摘要：在百度「AI环球盲盒拜年」里，只需上传自己的照片，轻轻一点，红绸扇舞的视频就能出现在纽约时代广场、南极科考站甚至迪拜高楼前。这些带着中国年味的数字影像，如同蒲公英种子般飘向全球地标。
撰文｜乔雨晴
编辑｜翟文婷
郑州一位大妈怎么也没想到，自己在家门口学会的广场舞，会被百度AI搬到法国凯旋门前，而且火爆了自己的老年朋友圈。
在百度「AI环球盲盒拜年」里，只需上传自己的照片，轻轻一点，红绸扇舞的视频就能出现在纽约时代广场、南极科考站甚至迪拜高楼前。这些带着中国年味的数字影像，如同蒲公英种子般飘向全球地标。
一年前，AI可能还是一种高大上的技术概念；现如今，百度已经把AI融入乡音、灶台油渍里的人情冷暖。当AI不仅能听懂东北话「波棱盖卡秃噜皮」，还能精准捕捉重庆麻将桌上的「刮风下雨」时，这场技术革命正在以最柔软的方式重塑中国人的日常生活。
老年人甚至比年轻人玩得更上头。他们不需要明白那些复杂的技术参数，只是动动手指在小程序里上传照片，就能在老朋友圈子里扬眉吐气一把。——这种「科技爽感」带来的满足，远比刷短视频来得更持久。
这场始于春节的AI实验证明：真正的技术革命，从来不是自上而下的颠覆，而是自下而上地打捞那些被忽视的人间烟火。
01什么才是真正的出圈
「我们的模型在N个维度超越了GPT-4」——这样的新闻标题也许能让科技圈兴奋不已，但在这个春节，我们看到了更有意思的现象。
喜欢跳广场舞的阿姨们，只需要在百度AI环球盲盒拜年里上传自己的跳舞视频，就像打开任意门，把自己的舞蹈搬运到卢浮宫、时代广场等全球地标前，效果逼真到自家孩子也会问问「奶奶，你什么时候出国玩啦」。
而通过百度智能云曦灵数字人微信小程序「飞贴贺新春」活动，你不仅可以上传自己的、父母的、孩子的照片，生成定制的拜年视频，表情自然、唇音同步；还可以上传蒙娜丽莎、兵马俑、达芬奇等历史文化名人，让他们用佟湘玉的陕西话、东北话、四川话、闽南话，替你传递祝福。
「AI拜年」功能，更是打开了我们对拜年贺卡的想象力。在百度中搜索「AI拜年」，只需要上传照片，一句话，25秒就能收获一张专属的拜年贺卡。
你可以让Taylor Swift穿上东北大花袄包饺子：
也可以让马斯克拱手作揖拜年：
还可以让向佐一个手扶着鼻梁，另一个手撒红包：
在家族群里，二舅把全家福P到月球表面舞狮，三婶则在喜马拉雅山顶煮出会发光的饺子，表哥就能把财神爷请到自家的客厅里来。
出门在外、春节旅行的体验，也在发生变化。百度上线了34个省级行政区的文旅智能体，用会说方言的AI重新定义了导游。这些操着乡音的AI角色，不再复述千篇一律的景区简介，而是化身成带着烟火气的数字老乡。
福建的簪花花用闽南软语讲述土楼屋檐滴落的烟雨，徽州的包拯以合肥话解密徽商暗藏在马头墙里的算盘声，湖南的芙小兰甚至能用湘江浪花般的语速，教你分辨剁椒鱼头里朝天椒与七星椒的比例，天津baibai不仅能用天津话推荐景点、解说五大道，还能即兴给你来一段快板。
这些参与、发布、体验的用户，大部分从未接触过AI工具。
他们不需要理解CLIP或Diffusion模型，只需要知道像跟自己的儿孙对话一样，用自家的方言，说出自己想做的事——「在巴黎跳广场舞」，「我要恭喜发财拜年视频」。
技术的真正价值，不在于能打破多少记录，而在于能触达多少普通人的生活。
当不会说普通话的老人能用方言和AI对话，当从未出过远门的大妈能在世界地标起舞，当小学生能用AI设计旅游路线，当不会打字的大爷大妈用四川话让AI生成全家福贺卡——这才是技术真正的出圈。
02技术蹲下来
技术只有蹲到市井烟火的高度，才能听懂真实世界的需求。真正的技术革命，往往发生在人们意识不到这是「技术」的时刻。
就像此刻，当爷爷奶奶们对着手机吼着东北话、河南话、绍兴话时：「给俺整个在埃菲尔铁塔扭秧歌的视频」，他们并不知道，这句话正在触发全球最先进的多模态大模型协同作业。
百度悄无声息地降低了创作门槛，让男女老少都能享受到技术的乐趣。
之前AI生图、AI生视频没有在普通人里火起来，本质上是因为创作门槛高。你需要用非常精细的prompt，甚至加入「4K ultra-detailed」「cinematic lighting」之类的专业术语，多轮调整、反复测试，才能像抽盲盒一样抽到理想的效果。而且AI生图和文本模型一样，本质上是对每一个像素点的预测，很容易出现幻觉，生成不符合现实的诡异画面，比如经典的「威尔·史密斯吃意大利面」。
百度的iRAG技术致力于消除这样的幻觉。RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了检索和生成的技术，之前被广泛用在文本数据或者表格这类结构化的数据上。但百度创新性地把 RAG 技术用在了图像数据上，搞出了iRAG（Image-Based Retrieval-Augmented Generation，检索增强的文生图技术）。
