字節跳動的AI布局，是「慢思考、快執行」的勝利

　　作者 |王延鶴

　　臨界點在加速到來。

　　特朗普重返白宮第二天，就宣布「星際之門」項目Stargate Project：

　　OpenAI、甲骨文和軟銀将成立合資公司，未來四年投資5000億美元(約3.6萬億人民币)用于AI基礎設施。包括Arm、微軟、英偉達、甲骨文和OpenAI等科技公司，都是初始技術合作夥伴。這似乎就是美國在AI時代的「曼哈頓計劃」，向AGI時代無限加速。

　　趕在春節前夕，中國的頭部大模型企業，密集進行了一輪推理模型更新。目前，DeepSeek的R1、Kimi的k1.5、智譜的GLM-Zero、階躍星辰的Step-1o系列等，都在對标OpenAI的o1模型。

　　集體的智能湧現，意味着：中國廠商經過兩年沖刺，通過跟随式創新縮小差距，甚至走出一條用更少資源、性能比肩的不同道路。如今，也到了原創式創新、大規模商用化的臨界點。

　　1月22日，字節跳動正式發布了豆包大模型1.5系列。Doubao-1.5-pro模型在知識、代碼、推理等權威測評得分全面超越GPT-4o 和 Claude 3.5 Sonnet，達到全球水平，并同步上線火山方舟對外提供服務，價格“加量不加價”。

　　過去一年，字節跳動是大模型增長最快的廠商。在2024年年初，字節跳動還被擔憂入局大模型時間太晚。經過一整年全力投入的高頻作戰，字節取得的戰果是：

　　據QuestMobile數據，截至2024年12月，豆包APP的月活用戶約7523萬;

　　截至12月中旬，豆包大模型日均Tokens使用量超4萬億，「豆包+火山引擎」大模型和雲服務的組合，突破了B端企業市場和雲計算的原有格局。

　　這堪稱一次字節式「慢思考、快執行」的經典戰役。

　　換句話說，每一次豆包大模型更新，都在以更低門檻、更低成本，将人工智能技術傳遞給上億用戶、開發者和企業。在事實上，豆包大模型已成為國内AI普惠的「布道者」。

　　此次，字節跳動發布的豆包大模型1.5系列，包括了：

　　Doubao-1.5-pro：滿血性能，支持256k長文本，多項測試得分優于 GPT-4o、Claude 3.5 Sonnet 等業界模型;

　　Doubao-1.5-lite：輕量級成本，旗艦級性能，響應速度，測評指标持平或超越 GPT-4o mini、Claude 3.5 Haiku;

　　Doubao-1.5-vision-pro：視覺理解模型，在視覺推理、文字文檔識别、細粒度信息理解、指令遵循方面的能力全面升級;

　　Doubao-1.5-realtime-voice-pro：真正實現端到端語音對話，在豆包APP全量上線，即将開放API服務。

　　目前，Doubao-1.5-pro已經在火山方舟全面上線，我們也上手進行了幾波測試。

　　最為核心的，就是豆包通用模型 1.5 Pro。

　　目前，Doubao-1.5-pro 在知識、代碼、推理、中文等多個權威測評基準上都獲得了成績。

　　這意味着，企業無論是需要處理中文文本，搜索專業知識，做編程開發，還是進行的複雜邏輯推理任務，都能全面勝任。

　　當然，到底能不能打，我們也上手實測體驗了一波。

　　首先，我們測了兩個邏輯推理題：

　　1. 繞暈很多人的「算賬問題」

　　三個人去餐館吃飯，總共消費了30元，每人付了10元;

　　後來老闆說今天打折，隻收25元，讓服務員退回5元;

　　服務員私吞了2元，把剩下3元分給了三個人，每人退回1元;

　　這樣，每個人實際上付了9元，三個人總共付了27元;

　　加上服務員私藏的2元，總共是29元。

　　那麼，還有1元去哪裡了?

　　Doubao-1.5-pro用0.46s秒答了：

　　2. 非常經典的「動物過河」問題：

　　農夫需要把狼、羊和白菜都帶過河，每次隻能帶一樣物品

　　狼和羊不能單獨相處，羊和白菜也不能單獨相處

　　請問農夫一共要過幾次河

　　Doubao-1.5-pro用0.61s秒答了：

　　整體思路很清晰，根本難不倒它。

　　随後，我們也測試了故事創作能力：

　　請以“一場暴雨導緻城市停電”為開頭

　　創作一個至少包含三次反轉的懸疑短篇小說

　　結局需要出人意料

　　豆包不到10秒給了我這樣一個小短篇，大家可以評判一下：

　　輕量級的Doubao-1.5-lite，在性能上其實和去年9月的豆包Pro版本媲美。相當于說，企業客戶隻需花更少的成本，就能獲得更出色的性能，AI的“智價比”更高了。

　　同時，此次多模态能力的全面提升，讓豆包在交互和能力上，都更懂人，也更像人。

　　視覺理解能能力上，Doubao-1.5-vision-pro在多模态數據合成、動态分辨率、多模态對齊、混合訓練上進行了全面升級，提升模型視覺推理、文字文檔識别、細粒度信息理解、指令遵循方面的能力。

