(tái)已有15萬家企業(yè)和80萬開發(fā)者入駐，在律師、情感、健康等多個(gè)領(lǐng)域成功跑通模式。這表明AI的應(yīng)用已經(jīng)不再局限于理論和實(shí)驗(yàn)階段，而是真正開始在各個(gè)行業(yè)中發(fā)揮作用，為不同領(lǐng)域的企業(yè)和開發(fā)者提供了強(qiáng)大的支持和賦能。

因?yàn)槲男拇竽Ｐ唾x能，百度文庫新增上百項(xiàng)AI能力，涉及寫作、PPT制作、搜索、文生圖等，使得這個(gè)舊產(chǎn)品爆發(fā)新能量，百度文庫AI功能MAU突破9000萬，AI DAU年同比增長(zhǎng)230%，甚至成了付費(fèi)界的頂流。

4000萬真金白銀的付費(fèi)用戶，不是靠單純的營(yíng)銷打法能實(shí)現(xiàn)的，本質(zhì)上還是解決了用戶真實(shí)需求，獲得大家認(rèn)可。

包括今年春節(jié)出圈的方言搜索，也是因?yàn)锳I的魔力，穿透了不同圈層人群，人與人之間的距離也被拉近。方言作為一種承載著地域文化和情感的特殊語言形式，通過AI的搜索和識(shí)別功能，讓更多人能夠方便地使用和交流，這不僅促進(jìn)了文化的傳承和交流，也體現(xiàn)了AI在情感連接方面的巨大潛力。

過去兩年，全球科技巨頭在尋找 AI killer app 的路上幾經(jīng)波折。他們投入了大量的資源和精力，試圖找到那個(gè)能夠真正引爆AI市場(chǎng)的殺手級(jí)應(yīng)用。

但這個(gè)春節(jié)給出了答案：當(dāng)全家老小圍著AI生成的拜年視頻笑作一團(tuán)時(shí)，超級(jí)應(yīng)用便有了破土的能量。