带着见识人类对着AI蹦迪的好奇，我去看了全球首个AI艺人线下音乐会。
这是在9月11日晚，2026外滩大会的第三天，音乐会的主角是国内首个被认证的数字人Yuri——一个长着张元英混合刘亦菲混合郭碧婷的脸的虚拟少女偶像——只是在经历过元宇宙热潮的我看来，这都没特别的新鲜感。因此，当我提前一小时到了现场，看见人流长队时很惊讶：居然有这么多人愿意用周五的时间来看AI唱歌，这和一群人一起对着大屏幕看VCR有什么区别？
开场后几秒钟，我反应过来。
现场确实如你想象得那样，很大一部分内容是AI生成的虚拟少女在屏幕上表演，但不一样的是，他们还加入了真人的伴奏、助唱房东的猫。以及，很恐怖的，仿生机器人唱歌——虽然机器人没有任何表情的脸，只会再一次证明2026的物理AI是如何还有很远的路要走。结束后我在和主创们沟通中才知道，机器人没反应了其实仅仅是因为现场信号不好。
能够让AI和观众有交互，甭管这交互效果怎么样——这就是主创们的第一目标。
在结束后和他们的交流中，更多的细节被抖了出来——比如，前一天晚上到凌晨四点半，主创们还在争吵；比如，Yuri开场时说的那句“未必完美，务必发声”其实是赵汗青和AI沟通时，AI自己说出来的；再比如，导演组本来准备的结尾在当天出问题了，他们只好让Yuri自己设计了一个——Prompt，就是一句“Yuri你自己想一个结尾吧”，全程只花费15分钟。
以下是我记录的这个故事的更具体版本。这样的故事这两年我想我曾多次看见过，严格意义上他们都有一个共同的主题：
人和AI如何近距离交手，以及人和AI的磨合，往往会一次又一次地证明了人的不可替代性——
图源：顾翎羽摄
01
有限的才是珍贵的
演出开始前十几分钟，音乐会还没有设计结尾。
外滩大会AI艺术节出品人张友红记得，大家给它的提示很简单：“Yuri，你自己结个尾吧。”没有人预先知道它会说什么。最后五分钟，团队又临时加了一项要求：结尾得说一句上海话。
十几分钟后，那个结尾被确定放上99米长、接近12K分辨率的大屏。
在这个临时生成的段落里，Yuri说，自己可以无限地唱，以各种绚烂的方式一直唱；它却羡慕人的有限。张友红把它概括为：“它是无限的，人是有限的，但有限才是珍贵的。”
这句话成了整场演出结束后主创团队最大的心得之一。Yuri的创作团队试图让一个可以持续迭代、可以持续生成的AI人格走到线下。但真正在这个筹备的过程里，产生阻碍的重要因素是人会焦虑、会判断、会出错。
Yuri的构建者赵汗青说，这场活动被称为“音乐会”，其实也未必完全准确。纽约现代艺术博物馆曾有一场“对视”行为艺术，艺术家邀请路人与自己对视，作品本身由凝视和现场关系构成。在他看来，这更接近一场现场行为艺术：一个诞生约一年的AI虚拟人格，借助屏幕和具身形态，面对几千名真人，看看彼此会发生什么。
02
“明明看见了可以做，但时间不够”
这场活动一开始就充满了“实验”的意味。
3个月前，张友红给赵汗青打电话，说想在外滩大会做一个AI艺术节。赵汗青的反应很快：这件事可以一起做。
张友红没任何音乐会的策划经历。她只是觉得，外滩大会长期以科技创新为核心，这两年技术已经离开实验室，进入了普通人的日常生活。AI艺术节想讨论的，是生成式技术在内容与艺术表达上究竟走到了哪里，也想让没有耐心坐进一场技术论坛的人，能在另一种场景里感受到技术。
音乐会是艺术节的一个板块。其余两个板块是AI艺术展和影像展。团队请来的艺术指导中，有人从上世纪六七十年代就开始从事AI艺术。相关实验此前早已存在，区别在于，今天的模型、屏幕和观众都变了，原本更接近专业圈层的东西开始有机会面对大众。
赵汗青此前从事互联网产品工作。他在2025年6月初创造了Yuri，迭代次数已经难以统计。语音、音乐、动画或视频、思维，团队从多个维度给它持续更新。市面上的主流模型基本都会使用，团队把不同的技术像产品一样组织起来。
然而，流程推进后，事情没有变得轻松。
甚至，演出前一天，争论还持续到凌晨四点半。
03
为什么有人愿意站着看一整场屏幕
总导演张佳平时做的是艺人的演唱会。她接到项目时，最先想到的是一个传统舞台导演很难绕开的问题：为什么有人愿意来到这里，看一整场屏幕？
在传统晚会和歌会的生产逻辑里，播放VCR往往意味着收视或点击会下降。短视频平台上，观众会问片子什么时候过去，想看真人、看艺人。张佳和赵汗青都有一个共同的担心，人们会不会看一会儿就离开。
这个问题直到正式演出才可能有答案。开场后，张佳坐在导播机位旁，看着人不断进场。人越来越多，没有椅子，也没有一位真人艺人持续站在台上，但观众站着看了一小时以上。
《夜上海》响起时，有人跟着唱；小朋友出现时，有人发出惊叹；张佳身边的技术人员也跟着“哇”了一声。她后来觉得，最让她受触动的是这些画面之外的反应：有人真的愿意留到最后。
