大模型已經(jīng)從單點(diǎn)能力，進(jìn)入系統(tǒng)工程的較量。

文｜陸莫斯

封面來(lái)源｜AI生成

如果想知道AI市場(chǎng)到底發(fā)展成什么樣，火山引擎已經(jīng)是中國(guó)市場(chǎng)當(dāng)仁不讓的風(fēng)向標(biāo)。

“截至今年12月，豆包大模型日均token使用量突破50萬(wàn)億，較去年同期增長(zhǎng)超過(guò)10倍?！?2月18日，在人頭攢動(dòng)的Force大會(huì)現(xiàn)場(chǎng)，火山引擎總裁譚待宣布了這一數(shù)字。

2025年，這一數(shù)字僅為16.4萬(wàn)億 圖源：火山引擎

MaaS（模型即服務(wù)），是最直接的觀察模型消耗量的指標(biāo)。單論這一市場(chǎng)，如今火山引擎已經(jīng)成為國(guó)內(nèi)市場(chǎng)份額第一，全球也能排在第三位。

2025年中旬，云廠商爭(zhēng)奪“AI云第一”的硝煙還未停息，到了今年最后一個(gè)月，各個(gè)大廠又端上了各個(gè)新版本——前有谷歌的旗艦?zāi)Ｐ虶emini 3、視頻模型Veo 3.1炸場(chǎng)，后有OpenAI的GPT-5.2緊追不舍。在國(guó)內(nèi)，包括阿里、騰訊等巨頭也紛紛端出了新模型的更新。

如果要給2025年的AI市場(chǎng)概括關(guān)鍵詞，多模態(tài)和Agent必定在榜。

這次的Force大會(huì)，火山引擎重點(diǎn)發(fā)布的產(chǎn)品，也圍繞這兩方面展開：

模型側(cè)：豆包旗艦?zāi)Ｐ?.8、以及視頻生成模型Seedance 1.5 pro；

圍繞Agent開展的工具鏈和生態(tài)服務(wù)：包括企業(yè)自有模型的推理代工服務(wù)、強(qiáng)化學(xué)習(xí)平臺(tái)；企業(yè)級(jí)AI Agent平臺(tái)AgentKit；以及面向Agent運(yùn)營(yíng)，發(fā)布HiAgent“1+N+X”智能體工作站。

火山引擎總裁譚待

在Force大會(huì)上，火山引擎也勢(shì)要“將Agent進(jìn)行到底”——自己搭了一個(gè)Agent，用于Force大會(huì)的報(bào)名、參會(huì)引導(dǎo)等。

“大家可能以為這個(gè)很簡(jiǎn)單，但我們做起來(lái)也很不容易！”譚待笑著說(shuō)，“現(xiàn)在的模型能力其實(shí)已經(jīng)夠強(qiáng)了，但是很多企業(yè)還是用不起來(lái)，問題是Agent的工具和生態(tài)還很早期，企業(yè)做Agent迭代就會(huì)很慢?！?/p>

距離2020年火山入局云市場(chǎng)，已經(jīng)過(guò)去了五年。彼時(shí)火山還被稱為是云市場(chǎng)的“新軍”，現(xiàn)在，火山已經(jīng)憑借大模型的東風(fēng)，成為AI領(lǐng)域里不可忽視的力量——2024年，火山的營(yíng)收規(guī)模超過(guò)110億元，營(yíng)收增速遠(yuǎn)超60%；今年，這個(gè)數(shù)字已經(jīng)超過(guò)200億元。

忘掉參數(shù)吧，模型正在變成成熟消費(fèi)品

2025年的視頻模型市場(chǎng)，結(jié)結(jié)實(shí)實(shí)卷了一整年。

和去年最不同的是，廠商們還在卷參數(shù)、卷秒數(shù)；而現(xiàn)在，視頻生成賽道，競(jìng)爭(zhēng)已經(jīng)到達(dá)另一個(gè)維度——真正的分水嶺，在于能否直接產(chǎn)出“可發(fā)布的完整作品”。

比方說(shuō)，最近各個(gè)AI視頻廠商，都在卷一個(gè)功能：聲畫同出。

以前，模型生成的視頻片段更像是半成品，需要大量后期剪輯、配音、對(duì)齊才能使用，做一條AI視頻需要橫跨多個(gè)平臺(tái)，加上復(fù)雜的剪輯工序。

