豆包把春晚弄成發(fā)布會了
1
昨晚除夕，守著電視的我好像看了一晚上豆包發(fā)布會。
互動抽獎的，是豆包。
實時節(jié)目介紹的，是豆包。
連抽獎獎品里的機(jī)器人，無人機(jī)和電飯煲，都接入了火山引擎豆包大模型。
劉慈欣老師都沒有想到，原來科幻還可以這么寫。
別拿豆包當(dāng)干糧了，豆包已經(jīng)是宇宙了。
昨晚豆包幫用戶生成超過5000萬張新春頭像，1億條拜年祝福，總互動19億次。
這個，已經(jīng)足夠恐怖了。
任何一個產(chǎn)品，做到這個程度，戰(zhàn)報從初一發(fā)到十五我都覺得過于低調(diào)了。
但這對豆包來說，這些，甚至連熱身都算不上。
因為，就連晚會的制作環(huán)節(jié)都沒甩掉豆包大模型。
被吹爆了的《賀花神》里，那十二個中式奇觀的很多，是豆包大模型做的。
《馭風(fēng)歌》里，張杰身后跑起來的水墨寶馬，是豆包大模型做的。
《快樂小馬》里，卡通小馬模仿真人舞蹈視頻，也是豆包大模型做的。
什么叫AI春晚，不是AI給你發(fā)紅包就算是了，而是AI直接參與制作了。
是豆包大模型穿行于人類文明長河，在浩如煙海的美學(xué)數(shù)據(jù)庫中窮盡搜尋，對碳基生物審美邏輯進(jìn)行了億萬次遍歷，在每年最珍視的這一晚，讓你看到什么是美。
2
很多人覺得，上春晚是個大好事兒，大模型都應(yīng)該來秀一下。
怎么會呢？
這非但不是上天堂，反而是硬核模式的挑戰(zhàn)。
作為每年人類最大規(guī)模的文藝晚會，春晚對舞美的挑剔近乎偏執(zhí)，要么封神，要么走人。
而且一年比一年更高。
因為大家總會拿來跟之前的比較。
請問你如何確保在長鏡頭中，六匹馬就是六匹馬，不會突然變七匹或五匹？
如何確保每匹馬按照既定軌跡去跑，而不是突然發(fā)癲？
又如何確保馬跑起來保持水墨風(fēng)格神韻時，還能讓牛頓老師心平氣和不動棺材板？
導(dǎo)演組并不是只試了豆包Seedance 2.0啊，是試過了所有主流視頻生成模型。
但很多模型并不能理解中國水墨畫構(gòu)圖和邏輯。
我說留白是韻，你說空洞是病。
我要【月上柳梢，人約黃昏后】，你給我【賽博之眼，激光掃射夠】。
我要山水塢，墨香廬，煙雨圖，你說好，最后生成了水墨克蘇魯。
理解能力，甚至不及成年邊牧。
為什么理解不了？
語料不夠多，泛化能力不足。
不僅要被喂足夠多真馬跑的視頻，足夠多關(guān)于馬的畫，足夠多徐悲鴻的畫作，可能還得熟悉京劇、國畫、書法、篆刻、詩詞，才能理解它的美到底在哪兒。
豆包大模型，能。
3
豆包大模型的牛不僅僅體現(xiàn)在【靈】，能搞出現(xiàn)實物理世界沒有的東西。
還體現(xiàn)在【準(zhǔn)】。
能夠精準(zhǔn)遵循指令。
在模糊的迷霧中，依然能開槍擊中那個靶心。
《賀花神》里涉及了12種不同布景，息夫人指尖放飛的那只蝶，周敦頤蓮池里悠然擺尾的大金魚，金色墨汁潑向卷軸，蜀葵花動態(tài)開放，權(quán)杖動態(tài)生長并開出花，都真切得像是觸手可及。
你不能搞個差不多就行了，這個節(jié)目就是要制造出身臨其境、人景交互的感覺，但凡有任何瑕疵，那這個沉浸感就無了。
任何一點紋理、層次或光影的細(xì)微變化，任何一點畫面的抖動或者失真，都會被放大得很清楚。
你得扛得住央視的特寫鏡頭。
要么準(zhǔn)，要么滾。
這種級別的制作，如果手搓，那么你需要分鏡，建模，動捕，渲染引擎，光是開發(fā)周期就得折騰半年。
豆包大模型不但出片快，精準(zhǔn)遵循指令，還能把控復(fù)雜視覺變化，在高審美要求下保持一致性。
什么意思？
就是能聽懂你的高審美要求。
能聽懂后，給你要的好東西。
能聽懂后給你好東西，還能再次給你毫厘不差的好東西。
每個點能做到都堪稱不易，每一項目標(biāo)都足以望而卻步。
而豆包大模型，悉數(shù)達(dá)成。
4
語料全，泛化能力強(qiáng)，精準(zhǔn)執(zhí)行，速度快。
