Jay 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

嚯！先是OpenClaw玩轉(zhuǎn)互聯(lián)網(wǎng)，這下春晚也被機(jī)器人占領(lǐng)了。

打開電視，到處都是機(jī)器人，簡直成了一場硅基生物狂歡節(jié)。

宇樹、魔法原子、銀河通用……各家機(jī)器人輪番上陣，引得家里客廳驚呼連連。

確實(shí)很難想象，明明去年還在扭秧歌，今年居然已經(jīng)發(fā)展成了這樣子。

但要說印象最深刻的，還得是松延動力的這個小品節(jié)目，《奶奶的最愛》。

蔡明老師的大孫子們——西天取經(jīng)四「人」組，閃亮登場！

當(dāng)時這四位一立正，我一看，就尋思最右邊這小家伙不簡單。

不僅衣服是本命紅，還戴個紅色小棉帽，估計(jì)是最受偏愛的「大孫子」。

也確實(shí)不怪節(jié)目組偏心，這個小奶音，配上拽拽的走路姿勢，實(shí)在太萌了。

但可別被它的外表輕易蒙蔽，最受奶奶偏愛的「孫子」，說話可是相當(dāng)不饒人。

• 你確實(shí)是個笑話！

對了，亦莊機(jī)器人馬拉松上的「小孩哥」也在，這次還是雙胞胎。

講著講著，咵一下給觀眾來了個后空翻。

下面更是重磅，千算萬算沒算到，會有個和蔡明老師長得一模一樣的機(jī)器人出現(xiàn)……

很難想象，這要是去年的我，看到2026年春節(jié)的自己窩在沙發(fā)上——

嗑瓜子的手停滯在半空中，目瞪口呆地看著這一個比一個離譜的機(jī)器人，會是什么想法……

春晚幕后大揭秘

線上終究隔了層屏幕，為了檢驗(yàn)這些機(jī)器人在節(jié)目下的真實(shí)表現(xiàn)，量子位特意近距離給大家伙瞅了瞅。

看，這就是春晚開場登臺的，蔡明老師的寶貝大孫子組合！

臺上表現(xiàn)很chill，其實(shí)訓(xùn)練相當(dāng)刻苦，天天擱這猛猛排練節(jié)目。

令人印象深刻的是，相比節(jié)目上，「小孩哥」在線下的沖擊力明顯強(qiáng)很多。

小身體大能量，而且有聲音的加成，機(jī)器元件在空翻時碰撞的聽感非常清脆。

聽松延動力的工作人員說，「小孩哥」每天的日常就是隨地大小翻，室內(nèi)翻完馬路翻，馬路翻完草坪翻。

為了給觀眾表演一次成功的空翻，「小孩哥」承受了太多它這個年齡不該承受的東西…

接下來，要給大家著重介紹，這次春晚松延動力大家族中，我個人最喜歡的機(jī)器人——小布米。

對，就是節(jié)目上一身本命紅，腦袋上系個大棉帽的「小奶娃」。

這是全球首款萬元級機(jī)器人，售價(jià)9998元起

特別迷你，身高不到一米，跟剛學(xué)會走路的小朋友差不多。

配合上這勁爆的舞姿，實(shí)在太萌了。

最讓我驚喜的，是它的語音交互。

當(dāng)時工作人員讓它講了個冷笑話。

要不是現(xiàn)場人太多，我真有點(diǎn)要蚌埠住了。關(guān)鍵誰受得了它這樣「一本正經(jīng)」地調(diào)侃企鵝啊。

問了下才知道，奶聲奶氣的小布米背后，原來是AI界的「小品女王」——豆包

沒錯，它倆底層都是豆包大模型

雖然個頭小小，但智商真不容小覷。

我們在現(xiàn)場考了它那個困擾無數(shù)頂尖AI的「洗車悖論」：

• 家離洗車店800米，我應(yīng)該開車還是走路去？

本來沒抱啥希望，結(jié)果——它居然答對了??？

平時沒少和AI語音聊天，但親眼看到這么小一個機(jī)器人，用奶聲奶氣的萌娃音跟你說話，真的很不一樣。

EQ也很高。

當(dāng)聽到有人說「和朋友吵架了」，小布米沒有一上來就講大道理，而是先共情：「一定很難受吧?！?/p>

還拿「牙齒和舌頭」打比方，說好朋友鬧別扭很正常，建議等氣消了好好聊聊。