　　在升級之後，Doubao-1.5-vision-pro可以讀懂任意分辨率、任意比例的圖片，不管是随手拍的圖片、裁切後的模糊小圖，豆包都能理解。

　　比如，能夠完全識别手寫的試卷，并進行判分：

　　同時，豆包APP已全量上線實時語音功能。

　　支持和真人一樣的聊天互動，豆包可以模仿不同語氣、情緒，能夠在對話中處理打斷和插嘴，也可做到唱歌、說悄悄話等有趣的互動方式。

　　比如我們讓豆包模仿唱了一段已經解凍的《恭喜發财》：

　　距離豆包基礎模型上次更新，才過了一個月。

　　我們從豆包大模型1.5 Pro的變化，也能看出字節在技術上的思路轉變：

　　1.采用系數MoE(混合專家系統)架構，用激活參數僅為稠密模型參數量 1/7 的 MoE 模型，超過了稠密模型的性能，将性能杠杆提升至 7 倍，業界普遍為3倍。

　　2.字節跳動對硬軟件進行了深度定制。自研服務器、網卡和網絡協議，提升了算力集群的通訊效率;算子層計算和通信的高效交疊，保障多機分布式推理的穩定和高效;精細量化和 PD 分離等方案，靈活使用算力和多任務混合調度，實現更高效算力利用。

　　3.不使用任何其他模型數據，豆包構建了完全自主的數據生産體系，優化數據質量的同時，确保數據來源的獨立性和可靠性。

　　不直接追求更大量級的模型規模，不走蒸餾模型的“捷徑”。

　　豆包是在探索「模型效果、運行效率、成本控制」，三者之間的平衡點——用更低的成本，提供更強的能力。

　　字節跳動在匹配應有的段位。如果2024年大模型行業是3倍速發展，字節跳動就是10倍速的躍遷。

　　去年年初，字節提高AI的戰略定位，積極招攬人才，大量資源壓強投入。「慢思考、快執行」的風格，貫徹了字節的作戰思路：

　　1. 從C端破局，大規模、多領域、全覆蓋推出AI應用。這是字節跳動最擅長的産品驅動+流量打法的「大力出奇迹」模式

　　2. 在B端飽和猛攻，通過優化的模型推理成本攻入企業市場。同時，在大模型加持下的火山引擎，也擡升了在雲服務市場的地位。

　　先看C端産品，2023年8月，Grace改名“豆包”，作為AI智能助手正式上線;據QuestMobile數據，截至2024年12月，豆包APP的月活用戶數約為7523萬。

　　多個渠道統計，豆包的用戶量在國内AI産品遙遙，千萬級的DAU是第二名的3倍(300萬);在全球，豆包的月活用戶數也僅次于ChatGPT(2.8億)。

　　豆包APP完成階段性使命，為字節獲得初具規模的用戶基礎。目前，字節跳動已推出近20款AI應用，覆蓋聊天、視頻、編程、社交、教育等賽道。例如，AI視頻生成的即夢，AI聊天社交的貓箱，AI教育的豆包愛學，AI音樂的海綿音樂。

　　再看B端，2024年5月，字節統一将大模型更名“豆包”，推出9款豆包大模型。當月，豆包大模型也通過字節跳動旗下的雲與AI服務平台“火山引擎”，正式提供服務。

　　目前，字節跳動已推出了包括視頻生成、實時語音、視覺理解、文生圖、同聲傳譯等超10款大模型。

　　字節跳動在B端的策略，是「更強模型、更低成本、更易落地」。通過豆包大模型和火山引擎這一對「大模型+雲服務」組合抱團破局。

　　2024年5月推出時，豆包主力模型的定價僅為0.0008元/千Tokens，比當時行業價格便宜99.3%，帶動了阿裡雲、百度等大模型降價，B端大模型價格進入“厘”時代;

　　12月火山引擎Foce冬季大會上，豆包視覺理解模型的定價，為0.003元/千Tokens，比行業價格低85%;

　　2025年1月，豆包大模型1.5全系産品，也提質不加價，在火山引擎上售賣API的Doubao-1.5-pro，随着推理成本持續優化，毛利率提升到50%;

　　從時間上看，火山引擎在2021年12月才正式加入雲計算競争，相比阿裡、騰訊、華為、百度這四朵雲，入場時間晚了一輪周期。坦白來說，雲計算是一個對後來者非常不友好的賽道，哪怕是字節跳動。

　　火山引擎也是抓住了這一輪「大模型+雲廠商」的熱浪，終于取得了較大突破。2023年6月，火山引擎正式推出“火山方舟”平台，提供大模型的部署、精調、推理等服務。

　　在那個時間點，國内對算力的需求，重心還在大模型的訓練側。當時中國7成做大模型的公司，包括月之暗面、智譜AI等明星公司，都跑在火山引擎上。這個時期主要客戶，也仍然是做大模型的少數幾家企業。

　　随着大模型開始落地，大量企業客戶開始參與到AI應用開發中，行業對算力和雲服務的需求轉向推理側。火山引擎也将重心轉向AI Infra能力，以及打造開發平台、工具鍊等各層次的生态補全。