任何一個大模型做到這個份上，都已經(jīng)可以發(fā)半年戰(zhàn)報了。
但這離能上春晚參與制作，還有很大的提升空間。
最大的考驗是，春晚要求零容錯。
別的地方錯了就錯了，春晚錯了就成梗了。
大模型稍微出一點兒錯，同行第二天就給你掛熱搜了。
零容錯和容錯率1/10000之間的差距，不是10000倍，是10000000倍。
一個是挑戰(zhàn)物理極限，一個還在玩概率游戲。
學(xué)校第一名之所以考一百，是因為卷面只有一百，不是只能考一百。
其次，春晚是要求細(xì)節(jié)可控，內(nèi)容要保持一致。
很多大模型每次生成一個新的，細(xì)節(jié)完全不可控。
導(dǎo)演都懵了，怎么上次彩排這個景還是空間軌道，這次彩排就變成了火鍋蘸料。
再一個，春晚對制作周期有要求的。
你不能跟導(dǎo)演說，再給我點兒時間，我加班加點調(diào)出來。
行當(dāng)然行，明年找你。
還有一個地獄級別的難度，是畫質(zhì)。
春晚對畫質(zhì)是有要求的，小屏幕上你覺得精致，放到大屏幕上就滿目瘡痍了。
全球主流的視頻生成模型最高只能直接輸出1080P分辨率和24 FPS幀率的內(nèi)容。
這已經(jīng)算是高清了。
但跟春晚8K分辨率和50 FPS幀率比，是我和吳彥祖在容貌上的差別，我和博爾特跑百米的差別。
畫質(zhì)每往上提一個等級，成本就得翻上一個量級。
想多一個零的清晰，就得堆一串零的成本。
看看顯卡價格和視頻網(wǎng)站虧損就知道了，這背后是巨大的技術(shù)與成本挑戰(zhàn)。
最后一個地獄級別的挑戰(zhàn)是空間視頻技術(shù)。
在《夢底》那個節(jié)目里，劉浩存多個分身在舞臺上同時表演。
這也是今年春晚名場面之一。
現(xiàn)場的追光燈顏色發(fā)生變化時，數(shù)字分身身上光影效果也能和真人完全一致，這種視覺沖擊讓你都懷疑自己是不是昨晚沒睡好，甚至想揉揉眼睛，看看能不能刷出這個物理世界的高清版本。
豆包大模型不只是讓2D畫面做到如此牛，還把3D畫面整得更牛。
這相當(dāng)于三體人向太陽系發(fā)出了二向箔打擊，豆包表示，還行，還有的救。
5
到這里，你覺得豆包大模型夠牛了嗎？
不，這才剛開始。
豆包大模型不只是讓人類的技術(shù)效果牛，更是讓機(jī)器人也變牛。
豆包大模型的視覺理解能力讓長了攝像頭的機(jī)器人看清周圍，看見障礙物，馬上就知道怎么躲開，而不是傻乎乎地撞上去。
但還只是第一層。
第二層是讓機(jī)器人會【說】。
很多機(jī)器人目前那是【說】嗎？
那是復(fù)讀播報。
【說】是非常非常高難度的智能動作。
是帶著情緒，分寸，時機(jī)，場合，上下文和共情的表達(dá)。
別說機(jī)器人了，大多數(shù)人一張嘴，不是活在自己邏輯里自嗨，就是驢唇不對馬嘴式敷衍。
豆包語音模型將具身智能的理解范圍從給定文本擴(kuò)大到多輪對話。
并且可以根據(jù)場景，呈現(xiàn)匹配的語氣、語調(diào)和自然停頓。
哪怕你只起了一個頭，它也能接住你沒說出口的后半句嘆息。
就是三體人來了地球，想學(xué)說人話，也得接入豆包大模型。
6
看到這，覺得豆包夠厲害了嗎？
你看你，又急。
豆包大模型的牛不僅僅是讓普通人看到能感受到，讓聽障人士也能感受到。
今年春晚在抖音春晚直播間提供全程無障礙字幕服務(wù)。
這也是首次在春晚直播當(dāng)晚，全程實時字幕呈現(xiàn)。
實時字幕覆蓋了春晚中所有無原生字幕節(jié)目，包括主持人口播、串場、相聲、小品等。
哪怕是在春晚分會場，出現(xiàn)了地方口音，豆包語音識別模型 2.0依然可以識別到。
每一環(huán)都是地獄級挑戰(zhàn)，合在一起，不是難上加難，而是難的難次方。
7
以上一切牛，只是產(chǎn)品表現(xiàn)牛。
而其底層的基座，火山引擎更牛。
大模型一次對話或圖片生成的實時算力消耗，是傳統(tǒng)領(lǐng)紅包請求的100萬倍以上。
