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。