出品｜虎嗅商业消费组
作者｜黄青春
题图｜《赌神》剧照
字节跳动低调潜行一年多，终于憋了一个大招。
5月15日，字节跳动首次向外界“推销”旗下AI大模型——其自研豆包“全家桶”官宣将通过火山引擎（字节旗下六大业务板块之一，其余五块分别是抖音、大立教育、飞书、朝夕光年、TikTok）对外提供服务。
至此，字节跳动纵身跳入国内大模型混战，其大模型版图正式浮出水面。
图注：豆包大模型“全家桶”
之所以出手即“王炸”，源于字节已经跨过模型效果、推理成本、落地难度这三道最为关键的门槛。
首先，模型效果对AI落地最为关键，只有大使用量才能打磨出好模型——据火山引擎官方数据，经过一年时间的迭代，豆包大模型正成为国内使用量最大、应用场景最丰富的大模型之一，日均处理1200亿Tokens文本，生成3000万张图片。
此外，字节跳动产品和战略副总裁朱骏透露，豆包平台月度活跃用户达到2600万，已有超过800万个智能体被创建。作为对照，QuestMobile数据显示，截至今年3月，豆包（字节跳动）、文心一言（百度）、天工（昆仑万维）、讯飞星火（科大讯飞）、Kimi智能助手（月之暗面）位居AIGCAPP月活TOP5——恐怖的是，豆包上线仅三个月就完成用户量逆袭。
这背后，虎嗅了解到，字节跳动在过去一年通过拆解明确每个部门的OKR（例如抖音主要负责拉新，而字节专门负责AI产品的Flow部门负责开发及产品增长）实现了部门间互不干涉，解决了互联网公司迅速扩张所面临的组织协同问题，是国内逐梦AI浪潮互联网公司中战略最清晰的一个。
值得一提的是，豆包大模型（原名：云雀）早于2023年就在字节内部完成了上线，并基于豆包大模型打造了AI对话助手“豆包”、AI应用开发平台“扣子”、互动娱乐应用“猫箱”，以及星绘、即梦等AI创作工具，并把大模型接入抖音、番茄小说、飞书、剪映等字节跳动旗下50余个业务，用以提升效率和优化产品体验。
“技术在快速演化，但用户核心的需求没有改变，比如高效获取信息、工作提效、自我表达、社交娱乐等；字节做了很多探索，寻找适合大模型应用的形态，希望自然交互走入更多人的日常生活。”朱骏说道。
这并非盲目乐观，IDC发布的《2024AIGC应用层十大趋势白皮书》预测，2024年全球将涌现出超过5亿个新应用，相当于过去40年间出现的应用数总和，智能化应用将呈现爆发式增长，大模型浪潮将加速渗透进人们的日常生活。
其次，降低推理成本是大模型快进到“价值创造阶段”的一个关键因素。
例如，腾讯混元大模型采用混合专家模型(MoE）结构，自研Angel机器学习平台，训练速度达到主流框架的2.6倍，推理成本相比业界主流框架下降70%；OpenAI、智谱大模型也都在近期降低了大模型价格。
不过，当火山引擎总裁谭待宣布豆包主力模型（小于等于32K）推理输入价格仅为0.0008元/千Tokens时，还是不免让人感到错愕——要知道，市面上同规格模型的定价一般为0.12元/千Tokens，而豆包主力模型比行业便宜99.3%。
按这个价格，8块钱可以买到豆包模型的1000万Tokens，大约1600万个汉字——其正以“价格屠夫”的姿态打穿大模型市场，被外界戏称“打响大模型市场价格战第一枪”。
对此，谭待表示背后有两个原因：“一是能做到，二是需要这么做；主力模型比行业便宜99.3%在技术上可实现，未来还有很多手段降低成本。”
最后，豆包分布式推理还有混合调度，发挥各种各样的异构算力，解决了推理算力的问题，进而把模型推理的成本降到很低。
“以前企业做创新担心ROI打不正，一来创新项目90%会失败，二来创新按消耗100亿Tokens算就要80万；现在成本只需要8000元，失败也花不了多少钱，但剩下10%项目成功就可以把投入都赚回来，这无疑能帮助更多企业轻装上阵，无负担投身AI大潮。”谭待说道。
当然，字节愿意躬身给企业“搭台”的深层次原因还在于：移动互联网业到了用户、流量趋于见顶的成熟期，监管会更侧重产业互联网的推进与建设，这意味着技术走到平台重构生态的关键时期。