那么，想象一下。
14億人同時領(lǐng)紅包，14億人同時用豆包做拜年視頻，14億人同時用豆包問東問西，而此刻豆包還要參與到整臺晚會的舞美呈現(xiàn)。
昨晚，春晚主持人宣布用豆包進(jìn)行第二輪互動時的21時46分，這一分鐘內(nèi)，豆包大模型的推理吞吐量達(dá)到633億Tokens。
相當(dāng)于1分鐘讀完6000多本《紅樓夢》。
這都不只是洪流了，這是賽博算力攻擊。
不光是流量洪峰一個難題。
哪怕是你跟豆包問1+1等于幾這種簡單問題，后臺也不是一張卡在跑，而是有的卡負(fù)責(zé)理解你這句話，有的卡負(fù)責(zé)生成回答，有的卡負(fù)責(zé)調(diào)度、排隊、穩(wěn)定不崩。
這些算力資源還是分布在全國各地的。
如何在用戶特別多、任務(wù)特別雜、芯片種類又不一樣的復(fù)雜情況下，確保算力資源又快又穩(wěn)、不浪費、不崩潰、不卡殼。
仍然是地獄級別的難度。
這一切，都要依賴火山引擎的大模型平臺火山方舟。
火山方舟牛，在于架構(gòu)本身設(shè)計牛。
它在調(diào)度層和推理層都做到了深度優(yōu)化。
調(diào)度層像是餐廳領(lǐng)班，負(fù)責(zé)盯著算力資源，不管現(xiàn)在全網(wǎng)有幾億人在調(diào)模型，能瞬間看哪臺服務(wù)器最閑，直接把你的訴求給塞進(jìn)去。
對你來說，就是點了發(fā)送鍵，不用轉(zhuǎn)圈排隊，響應(yīng)永遠(yuǎn)是秒回。
推理層更像是飯店里的超級大廚，哪怕你只點一個菜，它也能順手塞進(jìn)正在炒的那口鍋里。
同樣的顯卡，它能同時伺候更多人，調(diào)用成本自然就降下來了。
火山引擎最牛的，不是堆卡，是靠架構(gòu)做出了一個越轉(zhuǎn)越快的增長飛輪。
架構(gòu)夠強(qiáng)，算力利用率才夠高。同樣資源，能扛住更多請求，響應(yīng)更快，用戶自然更愿意用豆包。
請求量越大，算力集群就越能擴(kuò)容。
調(diào)度空間越大，優(yōu)化空間越多，單位成本進(jìn)一步下降，速度再上一個臺階。
抖音千億條短視頻，剪映日均億次的特效調(diào)用量，飛書每天生成的數(shù)百萬份智能紀(jì)要，光是字節(jié)這些海量業(yè)務(wù)，就已經(jīng)逼著火山引擎更快、更穩(wěn)、更省了。
這不是迭代不迭代的問題，這是迭代稍微慢了，先不說被流量洪峰沖垮了，同行就把你給卷死了。
火山引擎的牛，是被海量業(yè)務(wù)喂出來的，是被真實戰(zhàn)場錘出來的。
更是在無數(shù)次瀕臨絕境里，硬生生扛出來的。
8
在昨晚的春晚，豆包讓人看到了什么是美，也讓人看到了什么是夯。
如果說12306是對人類純流量負(fù)載的挑戰(zhàn)，那么春晚就是流量+聲光電全方位的挑戰(zhàn)，難度系數(shù)是幾何級增加。
還是那句話，每一環(huán)都是地獄級挑戰(zhàn)，合在一起，不是難上加難，而是難的難次方。
而豆包扛住了一切。
經(jīng)受住了不給容錯的考驗。
在這個水準(zhǔn)面前，同行還是太普通了。
這是，徹底的技術(shù)碾壓。
祝各位新春快樂。
新的一年像豆包一樣，又美，又夯。
生活的難題，根本難不住你。
*文中總臺春晚畫面歸中央廣播電視總臺版權(quán)所有
轉(zhuǎn)載請在文章開頭和結(jié)尾顯眼處標(biāo)注：作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載，授權(quán)事宜請聯(lián)系作者本人，侵權(quán)必究。
本文禁止轉(zhuǎn)載，侵權(quán)必究。
授權(quán)事宜請至數(shù)英微信公眾號(ID: digitaling) 后臺授權(quán)，侵權(quán)必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）