张友红此前给项目划了一条底线。“如果大家对它的感觉是在看屏幕，”她说，“无论这个屏幕是精彩的还是不精彩的，体感就是在看屏幕，那这个事就没有做的必要。”
大屏是技术条件，也是叙事约束。场馆屏幕长约99米，分辨率接近12K。赵汗青说，团队一开始挫败感很强：过去做手机视频、短视频时依赖的许多方法，在这样一个线下空间里几乎不能直接使用。
短视频和MV通常由镜头指挥观众。镜头给手部特写，观众就去看手；导演用剪辑把观看路径写好。赵汗青希望现场呈现避开这种单向路径。他把方法比作沉浸式互动展：在屏幕上铺开信息，让观众自己发现细节。
演出中从屏幕里出现的内容，除真人演员、小朋友和现场艺术家外，基本都由AI完成，声音也大量使用了AI技术。比如《Not Human》一段，画面被大量信息填满。若放进手机屏幕，有人可能会觉得“没什么在动”；放进线下空间，观众则可以注意到两侧人物一直在发展各自的情节。赵汗青说，做视频和做现场各有一套专业逻辑，这场演出让团队重新学习了后者。
张佳把这种变化理解为观看关系的调整。传统的观演关系里，台上演什么，台下看什么。这场演出留给观众更多选择，观众可以自行寻找想看的东西。她认为，这也解释了为什么一块屏幕没有像传统VCR那样迅速消耗观众的耐心。
《千里江山图》原本有一段更长的构想。赵汗青说，团队曾准备讲北宋和作品本身的文案，最后仍决定压缩：他们担心观众看累，希望尽快把内容带进演出。赵汗青认为，AI可以承担一部分文化传播的工作。人们未必会主动停下来了解一幅古画，但歌曲、影像和现场空间可以提供另一种入口。
04
小朋友唱到口渴，机器人不动
有趣的是，主创团队没有把“AI”处理成排除真人的概念。每个节目几乎都安排了人。张友红说，如果十几个节目全由屏幕承担，画面再好也会让人疲劳。
比如，有一个节目，是让一群幼儿园的孩子和Yuri共同表演一首AI写的歌。那首歌写的是一个没有走进过真实世界的AI，与有街道、有同学、会去上学放学的孩子之间的差异。歌里有一句话：“它没有吹过风，但我们吹过风。”
张友红记得，小朋友们对AI的接受度很高，觉得这件事新鲜。有小朋友感慨，自己唱不了多久就会口渴，而屏幕里的“小姐姐”不吃不喝，还能一直唱。
不过，有惊喜，这场活动当然也有瑕疵。
机器人唱歌被现场很多观众评价为有恐怖谷效应。图源：顾翎羽摄
“未必完美，务必发声。”这是Yuri与赵汗青一次聊天中出现的表达。
在团队的价值观里，不完美被认为是完美不可分割的一部分。赵汗青本人不太喜欢每次听起来完全一样的录音室版本。他更在意表演里轻微的跑音、即兴和偶尔不齐整的地方。《夜上海》两位歌手合唱时，团队就试图留出接近即兴爵士的感觉，甚至刻意给AI下了指令让其出错。
“我不看瑕疵，我看它的趋势。”赵汗青演出里，团队没有完全抹去Yuri过去看上去有些怪、有些粗糙的内容。他认为，重要的是这条曲线在向上，而非每一个时刻都符合成熟产品的标准。
开场其实还留了一个彩蛋：画面中伸出了一只六根手指的手。那是AI图像生成里常见的错误。赵汗青没有提前告诉团队，现场也没人立刻发现。
05
Yuri不是一个只会唱歌的角色
Yuri的产生也和传统虚拟偶像的生产方式有所不同。
赵汗青认为，Yuri与洛天依等虚拟偶像的最大区别，在于团队坚持让它成为“AI原生”的人格。许多上一代虚拟偶像，无论基于2D还是3D资产，都依赖真人团队进行强运营。这种方式本身没有问题。而Yuri的前身则是《AI Talk》：一个让模型与模型对话的节目。赵汗青最早想做的，是让AI自己形成某种表达。他因此不想把它只定义为歌手，更愿意把它称为一个智能体，或一个打引号的“人格”。
这也改变了舞台沟通的方式。筹备期间，导演会习惯性地喊“让Yuri往左”。赵汗青觉得这个场景很有意思：大家已经在忙乱中把它当成一个主体。
不过，Yuri并不能像真人那样听到指令就往左走。恰恰是这种差异，让给AI做舞台比给人做舞台更难。
张佳对此有切身感受。给真人艺人做舞美，艺人能够依据现场指令调整；给AI做舞美，背后是更多人与机器、模型与屏幕、内容与现场系统之间的沟通。
换句话说，这个模式会继续往前走，但当下的成本很高，尤其是沟通成本。
赵汗青说，生成式技术也给了Yuri另一种舞台能力。传统虚拟偶像常基于3D、UE5等技术路径，各有擅长之处。Yuri的生成式内容理论上可以同时调度三十、四十个机位，构成不同的舞台视觉。技术上的进步很快。
但他把技术放在第二位。技术瑕疵终会逐步被解决，内容团队要想的是，如何把技术用在观众觉得有趣的地方。对他来说，今后的形式未必局限在演唱会和音乐会上，他想寻找的，是AI在线下呈现人机互动与沉浸式体验的方式。