正如美团创始人兼CEO王兴当年讨论BAT竞争关系时说的那样，竞争这个词放在一起说就会变成思维定势，“麦克阿瑟将军在西点军校告别演讲说‘Onlythedeadhaveseentheendofwar’（只有死去的人才能看到战争终结），战斗只是从一个战场变成另一个战场，从一个机会变成另一个机会，总有不断的变化。”
尤其，ChatGPT横空出世让整个互联网都为之躁动，追赶大模型浪潮使得互联网又陷入一种混战的焦灼状态，而心有猛虎的公司都在寻找向上攀爬的入口——当通用人工智能时代呼啸而来，字节手握应用层及数据层的独特优势，抖音拥有丰富的数据素材和充足的算力资源，必须在快速发展时期果断投入（包括技术生态迭代、研发投入等），从而博一张未来的船票。
以下为虎嗅与火山引擎总裁谭待两次（5月15日、5月16日）沟通实录（部分表述因方便阅读需要有所删改）：
字节凭什么把价格打下来？
Q：行业有声音说大模型算力资源短缺，字节为什么愿意大幅度降价？
谭待：一般说算力资源不够用说的是训练，但今天说的大模型ToB服务主要是推理。做推理只要技术基础做得好就可以用各种异构算力满足性能、减少延迟，还能解决算力瓶颈。豆包分布式推理还有混合调度，就是通过调度好各种异构算力解决了推理算力的问题。
其次，解决算力也就解决了成本问题，就能把模型推理成本降到很低。以前企业做创新担心ROI打不正，一来创新项目90%会失败，二来创新试错贵（按消耗100亿Tokens算就要80万）；现在试错成本降到8000元，失败成本可控，只要剩下10%项目能成就可以把投入都赚回来，这让很多企业轻装上阵，无负担投身到AI大潮。
Q：字节把价格卷到以厘为单位的低价，这对于现阶段整个行业是好事吗？
谭待：当然，很多企业能以更低成本做各种创新了，对于做大模型创业者来说没有哪个是靠ToB赚了很多钱，通过ToB服务来把自己的大模型正循环这个不行了，现在还是一个特别早期的阶段，要把蛋糕做大先要做到普惠，这是最重要的。
Q：字节能将价格压到低于同行99.3%，豆包的性能和成本如何？
谭待：现在模型应用落地时，精调是关键，豆包pro支持128k可精调。豆包主力模型可以跟所有主力模型去对比，网上可以看到很多第三方测试，拿豆包APP来说，现在月活2600万，用的人越多调用量就越大，模型自然就会越好。
至于成本问题，ToB业务要看长期，用亏损换收入不可持续，字节从来不走这样的路，降价源于技术自信，这个定价是火山对技术有信心，未来还有很多手段持续降低成本。
Q：豆包大模型彻底把价格打下来了，为什么说“低价”是对技术的自信？
谭待：首先，技术上有非常多优化手段把成本做低且让效果更好，比如模型结构优化调整；其次在工程上以前都单机推理，现在是分布式推理，自然能把各种底层算力用得更好，进而大大降低成本，尤其调度量非常大后，能将不同负载作为混合调度，使成本大幅下降。而且，OpenAI也在降价，试想未来大模型在人们日常生活每天都用，低价是真正广泛应用的前提。
其次，今年大模型能力在明显提升，做应用变得越发重要。很多客户都想去做大模型尝试，但碍于价格（AI试错、业务创新风险高），要面临非常多不确定性，必须把试错成本降得非常低，才能让大家（企业、个人开发者）广泛用起来。所以，当下最迫切的就是降低成本。
Q：豆包大模型应用于字节内部产品的使用情况如何？
谭待：首先，同名APP豆包（截至今年4月，豆包在苹果中国区AppStore效率榜排名第一；其安卓市场累计下载量1.37亿，在AIGC类应用中断崖式领先）用户量（月活达2600万）说明效果非常好，还有星绘这样的创新应用。
除了AI原生应用外，抖音、头条、飞书部分功能都使用了大模型，比如抖音搜索、头条搜索结果就是用豆包大模型来生成，它还可以进一步追问用户想了解什么信息？包括抖音电商很多营销文案、导购、助手等等领域都有应用。
除了这些应用场景，传统很多用NLP（自然语言处理）解决的问题豆包也可以做得更好，可以为一些业务后台操作带来极大的效率提升。