新鮮出爐的Seedance 1.5 pro，同樣將這一點(diǎn)作為主打功能，可以做到開箱即用。在Force大會(huì)上，譚待對(duì)Seedance 1.5 pro的參數(shù)也是一帶而過(guò)，直接展示了多個(gè)Demo，涵蓋電影、動(dòng)畫、商業(yè)拍攝等多種風(fēng)格。

我們也同樣對(duì)Seedance 1.5 pro進(jìn)行了試用?？傮w感受是，只需要用最簡(jiǎn)單的提示詞，Seedance 1.5 pro不僅可以直出聲畫同步的視頻，從嘴型和聲音的對(duì)應(yīng)、情緒/環(huán)節(jié)捕捉，和畫面的配合度，都已經(jīng)達(dá)到相當(dāng)高的可用水平。

• 提示詞：一個(gè)小女孩，在一個(gè)房間里面，面朝著觀眾。身后有一個(gè)大人把一個(gè)圣誕禮物盒子遞給她，然后他打開之后，發(fā)現(xiàn)一只可愛的小狗從盒子里跳了出來(lái)，她開心地笑了，說(shuō)：“你真好！”
• 提示詞：一個(gè)藍(lán)色頭發(fā)的動(dòng)漫少女站在櫻花樹下，櫻花瓣飄落下來(lái)。她伸手接住一片花瓣，開心地轉(zhuǎn)了一圈，裙子隨著旋轉(zhuǎn)飄起來(lái)。她笑著用英語(yǔ)說(shuō):“春天終于來(lái)了!”

2025年的AI視頻模型領(lǐng)域，依舊保持著極其迅速的迭代速度。

2024年，各家的視頻模型都在解決一致性以及人物的動(dòng)作表情是否夠自然的問題——比如，這一幀還是史密斯吃面，但下一幀就可能換成另一位角色。

到了2025年，比如Seedance的上一代版本1.0 pro，核心賣點(diǎn)是其“原生多鏡頭敘事”：根據(jù)復(fù)雜的劇本，自動(dòng)規(guī)劃包含遠(yuǎn)景、特寫、中景的鏡頭組合，并確保主角的一致性。

但現(xiàn)在，這些問題都已經(jīng)不是最主要的問題，視頻生成模型迅速地進(jìn)步到接近生產(chǎn)級(jí)可用的水平。聲音，成為了重要的競(jìng)爭(zhēng)因素。

無(wú)獨(dú)有偶，今年下半年發(fā)布的快手可靈2.6、谷歌的Veo 3.1以及阿里的WAN 2.5，都將聲畫同步功能作為了宣傳重點(diǎn)。

來(lái)源：小紅書用戶@AI哈哈鏡

相較之下，Seedance 1.5 pro頗有自己的特點(diǎn)。

首先，Seedance 1.5 pro在對(duì)口型方面，已經(jīng)達(dá)到相當(dāng)高匹配度；而谷歌Veo 3.1等海外模型，對(duì)中文適配程度較低，很多時(shí)候嘴型對(duì)不上，配音也不夠自然。

另外，Seedance 1.5 pro所生成的視頻，沉浸感是更突出的——不僅口型對(duì)得好，聲音和人物、環(huán)境的適配度。

運(yùn)鏡、動(dòng)作張力，則是Seedance一貫的王牌功能。這次的Seedance 1.5 pro，重點(diǎn)強(qiáng)化了對(duì)電影級(jí)運(yùn)鏡和動(dòng)態(tài)張力的遵循。

比如，在室外，不同的天氣，人物的聲音會(huì)顯得更加悠遠(yuǎn)，甚至有淡淡的回音。

• 提示詞：一個(gè)男人站在雨中的街頭，他穿著黑色風(fēng)衣，雨水順著他的臉往下流。他慢慢抬起頭看向天空，然后低聲用上海話說(shuō):“是時(shí)候做個(gè)了斷了。”鏡頭切換到對(duì)面的人，對(duì)面的人回答：“你要怎么做？”，背景是模糊的霓虹燈和濕漉漉的街道，最后鏡頭切換到男人背后的幾個(gè)路人，幾個(gè)路人在馬路對(duì)面，靜靜地觀察。

