每年春节前夕，都是互联网营销的关键阵地。

2025年也不例外。有别于红包、集福等常规玩法，越来越多的企业开始用AI“花式过年”。

比如百度搜索的“春节祝福语”活动，只需一张照片和一句文案即可生成一张喜庆的拜年贺卡，吸引无数人在朋友圈中秀创作、送祝福，用一种个性化十足的方式点燃了春节的热闹氛围。

01 “AI拜年”走红，密码是没有“AI味儿”

时间回到2023年初，AIGC的热潮刚刚被引燃，一些“聪明”的企业顺势抓住了“新春祝福”的流量风口，让AI帮用户生成祝福海报。

最终却未能出圈，没有在互联网上留下太深的记忆。

原因很简单，这样的海报有一股浓浓的“AI味儿”：文案看似辞藻华丽，但几乎没有什么意义，有些甚至简单粗暴的复制网络内容；生成的图片，无法避免一些常识性错误，比如生成的兔子是没有尾巴的。

为什么百度的“AI拜年”非但没有翻车，反而成就了一种新玩法呢？在回答这个问题前，先来体验下百度的“定制照片贺卡”。

首先在百度APP上搜索“春节祝福语”，进入到拜年的活动页面，找到“蛇年专属祝福”的服务。

进入到定制页面后，上传一张正脸照，用于定制专属照片贺卡。

照片上传后，输入一句话作为Prompt，比如画一个图中人在太空舱内挂中国结、画一个图中人在海底餐厅中与鲨鱼共享年夜饭、画一个图中人在长城上拉横幅写“新年快乐”、画一个图中在月球表面上撒红包……当然，也可以直接使用推荐的描述。

然后静静等待奇迹发生。

让我们惊讶的是，生成图片中的人物和上传的正脸照相似度高达90%以上。不仅没有出现张冠李戴，从整体到细节都可以用“逼真”来形容，几乎看不到“AI味儿”。

前面的问题，已然有了确切的答案。

一是更有“文化”。

有别于市面上形形色色的文生图类应用，百度实现了特定人物的图像生成，不仅懂技术，而且有“文化”。在中国的文化习俗里，春节的寓意绝不是表面上的贴春联、放鞭炮、吃饺子，而是团圆和祝福。拜年贺卡的“主角”定义为用户自己时，有着别样的情感，直接将“年味儿”拉满。

二是更加真实。

上述六张照片都是AI生成的，可以说毫无违和感，没有变形的手指，没有出现诡异的物品，而是完美还原了背景和人物的秒不特征，终于摆脱了“一眼假”的尴尬。（当我们把同一指令测试其他文生图应用时，生成的图片几乎看不到原图中人物的影子，而且每次生成的人物都不一样）。

做一个总结的话：AI给出了“拜年”新思路，精髓不在于形式上有多“花哨”，而是用技术弥补缺失的年味儿。看似是比拼创意的营销战，背后却是技术和创新能力的对垒。

02 “好玩”的背后，离不开iRAG技术

一个好的创意能否出圈，存在很大的偶然性；一项新的技术能否流行，在于解决了多少问题。

两年前ChatGPT横空出世，生成能力的进化刷新了人们的认知，但“一本正经地胡说八道”时有出现。这种现象被称作是“幻觉”，如果不能把“幻觉”出现的概率降到足够低，大模型就无法真正从“好用”变成“有用”。

消除“幻觉”的主流技术，正是RAG（检索增强生成），基本思想是通过从外部知识库中检索相关信息，并将这些信息作为额外的上下文提供给大模型，以提高生成内容的准确性和实用性。

文本生成的“幻觉”问题终于有了解题的方向，文生图的“幻觉”又该从何处着手呢？

2024年11月的百度世界2024大会上，百度创始人李彦宏在主题为《应用来了》的演讲中发布了一项赋能AI的技术——iRAG，摸索出了一条消除图像“幻觉”的可行路径。

iRAG技术可以看作是一种全新的检索增强文生图范式，将百度搜索的亿级图片资源和文心大模型的生成能力结合，实现了对用户的需求和真实世界的场景进行对齐，然后生成符合现实的图像。

作为一种纬度上的探索，iRAG通过提升系统复杂度，进一步提升了生成内容的可靠性，并赋予了文生图更大的实用性。

还是以“拜年贺卡”为例，本身并不是什么新创意，许多年前就有一些娱乐明星在春节期间给粉丝发祝福贺卡，不乏热搜级别的话题。然而，这样的祝福海报，需要一支专业的摄影团队，需要打光、调色、后期等一系列分工，成本高、耗时长，而且要来回沟通修改。

