新眸原創·作者 | 鹿堯

上個月，2026世界數字教育大會在杭州開幕。中國美術學院作為大會“藝術與科技的共生共創”參訪線路的展示窗口，向人們呈現了一堂別開生面的中國畫實踐課。

一間教室里，圍了幾圈人，內圈有一張鋪了宣紙的桌子，美院教授正在畫一幅《清廉二友圖》，墨色在筆尖暈開。身后豎著的一塊屏幕，有研究人員借助國畫創作平臺，在鍵盤上陸續敲出指令，不多久，一幅國畫風格的圖像出現在屏幕上。

這個場景有趣的地方在于：一邊是毛筆與墨汁，一邊是算法與算力，兩種看起來毫不相干的工具，在同一場演示里完成了同一件事——創作一幅水墨畫。

一場展示背后，是中國美術學院與火山引擎聯合研發的“中國畫智能體”。雙方從啟動到交付用了5個月，核心支撐是火山引擎提供的“高質量數據集”產品，以及圍繞約數萬張張中國畫精品訓練出的垂類模型。

在此之前，火山引擎的數據方案已服務過不少非標準化、非結構化的數據場景。而這次，數據變成了花鳥畫，標簽變成了筆墨、氣韻、留白、章法，交付物變成了一個能鑒賞、能生成國畫的AI。

一個專注AI的科技公司，一個聚焦藝術美學的美術學院，兩邊的結合，與其說是戰略合作，不如說是在行業拐點上的一次自然碰撞。而碰撞的結果，還有一條可以復制的路徑：讓一個非技術背景的垂直行業，用自己的高質量數據，在大模型之上長出屬于自己的AI能力。

01

數字化做了20年

但機器還是不懂國畫

如果把藝術品數字化比作一條路，過去20多年，文博機構和藝術院校都在走：把畫拍成高清圖，掃描成數字文件，掛到網上。這條路沒錯，傳播面確實廣了，社會美育確實推進了。

但這只是“數智化”的前半段。后半段的“智”，一直很少有人走通。

國畫的“皴法”“設色”“構圖”“款識”“意境”這些概念，對于很多人來說已是“只可意會不可言傳”，更別說只認代碼的機器了。而通用大模型訓練所依賴的互聯網公開數據，在藝術領域又以英文網頁為主，西方油畫和卡通風格占了絕大多數——兩重因素疊加，導致通用模型對國畫的理解幾乎空白，更難以體會中國畫的筆墨邏輯。

舉個例子，它也許可以把一只鳥畫得很像，但不懂“留白”是什么意思，不知道“氣韻生動”為何物。如果你讓它畫一幅“清供圖”，它可能給你堆滿整個畫面，但毫無章法。

中國美術學院教授盧濤回憶，此前他用某個AI工具生成國畫，出來的東西像卡通畫，題跋和印章都沒有。“它沒學過，當然不知道有這些東西。”

這并不是技術不行，而是數據沒喂對。

在盧濤看來，生成式AI最擅長的就是視覺內容生成，而中國美院大部分專業恰恰屬于視覺藝術——兩者天然相關。在探索“藝術+AI”的融合這件事上，美院沒有理由不去做。

但問題在于，美院是一所純藝術院校，沒有計算機學科，也沒有足夠專業的AI技術團隊，因此他們認識到，必須找一家既有技術能力、又能理解內容需求的科技公司來進行合作。

問題自然變成了：誰能幫美院把那些“只可意會”的藝術知識，變成機器可讀、可訓練的數據？

事實上，早在十四五規劃期間，學校就提出了“美育星球”的概念，建立自己的非結構化數字資源平臺，把各個教學單位的數字化資源匯集起來，做了初步的編目和標簽。2024年，美院開始系統性地謀劃“藝術+AI”。多模態AI爆發后，美院能快速切入，靠的就是這幾年的積累。