• 提示詞：一輛紅色跑車在山路上疾馳，輪胎摩擦地面冒出白煙。車子快速過(guò)彎，車身傾斜。然后鏡頭切換到駕駛座，司機(jī)緊握方向盤，眼神專注，冷哼一聲，車子加速?zèng)_過(guò)終點(diǎn)線

Seedance 1.5 pro生成的視頻，動(dòng)作幅度以及多鏡頭、多主體等等呈現(xiàn)，也明顯是在行業(yè)水平線之上。

事實(shí)上，要做到聲畫同步，不僅需要大量的訓(xùn)練數(shù)據(jù)，在訓(xùn)練架構(gòu)、路線選擇上都做不少調(diào)整。

之前，視頻生成大多基于傳統(tǒng)T2V模型來(lái)進(jìn)行，都是先將視頻畫面生成出來(lái)，效果就是“啞巴視頻”，用戶得自己后期配音、配樂、對(duì)口型，費(fèi)時(shí)費(fèi)力。

無(wú)論對(duì)追求創(chuàng)作效率的C端用戶，還是對(duì)看重成本和穩(wěn)定性的B端客戶，這都具備實(shí)在的商業(yè)價(jià)值。

模型訓(xùn)練架構(gòu)的改進(jìn)，也提升了商業(yè)化落地的效率。比如，通過(guò)多階段蒸餾、量化等工程優(yōu)化，Seedance 1.5 pro模型的端到端推理速度提升超過(guò)10倍，這極大減少了生成成本。

火山引擎智能算法負(fù)責(zé)人吳迪在一次采訪中表示，在模型訓(xùn)練目標(biāo)設(shè)定之初，火山就重點(diǎn)關(guān)注了B端重點(diǎn)場(chǎng)景的需求，“音畫同步”正是客戶的核心訴求之一。

可以說(shuō)，在一致性、運(yùn)鏡、敘事、聲音等等因素都成熟后，AI視頻生成的拼圖漸漸完整。

這背后同樣反映整個(gè)創(chuàng)作生態(tài)的成熟。

從Seedance 1.5 pro上線的宣發(fā)就可見一斑——在小紅書上，字節(jié)旗下的AI視頻Agent小云雀、即夢(mèng)等等，主推1.5 pro時(shí)，選用的AI視頻素材大多是包含多個(gè)動(dòng)作的短視頻、有劇情有故事，抖音感非常強(qiáng)烈。

小紅書上的二創(chuàng)、整活類視頻

視頻是否好玩，很大程度決定傳播潛力。Seedance 1.5 pro對(duì)各種方言、對(duì)白和強(qiáng)表演場(chǎng)景的支持，讓模型天然適合在豆包、即夢(mèng)等C端產(chǎn)品中，生成可供二次創(chuàng)作和分享的社交貨幣——比如方言類“整活”視頻，正在成為AI視頻模型屢試不爽的、撬動(dòng)用戶的路徑。

作為短視頻巨頭，字節(jié)跳動(dòng)對(duì)內(nèi)容也沉淀了最深的理解——對(duì)什么內(nèi)容能火、為什么火。這些理解，最終都轉(zhuǎn)化為了模型的訓(xùn)練目標(biāo)。

信號(hào)也非常明顯：隨著視頻生成模型的逐步成熟，很快，這些AI生產(chǎn)的視頻，也會(huì)和豆包、即夢(mèng)、小云雀等C端產(chǎn)品聯(lián)動(dòng)起來(lái)，為用戶生成可供二次創(chuàng)作和分享的社交貨幣。

當(dāng)模型能理解并生成復(fù)雜的長(zhǎng)鏡頭、希區(qū)柯克變焦等等電影術(shù)語(yǔ)，還能精準(zhǔn)復(fù)刻川話、粵語(yǔ)、滬語(yǔ)等等小眾方言，成為隨手可用的創(chuàng)作工具時(shí)，它就不僅僅只是一個(gè)技術(shù)工具，而是具備了逐步演變成社交平臺(tái)的潛力。