大過年的，咱就不要搞硬核技術(shù)測試了。

量子位托小布米祝大家馬年快樂，「快樂馬不停，每天都馬力全開」！

不錯不錯，咱也算是第一波收到硅基生物定制拜年的人類了。

松延動力x火山引擎，大腦與身體的強(qiáng)強(qiáng)聯(lián)手

2025年底，松延動力發(fā)布了首款萬元級人形機(jī)器人小布米Bumi，面向ToC啟動了量產(chǎn)。

但光有硬件還不夠。要想真正交付給消費(fèi)者，小布米必須能自然地和人交互。

畢竟，目前家庭場景里，機(jī)器人的核心角色還是「陪伴」。如果不能說話、聽不懂指令，體驗(yàn)會大打折扣。

語音是消費(fèi)級機(jī)器人的關(guān)鍵入口。不管是陪聊、跳舞，還是日?；樱瑤缀醵嫉每繉υ拋碛|發(fā)。

這也正是火山引擎和松延動力達(dá)成合作的重要契機(jī)。

沒想到的是，在正式交付前，春晚成了第一個實(shí)戰(zhàn)考場。

松延動力的節(jié)目比較特殊，它不是純表演型，而是語言類，高度依賴實(shí)時對話和角色互動。

而在真人陪聊、角色扮演這一塊，豆包應(yīng)該是當(dāng)之無愧的「女王」了。

于是雙方一拍即合，把這套方案搬上了春晚舞臺。

具體來說，火山引擎為「演員們」定制了一套端到端的豆包語音交互全家桶，核心是三個環(huán)節(jié)：ASR（語音識別）、LLM（大語言模型）、TTS（語音合成）。

先看ASR。

這個環(huán)節(jié)直接影響模型智商的下限。識別出了問題，LLM再聰明，回復(fù)也是牛頭不對馬嘴。

火山引擎為松延動力配的豆包語音識別模型2.0，是一雙會「思考」的耳朵。

打個比方，一般來說，當(dāng)你提到蘇轍被貶的「筠州」，普通模型很容易聽成其他同義詞，比如「云州」或「鄆州」。

人類通常不會犯這種錯誤，只要有一定的上下文，我們就能反應(yīng)過來——

「噢，現(xiàn)在在聊蘇轍，那應(yīng)該是筠州?！?/p>

豆包的語音識別便參考了這種真人交互習(xí)慣。

接下來便交由LLM組織語言，采用的是豆包大模型

這點(diǎn)就不多做贅述了，大家日常都體驗(yàn)過。

一旦LLM開始輸出第一個Token，TTS便開始同步生成語音，邊生成邊播放。

當(dāng)然，讓人感受最直觀的，肯定還是聽到聲音出來的那一瞬間。

這次春晚用的是豆包語音合成模型2.0

相比傳統(tǒng)模型，豆包在文本的情緒演繹上下了更多功夫，比如語氣、語調(diào)、停頓等。

這層額外的情緒信息，是豆包的「人味秘方」。

不僅音色還原度高，更能根據(jù)當(dāng)前對話內(nèi)容，選擇最合適的「聲音表演」方式。

可能有人會說：這套「聽見-思考-說話」的閉環(huán)，火山引擎上不是早就有現(xiàn)成方案了嗎？

理論上沒錯，但要達(dá)到春晚級別的效果，不是調(diào)個API就能搞定的。

最直觀的差異來自輸入端硬件。

機(jī)器人的攝像頭分辨率不如手機(jī)，麥克風(fēng)陣列布局、收音結(jié)構(gòu)也不同。這些都得重新適配和優(yōu)化。

更大的挑戰(zhàn)是使用場景

平時你用手機(jī)和AI聊天，嘴離麥克風(fēng)就十幾厘米；但在家庭場景里，人和機(jī)器人往往隔著一到兩米，甚至更遠(yuǎn)。

而春晚舞臺？更是地獄級難度：演員站位不固定、環(huán)境噪音嘈雜、網(wǎng)絡(luò)信號波動……

并且?guī)缀趿闳蒎e，全國觀眾盯著的。

為了保證節(jié)目效果，火山引擎直接開啟「爆肝模式」，專門打造了一套春晚定制版實(shí)時音視頻方案，負(fù)責(zé)語音數(shù)據(jù)的采集、處理和低延遲傳輸。

