春晚揭秘！蔡明的「大孙子们」，背地里竟在干这些

Jay 发自 凹非寺
量子位 | 公众号 QbitAI

嚯！先是OpenClaw玩转互联网，这下春晚也被机器人占领了。

打开电视，到处都是机器人，简直成了一场硅基生物狂欢节。

宇树、魔法原子、银河通用……各家机器人轮番上阵，引得家里客厅惊呼连连。

确实很难想象，明明去年还在扭秧歌，今年居然已经发展成了这样子。

但要说印象最深刻的，还得是松延动力的这个小品节目，《奶奶的最爱》。

蔡明老师的大孙子们——西天取经四「人」组，闪亮登场！

当时这四位一立正，我一看，就寻思最右边这小家伙不简单。

不仅衣服是本命红，还戴个红色小棉帽，估计是最受偏爱的「大孙子」。

也确实不怪节目组偏心，这个小奶音，配上拽拽的走路姿势，实在太萌了。

但可别被它的外表轻易蒙蔽，最受奶奶偏爱的「孙子」，说话可是相当不饶人。

• 你确实是个笑话！

对了，亦庄机器人马拉松上的「小孩哥」也在，这次还是双胞胎。

讲着讲着，咵一下给观众来了个后空翻。

下面更是重磅，千算万算没算到，会有个和蔡明老师长得一模一样的机器人出现……

很难想象，这要是去年的我，看到2026年春节的自己窝在沙发上——

嗑瓜子的手停滞在半空中，目瞪口呆地看着这一个比一个离谱的机器人，会是什么想法……

春晚幕后大揭秘

线上终究隔了层屏幕，为了检验这些机器人在节目下的真实表现，量子位特意近距离给大家伙瞅了瞅。

看，这就是春晚开场登台的，蔡明老师的宝贝大孙子组合！

台上表现很chill，其实训练相当刻苦，天天搁这猛猛排练节目。

令人印象深刻的是，相比节目上，「小孩哥」在线下的冲击力明显强很多。

小身体大能量，而且有声音的加成，机器元件在空翻时碰撞的听感非常清脆。

听松延动力的工作人员说，「小孩哥」每天的日常就是随地大小翻，室内翻完马路翻，马路翻完草坪翻。

为了给观众表演一次成功的空翻，「小孩哥」承受了太多它这个年龄不该承受的东西…

接下来，要给大家着重介绍，这次春晚松延动力大家族中，我个人最喜欢的机器人——小布米。

对，就是节目上一身本命红，脑袋上系个大棉帽的「小奶娃」。

这是全球首款万元级机器人，售价9998元起

特别迷你，身高不到一米，跟刚学会走路的小朋友差不多。

配合上这劲爆的舞姿，实在太萌了。

最让我惊喜的，是它的语音交互。

当时工作人员让它讲了个冷笑话。

要不是现场人太多，我真有点要蚌埠住了。关键谁受得了它这样「一本正经」地调侃企鹅啊。

问了下才知道，奶声奶气的小布米背后，原来是AI界的「小品女王」——豆包

没错，它俩底层都是豆包大模型

虽然个头小小，但智商真不容小觑。

我们在现场考了它那个困扰无数顶尖AI的「洗车悖论」：

• 家离洗车店800米，我应该开车还是走路去？

本来没抱啥希望，结果——它居然答对了！？

平时没少和AI语音聊天，但亲眼看到这么小一个机器人，用奶声奶气的萌娃音跟你说话，真的很不一样。

EQ也很高。

当听到有人说「和朋友吵架了」，小布米没有一上来就讲大道理，而是先共情：「一定很难受吧。」

还拿「牙齿和舌头」打比方，说好朋友闹别扭很正常，建议等气消了好好聊聊。

大过年的，咱就不要搞硬核技术测试了。

量子位托小布米祝大家马年快乐，「快乐马不停，每天都马力全开」！

不错不错，咱也算是第一波收到硅基生物定制拜年的人类了。

松延动力x火山引擎，大脑与身体的强强联手

2025年底，松延动力发布了首款万元级人形机器人小布米Bumi，面向ToC启动了量产。

但光有硬件还不够。要想真正交付给消费者，小布米必须能自然地和人交互。

毕竟，目前家庭场景里，机器人的核心角色还是「陪伴」。如果不能说话、听不懂指令，体验会大打折扣。

语音是消费级机器人的关键入口。不管是陪聊、跳舞，还是日常互动，几乎都得靠对话来触发。

这也正是火山引擎和松延动力达成合作的重要契机。

没想到的是，在正式交付前，春晚成了第一个实战考场。

松延动力的节目比较特殊，它不是纯表演型，而是语言类，高度依赖实时对话和角色互动。

而在真人陪聊、角色扮演这一块，豆包应该是当之无愧的「女王」了。

于是双方一拍即合，把这套方案搬上了春晚舞台。

具体来说，火山引擎为「演员们」定制了一套端到端的豆包语音交互全家桶，核心是三个环节：ASR（语音识别）、LLM（大语言模型）、TTS（语音合成）。

先看ASR。

这个环节直接影响模型智商的下限。识别出了问题，LLM再聪明，回复也是牛头不对马嘴。

火山引擎为松延动力配的豆包语音识别模型2.0，是一双会「思考」的耳朵。

打个比方，一般来说，当你提到苏辙被贬的「筠州」，普通模型很容易听成其他同义词，比如「云州」或「郓州」。

人类通常不会犯这种错误，只要有一定的上下文，我们就能反应过来——

「噢，现在在聊苏辙，那应该是筠州。」

豆包的语音识别便参考了这种真人交互习惯。

接下来便交由LLM组织语言，采用的是豆包大模型

这点就不多做赘述了，大家日常都体验过。

