透过春晚看我国AI算力这一块

（来源：中国经济导报）

转自：中国经济导报

本报评论员 | 张守营

除夕看春晚，这几年总少不了手机抢红包的环节。今年也是如此，只是当主持人引导观众打开豆包App时，很多人发现玩法变了——不再是点一下领个现成的红包，而是让AI给你画张画、写副春联。从“领方便面”到“现场做拉面”，这个变化看似轻巧，背后却是一次算力需求的百万倍跃升。

传统抢红包的逻辑是“库存分发”：红包提前包好，用户点击，服务器从数据库里取出来发给你。每一次点击消耗的算力不足十万分之一Tops，服务器主要是读写操作，属于典型的I/O密集型。但生成式AI完全不同，用户输入一句“给我画一匹奔腾的骏马”，大模型需要理解语义、调用图像生成模型、进行无数次的矩阵运算，在几秒钟内“无中生有”地创造出一张图。单次请求的算力消耗高达10Tops，是过去的100万倍。

更关键的是，这种百万倍级的消耗，要在春晚口播的短短几分钟内，同时承接上亿人次的洪峰。数据后来披露，除夕当晚21时46分，豆包大模型的推理吞吐量峰值达到了每分钟633亿tokens。这意味着那一瞬间，全国有上亿人同时向一个云端大脑发出请求，而那个大脑不仅没有宕机，还给每个人都单独生成了一份定制内容。

支撑这一切的，是背后看不见的算力调度能力。在除夕，抖音的弹幕在跑、头条的内容推荐在跑、外部客户的模型训练也在跑，大家都在抢同一块“算力蛋糕”。火山引擎的做法是把训练和推理任务错峰，把离线任务和实时任务调配，在几万个GPU之间做动态平衡。正是这种底层的调度智慧，让那些看似不可能的任务成了真——比如让徐悲鸿的《六骏图》在8K大屏上奔跑起来。

今年春晚有一个节目，让徐悲鸿笔下的六匹骏马从画中跃出，以水墨动画的形式在舞台上奔腾。这不仅是视觉上的享受，更是对算力精细化控制的一次检验。以往的AI生成视频，往往看着震撼但经不起细看。但春晚的舞台是8K/50FPS的超高清标准，每一根鬃毛的飘动、每一笔墨韵的晕染，稍有瑕疵就会被放大。为了还原水墨画的留白意境，同时保证马匹奔跑的物理真实，技术团队采用了“双模型协同”的方案：先用图像模型生成高质量的关键帧，再由视频模型在既定框架内完成动态演绎。这背后需要的不仅仅是算力堆砌，更是对模型指令的精准理解和执行——能让AI理解“跑慢一点”“鬃毛轻一点”这种感性指令，比单纯生成一段炸裂视频要难得多。

除了舞台上的炫技，今年春晚还有一个容易被忽视的细节——无障碍字幕。我国有2780万听障人士，往年他们看语言类节目，基本等于看默片。今年，抖音春晚直播间上线了全程实时无障碍字幕，准确率达到了95%。这95%的背后，是语音识别、自然语言理解、实时生成等一系列模型在毫秒级内的协同工作。它不像生成骏马那样酷炫，但它是AI算力从“炫技”走向“惠民”最真实的注脚。

回顾这一晚，可以看到中国AI算力发展的一些侧面。过去几年，谈论AI算力，总喜欢比参数、比榜单、比哪个模型在评测集上多拿了零点几分。但春晚提供了一个绝无仅有的真实场景：在14亿人眼皮底下，你能不能扛住真实世界的流量冲击；在8K标准下、在周更的创作节奏里，你能不能持续稳定地输出符合东方审美的内容。

从“抢红包”到“做拉面”，这不仅仅是互动形式的演变，也是算力基础设施从“资源搬运”向“能力生成”的转型。当633亿tokens的洪峰在除夕平稳度过，当水墨马在8K屏上栩栩如生，当听障人士第一次“听”懂春晚的笑点，这些场景共同勾勒出当下中国AI算力的真实面貌。或许正是这些真实的压力测试，让技术有了落地的质感，也让普通人切实感受到，那些听起来遥远的概念，正在成为生活里触手可及的东西。