文 | 連線Insight 王慧瑩

編輯 | 子夜

大模型應用大戰即將一年整，競爭依然激烈。

12月18日的火山引擎Force冬季大會上，字節跳動“豆包全家桶”又迎來了新成員。豆包視覺理解模型正式亮相，其具備更強的內容識別、理解和推理、視覺描述等能力；明年1月，豆包視頻生成大模型也將面向企業開放服務。

除了新成員的加入，豆包大模型多款產品也迎來更新迭代。比如，豆包通用模型pro已全面對齊GPT-4o；音樂模型從生成60秒的簡單結構，升級到生成3分鐘的完整作品；文生圖模型2.1版本接入即夢AI和豆包App……

用戶正在使用豆包視頻理解模型，圖源豆包微信公眾號

無論是基礎層，還是應用層，字節都在綜合布局并持續迭代升級。截至目前，字節正在運營的AI應用大約有20款，且大部分是在2024年以后發布的。

進入到今年下半年，隨著越來越多大模型應用的出現，行業卷起了新高度：C端卷用戶，B端卷價格。

“飽和式”攻擊的豆包，在哪個領域都上演了“后來者居上”的戲碼。

用戶上，據QuestMobile數據，字節豆包App今年9月的日活已達760萬，成為中國日活最大的AI產品。

價格上，此次豆包視覺理解模型千tokens輸入價格僅為3厘，比行業價格便宜85％；此前豆包文字大模型0.8厘就能處理1500多個漢字的價格，比行業便宜99.3%。

“卷王”豆包的另一面是行業正式進入混戰后的生存之戰。盡管現在談論“Killer APP”還為時尚早，但商業化是個繞不開的話題。瘋狂投入后，豆包也要學會賺錢。

與年初字節跳動CEO梁汝波在全員會上反思“慢”截然不同，這一年字節以豆包家族在大模型行業進行的進攻，又快又狠。豆包在行業的增長再次驗證了字節“大力出奇跡”的路線，也給行業帶來新的沖擊和思考。

01 降價、買量，豆包拼力謀增長

今年年初，字節跳動CEO梁汝波在內部講話中提到“遲鈍”二字，直指字節對大模型的敏感度不如創業公司。

“直到2023年才開始討論GPT，而業內做得比較好的大模型創業公司都是在2018年至2021年創立的”梁汝波直言。

今年5月，大模型名字統一“豆包”后，字節正式走向了大模型發展的高速路。據DataEye研究院不完全統計，去年8月至今，字節跳動在AI領域一共推出包括豆包大模型家族在內的17款大模型、2個智能體開發平臺。

正值大模型從“百模大戰”轉向應用落地期，各家都在緊密跟隨行業的風口，以期走在前列。

在應用層面，素有“APP工廠”之稱的字節，決心更大。據不完全統計，2024年至今，字節在國內外推出包括豆包在內的20余款App，覆蓋AI聊天助手、AI視頻工具、AI娛樂應用、辦公等多個領域。

其中，有對標ChatGPT的“豆包”、對標Sora的“即夢”、對標MiniMax旗下社交AI星野的“貓箱”、對標妙鴨相機的“星繪”、對標Suno AI 的“海綿音樂”……

12月18日的火山引擎Force冬季大會上，字節跳動正式發布豆包視覺理解模型、豆包3D模型。會上，火山引擎宣布2025年春季將推出具備更長視頻生成能力的豆包視頻生成模型1.5版，豆包端到端實時語音模型也將很快上線。

其中，跑得最快的莫過于以豆包為中心的大模型生態。

據量子位智庫數據，今年5-7月，豆包APP日新增用戶從20萬迅速飆升至90萬，并在9月率先成為國內用戶規模破億的首個AI應用；11月，平均每天有80萬新用戶下載豆包，單日活躍用戶近900萬，MAU僅次于ChatGPT；截至11月底，豆包2024年的累計用戶規模已超過1.6億。

豆包這匹“黑馬”奔跑的速度如此之快，離不開字節的“大力出奇跡”。

今年年中開始，大模型C端應用陷入了一場激烈的流量爭奪賽。無論是線上平臺，還是線下公開場所，都能看到大模型廠商的身影。創業公司和互聯網巨頭，無一例外地陷入了大模型應用的“用戶焦慮”。