嚴侃是中國美術學院信息技術中心副主任，他先后接觸了好幾家國內大廠。最后選中火山引擎，理由很簡單：火山引擎在多模態大模型方面有著較為深厚的實力。

“特別是在視覺生成領域，已經有業內領先的模型。”

更重要的是反應速度。達成共識之后，火山引擎迅速拉了一個十幾個人的專班小組，全面對接。“沒有廢話，我講清楚我有什么、我要什么，他講清楚他有什么、他的目標是什么。兩邊對完，后面推進就非常快了。”

2025年下半年，雙方正式啟動合作。項目鎖定在一個非常具體的點上：中國畫的花鳥方向。

02

火山引擎的方案：

從數據到智能體

中國美院有近30個專業。國畫是最傳統的門類之一，而花鳥方向又是國畫里最難標準化的。

難在哪？國畫的評判標準不是“像不像”，而是筆墨、氣韻、神似。這些東西很難量化。

如果只看技術層面，火山引擎提供的是標準的AI能力：基模、算力、自動化標注工具、智能體封裝。但真正讓美院覺得不可替代的，是這套“高質量數據集+智能體”解決方案的全流程落地能力。

美院的第一步，不是直接扔畫給AI，而是先做了一套18個維度的標簽體系。這些標簽包括皴法、設色、構圖、款識、印章位置、題跋內容等等。

火山引擎的數據集建設服務，提供標準定義與規范化工具，幫助美院將這18個維度轉化為機器可讀的元數據結構。從抽象的“氣韻”到具體的“筆觸類型”，每一個藝術特征都被拆解為可標注的字段。

緊接著就是知識庫訓練與自動化打標，他們先不急著標畫，美院給模型“開書單”，哪些經典畫論、哪些權威教材、哪些代表作品是AI必須學習的。模型先讀這些內容，建立對國畫的基礎認知，然后再對畫作進行自動標注。

火山引擎的自動化打標工具支持參數化配置，美院專家可以在后臺定義標注維度和規則。系統實時監控打標進程，自動生成圖文對。整個過程不是黑盒——標注結果支持一鍵導出，專家可以隨時人工校驗和調整。

這樣一來，美院團隊在自動標注結果進行復核，發現不對的就改，發現維度缺失的就補。火山的技術專家還提醒美院：不能只給“好”的畫，得把“一般”和“差”的也放進去，否則AI不知道好壞標準。

這個“好中差”樣本策略，來自火山引擎在垂類模型訓練中的經驗。最終，美院提供了數萬張代表性畫作，覆蓋各朝代、各主流流派。經過多輪迭代，自動化標注的一次性通過率達到95%，修改后的通過率超過99%。

在高質量數據集的基礎上，火山引擎幫助美院進行模型的定向優化。通過模型后訓練（Post-training）技術，將國畫鑒賞、藝術創作理論等專業知識注入模型。針對不同業務需求，分別訓練了用于藝術風格遷移、衍生品輔助設計、國畫元素生成的專屬垂直模型。

最后，他們將多個定制化模型組合，封裝成開箱即用的智能體。用戶只需要自然語言輸入，即可獲得專業的藝術解析或完成基礎的藝術創作。智能體能力可靈活集成至小程序、交互大屏或Web端。

嚴侃提到，在交互設計上，火山引擎為他們提供了關鍵的產品經驗。最初的設計是純對話框，用戶需要輸入文字描述來生成圖像。但內部封閉測試發現，不太懂藝術的人根本不知道該怎么描述需求。后來雙方就把產品升級成“用圖來選”的方式，分維度給提示詞，甚至考慮到外國用戶可能更不了解中國畫，還做了中英文版本。

從交付成果來看，火山引擎沒有把模型“黑盒化”。他們將幾個定制化模型做了服務編排，搭出一條“理解—推理—生成”的工作鏈路，再封裝成一個智能體。

這個智能體集成了兩個核心能力：一是國畫繪畫大模型。你輸入一段文字描述，或者上傳一張參考圖，它就能生成一幅符合國畫意境的畫作。其次是衍生品設計大模型，它能自動提取畫作里的經典元素——比如一朵花、一只鳥、某處留白，然后重新組合，變成適合絲巾、帆布袋、明信片的設計草圖。