一旦LLM开始输出第一个Token，TTS便开始同步生成语音，边生成边播放。

当然，让人感受最直观的，肯定还是听到声音出来的那一瞬间。

这次春晚用的是豆包语音合成模型2.0

相比传统模型，豆包在文本的情绪演绎上下了更多功夫，比如语气、语调、停顿等。

这层额外的情绪信息，是豆包的「人味秘方」。

不仅音色还原度高，更能根据当前对话内容，选择最合适的「声音表演」方式。

可能有人会说：这套「听见-思考-说话」的闭环，火山引擎上不是早就有现成方案了吗？

理论上没错，但要达到春晚级别的效果，不是调个API就能搞定的。

最直观的差异来自输入端硬件。

机器人的摄像头分辨率不如手机，麦克风阵列布局、收音结构也不同。这些都得重新适配和优化。

更大的挑战是使用场景

平时你用手机和AI聊天，嘴离麦克风就十几厘米；但在家庭场景里，人和机器人往往隔着一到两米，甚至更远。

而春晚舞台？更是地狱级难度：演员站位不固定、环境噪音嘈杂、网络信号波动……

并且几乎零容错，全国观众盯着的。

为了保证节目效果，火山引擎直接开启「爆肝模式」，专门打造了一套春晚定制版实时音视频方案，负责语音数据的采集、处理和低延迟传输。

在此基础上，还叠加了多项黑科技：3A降噪、VAD打断、声纹识别……

可以说，为了让机器人在台上博观众一笑，火山引擎在背后都快转冒烟了。

最终效果大家也看到了。整体时延控制在1秒以内，已经接近人与人对话的自然状态。

不过，费这么大功夫，如果只是为了和机器人聊天，有点杀鸡用牛刀。

具身形态的真正价值，在于它可以把语言和肢体动作结合起来。

举个例子。

当一个小朋友放学回家，郁闷地站在门口叹气：

「我今天考试考砸了。」

如果只是个智能音箱，或许只能说——

「没关系，我们一起看看哪里可以改进」。

但如果是小布米，它可以慢慢走到孩子身边，伸出「圆手」，轻轻拍拍他的肩膀。

这一刻，肢体接触传递的温度，是再多文本Token也换不来的。

具身智能正在走向消费级

自去年夏天的WAIC以来，关于人形机器人是不是泡沫的争论，几乎没停过。

但另一方面，这恰恰也说明，机器人在公众视野里的出现频率越来越高，迭代速度越来越快，已经到了无法被忽视的程度。

去年春晚，人形机器人还只是在台上转个手绢；

今年呢？遍地开花，连小品都安排上了。

尽管如此，开怀大笑之后，仍然无法避免那个灵魂之问：

我们真的需要讲小品的机器人吗？

对此，松延动力创始人姜哲源的回答是：

技术存在的意义，从来都不只有帮人类干活。

在他看来，对于所有产品，价值都可以分为两种，实用价值和情绪价值。

很多消费品都不能干活，它们存在的意义，就是让人开心。

机器人也一样。

能端茶倒水当然最好，但如果它能陪伴老人、安慰小孩、甚至让你笑出声，那也是一种真实的价值。

更何况，对消费级市场而言，机器人也并不是只能提供情绪价值。

K12教育，便是松延动力正在重点探索的下一个落地方向。

以编程为例，有一个硬件载体，孩子能更直观看到代码-动作的映射，会如何影响现实世界。

这种即时、具象的反馈，是屏幕给不了的。

而人形，本身就是人类科技最前沿、也最浪漫的想象。

小布米支持图形化编程，通过拖拽式编程软件，孩子可以给机器人设定这样一个任务：

• 在父母结婚纪念日时，从房间里走出来，比一个心。

姜哲源表示，有一个机器人在家里，对拓宽孩子的视野有很大帮助。

• 如果孩子从小就接触人形机器人，他对这些领域的感知，会比同龄人早好几年。

事实也印证了松延动力的思考。

从一线反馈看，无论是家长还是学校，对教育机器人都有非常强烈的需求。而这些需求，都是现有技术已经能满足的。

过去，人形机器人的落地场景，主要还是两类：商演和科研

但这两条路，都算不上「长坡厚雪」。

商演天然有边际效应递减。

第一次看很惊艳；第二次，还不错；但第三次，就不禁想问「它啥时候能去工厂拧螺丝？」

相对而言，科研要坚固一些。但场景集中在高校，天花板很大程度上取决于学校预算。

而且，科研存在周期性波动，一旦热度下降，需求回落得也会很快。

教育，可能是破局的关键。

首先，这是一场确定性极高的大趋势：随着AI渗透进基础教育，人形机器人作为「具身教具」，角色只会越来越重。

一开始可能集中在超级城市，但很快会向其他地区渗透。最终，这会是一个规模巨大的市场。

更重要的，是渗透深度。

机器人+教育，不是把一台机器人塞进教室这么简单，必须配套完整的体系：

教师培训、课程设计、教学场景适配、评估标准……

一旦这套解决方案跑通，形成成熟的解决方案，机器人会成为教学基础设施的一部分，提供长期稳定存在的结构性需求。

虽然暂时还不能在家当保姆，但这个中间态，可以在创造价值的同时，为具身智能的发展，争取更多时间，

跳舞、演小品，只是起点。

未来，硅基智能在生活中的比例只会越来越高。

也许五年后的除夕夜——

真会有一台机器人，翘着二郎腿坐在你家沙发上，一边帮你剥瓜子，一边吐槽春晚节目。