據AppGrowing統計，截至11月15日，國內十款AI原生應用合計投放金額達15億元，其中10月超過3.5億元，為歷史最高。其中，Kimi和豆包是投放最瘋狂的兩個產品，分別投放了5.4億元和4億元。

拉長時間線看，豆包的投流顯然更猛烈。據AppGrowing統計，2024年4月—5月，豆包投放金額預計為1500萬元-1750萬元。6月上旬，豆包再次啟動新一輪大規模的廣告投放活動，投放金額高達1.24億元。

背靠抖音這一大流量池，豆包的出現頻率也越來越高。在抖音，字節幾乎屏蔽了除豆包以外所有AI應用的投放，只留給自家的豆包。

不得不承認，面對同質化的市場競爭，燒錢換流量，是移動互聯網時代的慣用做法，而豆包背靠強大的字節生態，有著天生的優勢。

大模型的特殊性在于，AI產品仍存在用戶接受度和留存率的挑戰，重金投流能否換來超級應用無法確定，但至少目前給豆包帶來了肉眼可見的用戶增長。

同樣是花錢，與C端花錢投流相對，隨著大模型推理側成本的下降，在B端大模型廠商今年集體降價，行業從“以分計價”進入“以厘計價”的時代。

豆包降價的動作同樣很明顯。今年5月火山引擎Force秋季大會上，豆包主力模型在企業市場的定價比行業價格降低了99.3%，0.8厘就能處理1500多個漢字的價格；此次的火山引擎Force冬季大會上，豆包視覺理解模型千tokens輸入價格僅為3厘，一元錢就可處理284張720P的圖片，比行業價格便宜85％。

廠商讓利降價的意圖很明顯，讓算力技術普惠的同時，讓企業用戶使用AI應用的意愿更高端。數據顯示，截至12月中旬，豆包通用模型的日均tokens使用量已超過4萬億，較七個月前首次發布時增長了33倍。

回過頭來看2024年，圍繞豆包生態，字節做AI的決心很大，也從資源、速度等方面證明了自己作為互聯網巨頭的實力。增長的底氣有了，下一步的關鍵便是讓大模型更好用。

02 一邊提技術、一邊“接地氣”，豆包能否更接近用戶是關鍵

AI浪潮奔涌兩年，行業不斷進入新階段，不變的是玩家們對技術的迭代。

今年下半年，一個明顯的變化在于，以ChatGPT為代表的大語言模型局限性日益顯現。

語言大模型無法與物理世界互動，也不具備對人類價值觀的理解能力，玩家們都在尋找下一個更“類人”的模型或應用。9月，OpenAI推出的會思考的o1推理模型；12月，李飛飛推出的3D世界模型都是在這一思路下應運而生。

大模型這列列車高速前進，對于玩家而言，最重要的是拿到車票。反觀國內，對標OpenAI，豆包也算是走在技術前列的大模型玩家。

此次大會上，豆包發布的視覺理解模型，具備更強的內容識別、理解和推理、視覺描述等能力。

新的視頻理解模型下，用戶可以同時輸入文本和圖像相關的問題，使用起來更便捷；同時，模型能夠綜合理解能力給出準確的回答。

也就是說，相比于此前的文生視頻大模型，此次視覺理解模型更能讀懂人的需求，也能幫助人類提高復雜工作的工作效率。比如，在教育場景中，為學生優化作文、科普知識；在旅游場景中，幫助游客看外文菜單、講解照片中建筑的背景知識等。

據火山引擎介紹，目前豆包視覺理解模型已經接入豆包App和PC端產品。某種意義上，視覺理解大模型是行業技術迭代的標志。相比于語言大模型，視頻大模型能拓展大模型的能力邊界，同時也會降低人們與大模型交互的門檻，為大模型解鎖更豐富的應用場景。

視覺能力是大模型能力的核心已經是共識，視覺輸入占據人類交互信息的絕大多數，為了讓大模型離AGI更進一步，大家都在加速。

實際上，字節對視覺化、多模態模型的重視度肉眼可見的提升。12月11日，據智能涌現報道，字節提升了即夢的產品優先級，嘗試用新的路徑打造AI時代的“抖音”。字節計劃后續把更多資源向更多模態的產品形態轉移，即夢會承擔更大的希望。

