“这是一头牛吗，为什么像个自行车座？”站在上海浦东美术馆“非常毕加索”展区中央，有人看着那件由废弃车把和座椅拼成的雕塑，忍不住对着手机屏幕发问。几秒后，一个温和而清晰的声音回应：“这是毕加索1942年的作品《牛头》。他不是在画牛的外表，而是用现成物品抓住‘牛’的本质——车把是角，座垫是脸，组合起来就是一头充满力量感的牛。”
这不是科幻电影，也不是未来设想。日前，在浦东美术馆的展厅里，很多观众正在通过字节跳动旗下AI助手豆包的视频通话功能，与眼前的艺术品展开实时对话。只需打开App，对准展品，就能获得一位随时待命、知识渊博、永不疲倦的“私人讲解员”。
字节跳动与上海浦东美术馆达成合作，字节跳动旗下豆包已经成为该馆两项国际大展——“图案的奇迹：卢浮宫印度、伊朗与奥斯曼的艺术杰作”与“非常毕加索：保罗·史密斯的新视角”的官方AI讲解员。这也是国内首个在美术馆场景中规模化落地的AI视觉导览应用。
从“看不懂就走”到“越问越懂”
长久以来，博物馆和美术馆的公众教育面临一个结构性难题：艺术解释高度依赖稀缺人力。专业讲解员数量有限，专家讲座名额紧俏，普通观众站在一件陌生作品前，往往只能依靠展签上寥寥数行文字，或干脆“打卡拍照、匆匆离场”。
而豆包的出现，正在打破这一瓶颈。相关项目负责人介绍，视频讲解功能基于Seed1.8模型的视频理解能力。目前Seed1.8在视频感知、流式、视频理解方面都达到了SOTA水平。它不再局限于“拍图、发送、提问，再拍图、再提问”的模式，而是能持续理解观众眼前不断变化的视角和场景，从而实现连续、自然、像人一样的对话交互。
此外，豆包具备强大的视觉语言理解能力，可在非标准拍摄条件下（如画面抖动、局部遮挡、弱光）准确识别高度相似的展品，并基于权威资料库提供结构化解读。
例如，在“图案的奇迹”展厅，当观众对伊朗17世纪中叶的《赛诗会饰板》的画面场景感到好奇时，只需向豆包提问，它便能从画面所描绘的特定波斯文学场景讲起，并进一步说明这类艺术品在当时宫廷与文人生活中的文化功能。若观众追问“这种技法特别在哪里”，豆包可立即切换到对其材质与技法细节的补充说明，剖析细密画所采用的矿物颜料、金箔贴饰等精微工艺，说明其何以体现萨法维王朝的艺术巅峰。
此次上线的服务支持两种讲解模式：“大众模式”侧重艺术史脉络、技术细节与跨文化比较；“亲子模式”则采用故事化语言，适合家庭观众。更重要的是，系统支持连续对话与上下文理解，真正实现“按兴趣切入、按需深入”。
在《图案的奇迹》印度展区，一件17世纪的匕首常被忽略。当有人问：“这把刀能当马年的吉祥物吗？”豆包不仅准确识别出展品名称，马头象征的勇武精神，甚至主动关联中国传统文化中的“龙马精神”：“古人认为马有龙性……这把匕首上的马头，其实暗合了‘龙马精神’里昂扬向上的气质。”
北京大学教授朱青生在现场测试时故意提问：“刀柄与刀刃如何连接？”豆包答出“采用柄芯铆合法”，并描述黄金加固工艺，豆包的答案让朱青生感到佩服，“但我依然会带着专业的视角多琢磨”。复旦大学中文系教授梁永安更是直言：“人们的精神世界不该存在数字鸿沟。”他认为豆包这样的AI讲解为人们提供了一个良好的通道，有价值的对话空间。
不只是讲解员，更是观展伙伴
豆包的功能远不止于回答问题。它还能根据用户需求提供路线规划、拍摄建议和重点推荐。当记者表示“想拍点照片”，豆包主动提醒：“那些有复杂花纹的展品，拍的时候尽量凑近点，把细节拍清楚。”当被问及“三楼四楼有什么可看”，它迅速列出各楼层重点展品，并推荐四楼露台“看东方明珠和外滩视野特别好”。
一位带孩子参观的母亲说：“以前根本不敢带他来看这种展，怕他无聊。现在他自己问，自己找答案，反而更专注了。”这种“掌握节奏”的自主性，极大提升了文化参与的质量。
浦东美术馆董事长李旻坤强调：“过去我们贴二维码、做语音导览，但信息始终有限。人工讲解员再专业，也无法覆盖所有观众、回答所有问题。而AI可以做到‘千人千面’，让每个人按自己的节奏和兴趣探索展览。”
字节跳动副总裁朱骏也就豆包看展体验和媒体人陈鲁豫进行了对谈，朱骏表示，AI和用户的交互本质上是一种对话体验。在观展过程中，希望豆包通过共情式的提问和启发式的对话，把用户已有的感受和经验调动出来，形成更有参与感的理解过程。
此前，豆包就曾与中国国家博物馆、中国钱币博物馆、河南博物院、山东博物馆、安徽博物院、成都博物馆以及洛阳博物馆等七家国家一级博物馆达成合作，共同打造数字化看展体验区。未来，更多地方博物馆的“沉默藏品”，或将借AI重获声音。
著名艺术家陈丹青与北京大学教授、艺术史学者朱青生表示，人文精神是人所特有的，它永远在AI之外，随着AI的发展，人们也更应珍惜它所不能到的地方。
南京晨报/爱南京记者 杨静