Q：AI落地场景很重要，火山有哪些客户应用场景可以分享？
谭待：手机交互场景太多了，手机搜索、助手AI等（OPPO小布助手、荣耀智慧办公智能助手、小米“小爱同学”、华硕豆叮AI助手均已接入火山引擎大模型服务）；车机现在也比较多，导航顺便看商圈、餐厅、周边影院，（不方便看手机时）模型会告诉车把对应内容找出来完成交互；再比如汽车座舱对模型能力要求不那么高，适合用豆包通用模型lite，不光推理单价更低，延迟也低50%。
当然，场景落地一方面技术要提升，像pro、lite、角色扮演，语音都有广阔的应用场景；另一方面，应用生态是一堆人的群体智慧，更好模型、更低成本、更易落地才能繁荣生态，大企业是高代码，但个人开发者要的是低代码，必须低门槛这个事情才能做起来，形成AI时代的创新。
字节蓄力，“火山”爆发？
Q：如何看待互联网巨头在大模型赛道的激烈竞争？
谭待：国内大模型现在还不是谈竞争的时候，因为大模型现在还是在初期，池塘有多大鱼才多大，大模型市场才刚刚开始，这个时候一起把大模型做好、把应用落地做好、把成本做低，让更多人和企业受益才是关键，现在远未到激烈的竞争。
Q：之前周鸿祎和李彦宏有关于开源与闭源的讨论，火山会朝开源还是闭源发展？
谭待：首先，对于模型公司来说开源闭源不是非黑即白，而是综合的方式，我们内部也在讨论，是不是未来某一个版本、某一个尺寸的模型就用开源来做；其次，企业模型应用是开源还是闭源本质在于背后的需求，是担心安全问题，还是担心成本问题，还是担心服务问题等。
Q：互联网大厂在云计算领域竞争激烈，大模型应用到云计算领域会侧重在哪些层面布局？
谭待：云生态包括IaaS、PaaS、SaaS，AI大模型本身对云来说是锦上添花，是把数字化往深往广去做，比如模型推理可以通过云的方式把成本做到很低，所以从价格去考虑AI是建立一个算力到智能的相关性，把越来越多数字化需求、生活场景与算力融合。
当然，火山更关注ToB方向：第一，有一些行业很有集中性，比如手机、汽车可以通过联盟一起做好；第二，一些行业不是特别清晰，就和最有想法的企业深度合作；第三，开发者非常重要，面对新技术浪潮做出不同创新的不是过去的巨头，而是新的开发者，怎么把他们服务好，让他们做出更优秀的AI应用很重要。
而且做公有云，字节的理念就是要成本低，就像做电商要优质、低价一样，降本增效是写到火山引擎愿景里去的，不知道其他人有没有写，这是认知上的差别。
Q：字节有数据优势，在文生视频这方面是否有布局实现弯道超车？
谭待：字节有款产品即梦（Dreamina），除了文生图还有一些短视频生成功能。模型训练一定要技术扎实，本质上不存在弯道超车；其他模态也一样，要先把基础做好，如果基础都做不好，那文生图就是一个‘人工智障’——因为它连文字都不能理解，视频能好到哪儿去？所以没有弯道超车，要一步一步扎实去做。
虎嗅注：事实上，字节跳动于2023年11月已发布视频生成研究成果PixelDance，提出基于文本指导+首尾帧图片指导的技术方法，能生成具有高度一致性和丰富动态性的视频；今年1月，字节又发布视频生成模型MagicVideo-V2，效果比肩SVD-XT、Pika1.0、Gen-2（Runway）等同类模型。
Q：最近OpenAI（GPT-4o）、谷歌（谷歌I/O大会升级Gemini全家桶）相继公布最新大模型进展，国内外所处阶段及差距如何？
谭待：实事求是地讲OpenAI肯定还是全球第一，包括anthropic、Gemini也做得非常好，要承认差距；但反过来说有两点，一是我们的模型在不断进化，一旦进化到某一个层次，就有可能去上面做应用。
为什么（字节）这么久才正式对外发布豆包？因为豆包到了大家可以广泛用它去做应用的程度，只有越来越多的人去做更多应用，反过来又可以驱动技术进步，形成一个正循环。
前天（5月14日）OpenAI发布会，语音做得好不好对整个交互体验影响很大，可能模型很聪明但讲话像机器人，豆包和全球最好的产品仍有差距，需要一个追赶的过程，目前追的速度还行，用户量也越来越大。