　　2024年2月，火山引擎推出AI應用開發平台扣子，提供主流大模型的API，開發者和企業能低代碼構建AI Bot;

　　5月，推出HiAgent平台，被稱為企業開發應用的“SDK”，企業能快速開發大模型應用和智能體，成為火山引擎增長最快的産品之一。

　　12月，火山引擎升級以GPU為中心的AI Infra分布式業務體系，通過 vRDMA 網絡支持大規模并行計算及 P/D 分離推理架構，提升訓練和推理效率，降低企業使用成本;EIC 彈性極速緩存解決方案，實現 GPU 直連，使大模型推理時延降低至五十分之一，成本降低 20%。

　　這一套「模型能力+低成本+生态搭建」的組合拳，讓火山引擎迅速在2024年取得了數量級的突破，核心在于為企業落地大模型、打造AI應用提供全周期的支撐。

　　根據火山引擎披露數據，截至2024年12月中旬，豆包大模型的日均Token使用量已超過4萬億，相比5月上線時的數據(1200億)增長了33倍。

　　目前，豆包大模型已在金融、消費、電商、教育、汽車等30多個行業完成落地，與企業深度開發AI應用樣闆間。截至12月，豆包大模型已經與八成主流汽車品牌合作，并接入到多家手機、PC等智能終端，覆蓋終端設備約3億台。

　　例如，火山引擎在去年5月，與一汽紅旗、東風、吉利、長城等24家車企成立了“汽車大模型生态聯盟”;8月，火山引擎與多點DMALL成立“零售大模型生态聯盟”。

　　小米的“小愛同學”，OPPO的Find X8新機，都使用豆包大模型提升用戶體驗;浙江大學與火山引擎搭建了“浙大先生”智能體應用開發平台;扣子專業版和HiAgent等工具生态，金融行業的招商銀行、華泰證券、國信證券等十餘家客戶。

　　火山引擎總裁譚待表示，豆包大模型目前的定價，依然是有合理毛利的。這個價格是靠模型技術能力、工程能力、軟硬件結合能力做到的，而不是隻靠燒錢的卷低價。

　　這個思路的潛在意思是說：AI的To B業務還處于初期階段，隻有讓更多企業和開發者用得起，一起持續降本、優化效率、做大蛋糕，商業模式才能長期成立。

　　到2024年的第四季度，大模型廠商的分化就已經塵埃落定。即便是「AI六小虎」，也已經有廠商在後撤，退出超大模型研發，轉向垂直領域、行業模型和AI應用的層面。

　　目前市場上的廠商裡：1.有能力繼續疊代基礎模型，2.有希望實現商業化盈利。能符合這兩個要求的廠商可能隻有十家，2025年還會進一步縮圈。

　　模型能力始終是第一位的。

　　Scaling Law仍發揮作用，下一代基礎模型的參數和算力規模仍會有量級增加。據分析，GPT-4估計是1.8萬億參數，每輪訓練成本6000萬美金;GPT-5參數到十幾萬億，每輪訓練耗時幾個月，算力成本5億美金。

　　量級增加的成本，高頻的研發周期，就會出清絕大部分非大廠的AI企業。而MoE、推理模型、多模态、Agent等衆多的新技術方向，頭部廠商也全部都要跟進。因為競争，無法再容忍因錯過趨勢，而導緻落後出局。

　　與此同時，AI需要的龐大資金投入，與相比之下極少的盈利回報，也日益成為大模型發展的主要矛盾。

　　同樣以OpenAI為例，ChatGPT活躍用戶近3億，去年底推出了每月200美元的ChatGPT Pro，而Sam Altman仍吐槽：Pro版訂閱服務實際在虧損。據報道，OpenAI在2024年的收入約37億美元，而虧損達50億美元。創造規模化、成熟的盈利模式，是行業的共同難題。

　　對字節跳動來說，豆包大模型1.5 Pro跻身，C端産品積累龐大用戶基礎，火山引擎的B端業務厚積薄發，接下來更多要「直面天命」，找到在AI時代不可被替代的位置。

　　在2024年的大模型招标中标名單裡，火山引擎的名字開始更多出現。在大模型的長期盈利模式尚不明朗的情況下，我們也要看到亞馬遜AWS、微軟Azure和谷歌雲，都以驚人的增速在創造财務新高。2025年，火山引擎除了全生态的布局，在「更強模型、更低成本、更易落地」戰術上還将猛攻。

　　在國内To B市場，火山引擎抓住了明晰的主線：

　　1.未來算力需求會進一步轉向推理，直到超過模型訓練算力;

　　2.當前絕大部分企業，仍無法上手大模型和AI應用;

　　3.混合雲和私有化等定制需求，仍然持續高漲。隻有把蛋糕做大，商業模式才有希望跑通。

　　據報道，字節跳動在1月下旬成立Seed Edge項目，核心是做比預訓練和大模型疊代更長期、更基礎的AGI前沿研究。這是字節在慢下來，用更長研發周期，探索更底層、更多元、更有想象力的技術變革。

　　從追随式的自我證明，到進入「無人之境」創造不可能。