你可以把RAG想象成，给AI配了个「小抄」，让他在回答问题前能参考一些额外的资料。这些资料通常不在大模型原本的学习范围里，是些专属或私有的数据。通过参考这些数据，大模型回答问题时就能更贴合实际情况，不用重新学习，就能提升回答质量，减少幻觉。
百度的 iRAG 技术是 RAG 技术的一种进阶版，是 RAG 向多模态的泛化与拓展，即 iRAG = 图像 + RAG。
iRAG通过检索百度搜索的大规模图像数据库，可通过参考和引用真实的图像元素，结合文本提示词要求进行重绘。这为文生图的真实感和事实性保驾护航。同时保持良好的主体一致性，通过提示词「Hello Kitty 在某某著名景点前」，你可以让这只世界上最著名的小猫漫游中国。
以前让AI绘画「大妈在埃菲尔铁塔前跳舞」，可能会长出六根手指，或者铁塔上挂着兰州拉面旗。现在IRAG就像个严格的监工：红绸缎该有飘扬的质感，大妈抬腿的角度必须符合人体工学。
方言的处理也是如此。以前每个方言都需要单独开发一套系统，比如上海话、广东话各自有不同的处理模块。再比如，用周杰伦的声音说东北话，还需要模型能够分离音色和方言特征。
之前， AI学会说方言，不仅要收集成千上万个小时的纯正发音，还要再像语文老师一样逐个标注声调，光是让AI分清广东话的「九声六调」，就要花半年时间调整参数。好不容易教会AI说粤语，换成闽南语又得从头再来。
而现在，通过深度神经网络，百度的语音AI系统能将语音拆解为独立控制的模块：音色（谁在说话），内容（说什么），方言（怎么发音），情感（用什么语气）。这种参数化重组技术，使方言研发从手工作业跃升到工业化生产。这意味着周杰伦的声音可以说出纯正东北话，而重庆嬢嬢的语调能完美移植到英语拜年视频中。
现在，仅需几分钟数据就能达到超越真人的tts水平；意味着大爷大妈只要录两句话，就能让AI模仿他们的音色音调和方言，在赛博世界替他们拜年送祝福。
百度把创作门槛打了下来。在技术专家视角里，这些效果体现为主体一致性、物理合理性、时空连贯性、语音和口型的匹配度等硬性指标的提升；但对老百姓来说，就是「这玩意儿真像那么回事」。
当大妈们生成广场舞视频时，她们并不关心背后的技术如何优化，只在乎家族群里收获了多少点赞表情包——这才是技术普惠最生动的注脚。
03 AI与烟火气的化学反应
一个不难发现的趋势是，AI应用正在从「精英工具」变成「大众玩具」，我们可能正处在2025年超级应用爆发前夜。
两年前，当ChatGPT写出莎士比亚风格的十四行诗时，全世界为之惊叹。但这个春节让我们明白：文字只是人类表达的一小部分，真实世界是多模态的，真正的智能必须理解红绸扇舞动的物理学，以及乡音的抑扬顿挫。
2024年的AI还在实验室里卷参数、比benchmark；2025年的春节，它已经坐上了千家万户的团圆饭桌。从写论文、画图表的精英玩具，到大妈跳舞、给亲戚拜年的大众工具，AI正在完成一次意义深远的位移。
这种位移的背后，是过去几年的积累和普及。大模型赋予的AI原生应用正在渗透各行各业，并且从城市进入下沉市场，AI含量越来越高，破圈效应呼之欲出。
百度就是一个缩影，展现了AI在不同场景下的广泛应用。从生产力变革的工作场景到日常生活情感陪伴，百度都有产品日渐深入人心。
李彦宏在2025年全员信中表示：大模型赋能的AI原生应用正在各行各业各种场景迅速普及，虽然超级应用尚未出现，AI的实际渗透率已经不低，并且将在2025年继续井喷式增长。
百度文心智能体平台已有15万家企业和80万开发者入驻，在律师、情感、健康等多个领域成功跑通模式。这表明AI的应用已经不再局限于理论和实验阶段，而是真正开始在各个行业中发挥作用，为不同领域的企业和开发者提供了强大的支持和赋能。
因为文心大模型赋能，百度文库新增上百项AI能力，涉及写作、PPT制作、搜索、文生图等，使得这个旧产品爆发新能量，百度文库AI功能MAU突破9000万，AI DAU年同比增长230%，甚至成了付费界的顶流。
4000万真金白银的付费用户，不是靠单纯的营销打法能实现的，本质上还是解决了用户真实需求，获得大家认可。
包括今年春节出圈的方言搜索，也是因为AI的魔力，穿透了不同圈层人群，人与人之间的距离也被拉近。方言作为一种承载着地域文化和情感的特殊语言形式，通过AI的搜索和识别功能，让更多人能够方便地使用和交流，这不仅促进了文化的传承和交流，也体现了AI在情感连接方面的巨大潜力。
过去两年，全球科技巨头在寻找 AI killer app 的路上几经波折。他们投入了大量的资源和精力，试图找到那个能够真正引爆AI市场的杀手级应用。
但这个春节给出了答案：当全家老小围着AI生成的拜年视频笑作一团时，超级应用便有了破土的能量。
来源：新莓daybreak