无幻觉、超真实、没成本、立即可取的iRAG，让“技术平权”成为了一种现实：在春节这样的传统节日里，普通用户也可以发挥自己的想象力，只需要上传一张照片，等待几秒钟，就能生成一张张有趣的“拜年贺卡”。过去专业团队才有的能力，“飞进了寻常百姓家”。

也就是说，拜年贺卡之所以没有“AI味儿”，iRAG技术有着不可或缺的作用，同时也通过一场面向亿万用户的“大练兵”，验证了iRAG技术在多模态融合、低门槛交互、场景泛化等方面的能力突破。

以往不少人对iRAG的理解，可能仅仅停留在了概念阶段，经过“AI拜年”的营销杠杆，无疑让更多人深切感受到了图像生成的另一种可能。

毕竟大模型浪潮已经持续了两年多，早已从对技术的“好奇心”转向大规模应用，而“幻觉”正是制约大模型应用落地的一大绊脚石。大众认知被刷新的同时，也为AI作为生产力工具铺平了道路。

03 更大的想象力，在于产业化落地

2024年初的时候，国外就有导演推出了全部素材均由大模型生成的短片，吸引了不少人的眼球。

可一年时间过去后，几乎看不到大模型参与的影视作品出现，正在上映的院线电影，没有一帧是大模型生成的。原因并不难解释，那部由大模型生成的短片，前后花费了3个多月进行制作，进行了大量的剪辑和拼接，成本远高于传统生产模式。

原因无他，任何技术和“生产力工具”挂钩后，准确性和可靠性始终是产业化落地的第一要义。

就现阶段而言，市面上比较流行的几个文生图应用，在很大程度上偏向“抽象的、超现实主义的艺术家”，对现实世界缺少了解，生成的图片天马行空，却和实用性存在本质矛盾。

iRAG是怎么降低幻觉的呢？百度CTO王海峰曾在媒体采访中将技术原理拆分为三步：

第一步是对用户的需求进行分析理解，自动规划精确或泛化方案，比如对哪些实体进行增强；

第二步是对需要增强的实体，检索并选择相应的参考图；

第三步是生成图像，使用了百度自研的多模可控生图大模型，通过注意力计算，在保持实体特征不变的情况下，实现了图像的高泛化生成，比如根据牛顿的肖像，生成绘本风格的牛顿（在实际落地应用中，iRAG也支持用户上传参考图，生成用户期望的图片）。

打个比方的话，iRAG将大模型从追求炫酷的艺术家，变成了严谨、靠谱的“美工”。追求的是提供可靠的解决方案，瞄准的是产业化落地，让技术真正能够服务于生产。

相较于To C的“意识流”产品，iRAG可能不是最引人注目的选择，却抓住了产业化的核心症结。

比如每天要出具大量效果图的建筑设计企业、处理海量产品图片的电商企业、面临大规模创意素材产出压力广告企业、批量生成样板间效果图的装修设计企业......他们需要的是标准化的内容生产，而且要稳定输出、行为可控，恰恰也是iRAG着力解决的问题。

这让我们想到了电灯的进化史：早在19世纪初，戴维·汉弗里就在课堂上演示了电流通过白金丝发光的现象，20年后诞生了由白金丝制成的炽光灯泡，直到爱迪生1879年研制出碳化纤维作为灯丝的白炽灯，可靠性和成本之间有了最优解，世界才慢慢被照亮。

沿循这样的逻辑，iRAG可能就是改变行业走向的那根“灯丝”，解决了图像生成的可靠性，同时给出了无法被拒绝的成本优势：譬如在品牌宣传场景中，拍一组汽车在某场景下的宣传海报，动辄大几十万，现在有了iRAG，只需要一句提示词，创作成本接近于0。

由此可以预见，建筑设计、广告策划、品牌传播、影视娱乐......所有涉及到图像制作的行业，都可能在iRAG技术的赋能下降本增效，在产业端释放出诱人的想象空间。

04 写在最后

两年前大模型刚走红时，没人想到会改变什么，现在已经逐步在各行各业落地，持续迸发出新质生产力。

也许两年后再来审视2025年初的“AI拜年”热，被记住的将不仅仅是“好玩”，而是iRAG走向千行万业的标志，届时将有50%的视觉设计基础工作都iRAG参与完成，连煎饼摊的老板都能设计出自己的个性化菜单。

在大模型的起始阶段，每一个创新都有可能开辟出一条前人未曾涉足的道路，iRAG的探索才刚刚开始。