這兩個能力可以低門檻地接入小程序、交互大屏或者網頁端，不管是展廳互動、課堂教學，還是文創產品開發，都能直接調用。

據盧濤回憶，良渚的那次會議上，聚集了近百名中外嘉賓。一位外國嘉賓來得晚了一些，時間充裕，他親自上手，用AI畫了一幅自己心目中的畫。臨走時，美院給他打印成一個杯墊。他很喜歡，又問要了兩個。

03

最難的不是技術，是“神韻”

在整個合作中，火山引擎有兩個特點讓美院的團隊印象深刻。

一是對內容的理解。火山引擎旗下的豆包大模型家族，已經在多模態生成領域積累了大量的用戶反饋和工程經驗。

其次是共創態度。嚴侃提到，相比“你把數據給我，我給你輸出模型”的黑盒交付。藝術數據集本身就是美院的核心資產，火山引擎在這件事上的做法是：共同開發，數據歸用戶，技術能力開放。這種模式，在當下的AI合作中并不常見。

坦白說，乍一看，當下交付的智能體可能算不上什么“顛覆性產品”。

但恰恰是這種“不大”的試驗，反而更值得思考。

你可以將它當作一次“最小可行性閉環”的驗證。 美院和火山用不到半年的時間，把一個最傳統的藝術門類，完整地走通了“數據→模型→應用”的全流程。證明了一件事：一個沒有足夠技術能力的專業機構，完全可以依靠自己的高質量數據，在通用大模型之上長出屬于自己的AI能力。

盧濤反復提到一個觀點：AI介入一個藝術品類之后，應該產生一種新的藝術形式，而不是去復刻舊的藝術形式。

他舉了個例子，攝影術發明之后，如果人們只想著“怎么拍出油畫效果”，那今天就不會有電影。電影是一種全新的藝術形式，它集成了美術、表演、文學、音樂，帶來了新的生產力、新的經濟模式，甚至帶來了最早的空調——因為電影院太悶熱了。

再比如書法和字體的關系。80年代電腦普及后，出現了字庫。今天的上網、打字，用的99.9%是字體（宋體、楷體、黑體），而不是書法家手寫的字。字體沒有沖擊書法，它們并行存在，而且字體本身已經形成了一個巨大的經濟體。

“AI會不會侵害原來的藝術？我覺得不會。它會出一種新的東西，新的東西會帶來新的生產關系、生產力、生產要素。”盧濤說。

從這個角度看，這次“中國畫智能體”的真正價值，不在于它今天能畫得多像齊白石，而在于它為“新中國畫”的可能性投下了一塊問路石。

在這個過程中，火山引擎這類技術廠商所扮演的角色值得重新審視。

相比“給一個現成的模型”，或者“做個外包項目”，它提供的是一個能力基座，圍繞基模、算力、自動化標注工具、智能體封裝經驗，需求方自己的數據、自己的專家知識、自己的審美判斷，始終掌握在自己手里。

這種“用戶擁有數據、平臺提供能力”的共創模式，可能是未來垂直行業落地AI的更主流路徑。 尤其是對于那些把數據視為核心資產的機構。

從這個意義上說，中國美院和火山引擎的這次合作，與其說是一個“交付了兩個智能體”的項目，不如說是一次“方法論”的共構。它回答了一個很多人關心的問題：一個非技術背景的專業機構，怎么用AI？

答案并不復雜：找準自己的數據壁壘，找一個愿意共創的技術伙伴，用一個最小的閉環跑通全流程，然后迭代、迭代、再迭代。

至于新的形態長什么樣，現在還看不清楚。但至少，那個站在屏幕前用AI畫畫的泰國大使，那些感知到“距離我的研究領域最遠，卻給了我最大張力”的藝術家，已經感受到了點什么。

那可能就是一種新的可能性的開始。