在此基礎(chǔ)上，還疊加了多項(xiàng)黑科技：3A降噪、VAD打斷、聲紋識別……

可以說，為了讓機(jī)器人在臺上博觀眾一笑，火山引擎在背后都快轉(zhuǎn)冒煙了。

最終效果大家也看到了。整體時延控制在1秒以內(nèi)，已經(jīng)接近人與人對話的自然狀態(tài)。

不過，費(fèi)這么大功夫，如果只是為了和機(jī)器人聊天，有點(diǎn)殺雞用牛刀。

具身形態(tài)的真正價(jià)值，在于它可以把語言和肢體動作結(jié)合起來。

舉個例子。

當(dāng)一個小朋友放學(xué)回家，郁悶地站在門口嘆氣：

「我今天考試考砸了?！?/p>

如果只是個智能音箱，或許只能說——

「沒關(guān)系，我們一起看看哪里可以改進(jìn)」。

但如果是小布米，它可以慢慢走到孩子身邊，伸出「圓手」，輕輕拍拍他的肩膀。

這一刻，肢體接觸傳遞的溫度，是再多文本Token也換不來的。

具身智能正在走向消費(fèi)級

自去年夏天的WAIC以來，關(guān)于人形機(jī)器人是不是泡沫的爭論，幾乎沒停過。

但另一方面，這恰恰也說明，機(jī)器人在公眾視野里的出現(xiàn)頻率越來越高，迭代速度越來越快，已經(jīng)到了無法被忽視的程度。

去年春晚，人形機(jī)器人還只是在臺上轉(zhuǎn)個手絹；

今年呢？遍地開花，連小品都安排上了。

盡管如此，開懷大笑之后，仍然無法避免那個靈魂之問：

我們真的需要講小品的機(jī)器人嗎？

對此，松延動力創(chuàng)始人姜哲源的回答是：

技術(shù)存在的意義，從來都不只有幫人類干活。

在他看來，對于所有產(chǎn)品，價(jià)值都可以分為兩種，實(shí)用價(jià)值和情緒價(jià)值。

很多消費(fèi)品都不能干活，它們存在的意義，就是讓人開心。

機(jī)器人也一樣。

能端茶倒水當(dāng)然最好，但如果它能陪伴老人、安慰小孩、甚至讓你笑出聲，那也是一種真實(shí)的價(jià)值。

更何況，對消費(fèi)級市場而言，機(jī)器人也并不是只能提供情緒價(jià)值。

K12教育，便是松延動力正在重點(diǎn)探索的下一個落地方向。

以編程為例，有一個硬件載體，孩子能更直觀看到代碼-動作的映射，會如何影響現(xiàn)實(shí)世界。

這種即時、具象的反饋，是屏幕給不了的。

而人形，本身就是人類科技最前沿、也最浪漫的想象。

小布米支持圖形化編程，通過拖拽式編程軟件，孩子可以給機(jī)器人設(shè)定這樣一個任務(wù)：

• 在父母結(jié)婚紀(jì)念日時，從房間里走出來，比一個心。

姜哲源表示，有一個機(jī)器人在家里，對拓寬孩子的視野有很大幫助。

• 如果孩子從小就接觸人形機(jī)器人，他對這些領(lǐng)域的感知，會比同齡人早好幾年。

事實(shí)也印證了松延動力的思考。

從一線反饋看，無論是家長還是學(xué)校，對教育機(jī)器人都有非常強(qiáng)烈的需求。而這些需求，都是現(xiàn)有技術(shù)已經(jīng)能滿足的。

過去，人形機(jī)器人的落地場景，主要還是兩類：商演和科研

但這兩條路，都算不上「長坡厚雪」。

商演天然有邊際效應(yīng)遞減。

第一次看很驚艷；第二次，還不錯；但第三次，就不禁想問「它啥時候能去工廠擰螺絲？」

相對而言，科研要堅(jiān)固一些。但場景集中在高校，天花板很大程度上取決于學(xué)校預(yù)算。

而且，科研存在周期性波動，一旦熱度下降，需求回落得也會很快。

教育，可能是破局的關(guān)鍵。

首先，這是一場確定性極高的大趨勢：隨著AI滲透進(jìn)基礎(chǔ)教育，人形機(jī)器人作為「具身教具」，角色只會越來越重。

一開始可能集中在超級城市，但很快會向其他地區(qū)滲透。最終，這會是一個規(guī)模巨大的市場。

更重要的，是滲透深度。

機(jī)器人+教育，不是把一臺機(jī)器人塞進(jìn)教室這么簡單，必須配套完整的體系：

教師培訓(xùn)、課程設(shè)計(jì)、教學(xué)場景適配、評估標(biāo)準(zhǔn)……

一旦這套解決方案跑通，形成成熟的解決方案，機(jī)器人會成為教學(xué)基礎(chǔ)設(shè)施的一部分，提供長期穩(wěn)定存在的結(jié)構(gòu)性需求。

雖然暫時還不能在家當(dāng)保姆，但這個中間態(tài)，可以在創(chuàng)造價(jià)值的同時，為具身智能的發(fā)展，爭取更多時間，

跳舞、演小品，只是起點(diǎn)。

未來，硅基智能在生活中的比例只會越來越高。

也許五年后的除夕夜——

真會有一臺機(jī)器人，翹著二郎腿坐在你家沙發(fā)上，一邊幫你剝瓜子，一邊吐槽春晚節(jié)目。