大模型已是系統(tǒng)工程較量，但火山要做模型上的減法

火山引擎的迅速增長(zhǎng)，也是當(dāng)下AI應(yīng)用爆發(fā)的映照。

“智能涌現(xiàn)”了解到，和2025年末相比，2030年，豆包大模型的Token調(diào)用量，將增長(zhǎng)100倍左右。

不過(guò)，大模型領(lǐng)域仍處在非常早期?；鹕街悄芩惴ㄘ?fù)責(zé)人吳迪在會(huì)后采訪中曾披露一個(gè)數(shù)字：在國(guó)內(nèi)，大約10%-20%左右的頭部企業(yè)，消耗了超過(guò)90%的Token，大模型服務(wù)的滲透率并不高。

“這個(gè)領(lǐng)域的頭部效應(yīng)依然非常明顯?！彼硎尽?/p>

光有好模型，還遠(yuǎn)遠(yuǎn)不足以服務(wù)好客戶。不過(guò)，火山引擎如今的思路反倒是，做減法。

豆包大模型1.8就做了一個(gè)很多廠商不敢做的決定：把所有模型能力塞進(jìn)一個(gè)模型。

具體而言，客戶只需要面對(duì)一個(gè)API接口，不管是LLM、VLM、Thinking版本等，全部集成在一起，不分版本，不用再糾結(jié)選哪個(gè)版本,不用擔(dān)心模型之間的能力差異,也不用在多個(gè)模型之間來(lái)回切換。

這跟市面上的主流做法不太一樣。大多數(shù)模型廠商，都會(huì)習(xí)慣于提供不同的模型版本，比如語(yǔ)言、視覺理解、思考模型等等，每個(gè)版本對(duì)應(yīng)不同的模型能力邊界。好處是各司其職，但挑戰(zhàn)是是選擇成本高，集成流程也比較復(fù)雜。

在模型上能做減法，難度是指數(shù)級(jí)上升的，這需要更領(lǐng)先的基?！@是火山強(qiáng)調(diào)的底座邏輯。

基礎(chǔ)模型的能力，直接決定了下游應(yīng)用的天花板。Seedance 1.5 pro之所以能在聲畫同步上做得細(xì)致，背后是豆包基礎(chǔ)模型能力在支撐。

比如，模型能精準(zhǔn)捕捉人物情緒、理解復(fù)雜的敘事意圖、處理方言的語(yǔ)音語(yǔ)調(diào)，這些都依賴于基模在語(yǔ)義理解、情感識(shí)別等維度的深厚積累。

在讓模型真正被用起來(lái)這件事上，火山引擎搭建了一套更龐大的系統(tǒng)工程。

來(lái)源：火山引擎

如今的Token降價(jià)，模型降價(jià)倒逼廠商，必須把模型訓(xùn)練得更高效、更好用，讓MaaS服務(wù)的“密度”更高。

密度指的是什么？簡(jiǎn)單理解，就是在同樣的成本下，模型能提供更多的價(jià)值。

通過(guò)持續(xù)的工程優(yōu)化、訓(xùn)練策略改進(jìn)，火山不斷壓縮推理成本，同時(shí)保持甚至提升模型性能。Seedance 1.5 pro的端到端推理速度提升超過(guò)10倍，就是這種優(yōu)化的直接成果。

就連計(jì)費(fèi)模式，也應(yīng)該符合AI應(yīng)用的使用特點(diǎn)。

這次的發(fā)布會(huì)上，火山就推出了一個(gè)很有意思的計(jì)費(fèi)模式：“AI節(jié)省計(jì)劃”。這個(gè)計(jì)劃覆蓋所有按量后付費(fèi)的大模型產(chǎn)品，通過(guò)階梯式折扣，幫助企業(yè)最高節(jié)省47%的成本。

“今天行業(yè)還按Token計(jì)費(fèi)，但未來(lái)絕對(duì)不會(huì)是只有這種消費(fèi)方式。”2024年，在接受“智能涌現(xiàn)”專訪時(shí)，譚待就曾表示。未來(lái)，他認(rèn)為應(yīng)該按照交付的“智能”付費(fèi)，比如用AI寫一份報(bào)告，按交付物的價(jià)值來(lái)計(jì)費(fèi)。

在2025年，火山也開始推出以按照思考長(zhǎng)度，分段付費(fèi)的模式，來(lái)幫助企業(yè)達(dá)到降成本的目的。

事實(shí)上，從火山成立開始，譚待就曾反復(fù)表示，AI是火山的主旋律。

這句話背后的含義是，火山的基礎(chǔ)設(shè)施、產(chǎn)品架構(gòu)、商業(yè)模式，從第一天起就是圍繞AI云原生設(shè)計(jì)的。對(duì)于后起之秀的火山而言，傳統(tǒng)的公有云市場(chǎng)已經(jīng)被站滿了先行者的旗幟——這是事實(shí)。

所以，AI，是火山彎道超車的關(guān)鍵所在。

火山的AI Native，體現(xiàn)在很多細(xì)節(jié)上。比如，火山的GPU集群調(diào)度系統(tǒng)，專門針對(duì)大模型訓(xùn)練做了優(yōu)化；存儲(chǔ)架構(gòu)，也考慮了AI訓(xùn)練對(duì)基礎(chǔ)設(shè)施的極端需求。

AI基礎(chǔ)設(shè)施的競(jìng)爭(zhēng)，已經(jīng)從單純的模型能力比拼，演變成了系統(tǒng)工程的較量。

對(duì)于更廣闊的企業(yè)客戶來(lái)說(shuō)，他們面臨的最大問題往往不是模型不夠強(qiáng)，而是不知道怎么用、用不起來(lái)。一個(gè)企業(yè)要真正用上大模型和Agent，需要解決數(shù)據(jù)接入、任務(wù)編排、效果評(píng)估、成本控制等一系列復(fù)雜問題。

這就像擁有一臺(tái)性能強(qiáng)勁的發(fā)動(dòng)機(jī)，但如果沒有配套的傳動(dòng)系統(tǒng)、控制系統(tǒng)和操作界面，普通人根本開不起來(lái)。

火山如今在同步建設(shè)模型的“腦”和“手”。

如果說(shuō)，豆包大模型是“腦”，提供核心的理解和生成能力；那么這次重磅發(fā)布的AgentKit，就是這只“手”，目的是降低開發(fā)者的開發(fā)門檻。

傳統(tǒng)的Agent開發(fā)，需要開發(fā)者自己處理prompt工程、工具調(diào)用、狀態(tài)管理等復(fù)雜問題，開發(fā)周期長(zhǎng)、調(diào)試?yán)щy。AgentKit把這些底層能力做了封裝，開發(fā)者只需要關(guān)注業(yè)務(wù)邏輯本身。

更重要的是，AgentKit不只是一個(gè)開發(fā)工具，它還提供了完整的運(yùn)營(yíng)能力。從Agent的創(chuàng)建、測(cè)試、部署，到上線后的監(jiān)控、優(yōu)化，形成了一個(gè)閉環(huán)。這對(duì)企業(yè)客戶來(lái)說(shuō)至關(guān)重要，他們需要的是一個(gè)可管理、可迭代的解決方案，而不只是一個(gè)demo。

火山自己在Agent方面已經(jīng)積累了大量實(shí)踐。字節(jié)內(nèi)部的很多業(yè)務(wù)場(chǎng)景，包括客服、內(nèi)容審核、數(shù)據(jù)分析等，都在使用Agent來(lái)提升效率。這些實(shí)踐中沉淀下來(lái)的能力和經(jīng)驗(yàn)，最終通過(guò)AgentKit對(duì)外輸出。

在Force大會(huì)的演示中，一個(gè)企業(yè)級(jí)的電商客服Agent從零搭建到上線，整個(gè)過(guò)程只用了不到半小時(shí)。這種效率提升，對(duì)很多企業(yè)來(lái)說(shuō)是質(zhì)的飛躍。

往前看，火山在Agent方向的目標(biāo)很明確：讓每個(gè)企業(yè)都能擁有自己的AI助手，就像今天每個(gè)企業(yè)都有自己的網(wǎng)站和APP一樣。這需要的不僅是技術(shù)能力，還需要完整的生態(tài)支撐。

從這個(gè)角度看，火山的雄心已然明晰：它要做的不只是提供模型API，而是構(gòu)建一個(gè)完整的AI基礎(chǔ)設(shè)施和服務(wù)體系，讓所有企業(yè)都能低門檻、低成本地用上最先進(jìn)的AI能力。

這場(chǎng)系統(tǒng)工程的較量，才剛剛開始。