即夢AI隸屬于字節跳動旗下剪映業務，定位是AI內容平臺，支持通過自然語言及圖片輸入，生成高質量的圖像及視頻。

此次大會上，剪映業務負責人張楠表示，“即夢，希望成為想象力世界的相機”似乎也在回應這一戰略。具體動作上，即夢AI圖片模型2.1正式上線，其可以“一句話生成海報”，支持通過簡單的指令，控制文字的顏色和位置等元素，快速生成中英文圖像海報。

值得一提的是，豆包還發布了3D生成模型，該模型與火山引擎數字孿生平臺veOmniverse結合使用，可以完成智能訓練、數據合成和數字資產制作，成為一套支持AIGC創作的物理世界仿真模擬器。

不僅如此，豆包大模型家族多款產品都迎來重要更新。

豆包通用模型pro新版本綜合任務處理能力較5月份提升32%，全面對齊GPT-4o，使用價格僅為后者的1/8在推理上提升13%；

豆包音樂模型4.0支持三分鐘的全曲創作，支持歌詞局部修改，曲風連貫等功能；

豆包文生圖模型2.1支持“一鍵P圖”，可以高精度指令理解，對中英文、專有名詞“來者不拒”。

至此，豆包全家桶升級的同時，豆包補足其在視覺交互上的短板，又開拓了自身模型的場景邊界，還在算力成本上做了下降，本質上，都是為了讓大模型更接近用戶。

今年5月，字節跳動產品與戰略副總裁朱駿分享了字節跳動為豆包這類產品定義了三個產品設計原則：第一條，“擬人化”；第二條，離用戶很近，隨時伴隨用戶，嵌入用戶的不同使用環境，應該是豆包到用戶身邊，而不是用戶到豆包身邊；第三條，個性化。

讓豆包回歸用戶，很重要的一點是讓用戶了解AI，滿足用戶對AI的好奇心。據中國企業家報道，在豆包官方用戶群里，每當新功能發布時，豆包小助手就會在群里發布公告，并鼓勵用戶提供優質反饋。

這也證明了，字節做產品的思維，在大模型領域同樣適用。如今，大模型已經經歷了卷技術、卷應用、卷用戶的階段，想要拿到下半場的船票，字節也必須帶著豆包一邊“提技術”，一邊“接地氣”。

03 拓場景、商業化，是豆包必須探索的

這一年，大模型行業除了技術迭代和產品更新速度的比拼，還有一個更重要的比拼維度，即商業化賺錢和場景落地的速度。

玩家進入的熱情有多火熱，市場對回報周期的需求就有多迫切。

對于字節這樣的巨頭而言，即便是賺錢的速度再快，也抵不過大模型的燒錢速度。算力成本、用戶拓新等都需要真金白銀。

還在投入期的豆包，繞不開商業化的命題。

經歷了C端燒錢投流后，豆包是國內日活最多的AI產品，但一個突出的問題在于用戶留存。

這讓字節對豆包的商業化也有了新的思考。據智能涌現報道，盡管豆包AI對話類產品月活表現不錯，但豆包目前活躍度并不高。豆包每周僅活躍2至3天，且每天用戶發送消息輪次僅為5到6次，單次2分鐘左右，用戶人均使用時長僅為10分鐘左右。上述這些數據在過去一年中的增長幅度并不顯著。

基于此，字節管理層判斷，像豆包這樣的AI對話類產品可能只是AI產品的“中間態”。字節內部判斷，付費訂閱模式在中國不太可能走通。而時長和輪次太低，又導致潛在的廣告空間較小，這都構成了這類產品的隱形天花板。

長期來看，更低門檻、更“多模態”的產品形式更具落地可能，剪映和即夢可能是合適的入口，這也是此次大會豆包將部分重點放在視頻模型的本質原因。

如果說豆包在C端是不停地探索應用與用戶付費意愿的適配度，那在用戶付費意愿更強的B端，豆包的重點在于探索豆包大模型與客戶的契合度。

今年5月份，豆包已經確定了在B端的業務落地思路：火山引擎負責基座模型、開發者生態的構建，豆包負責應用的開發和調試。

得益于火山引擎“更強模型、更低成本、更易落地”的發展理念，視覺理解模型進入“以厘計價”的同時，火山引擎還升級了火山方舟、扣子和HiAgent三款平臺產品，幫助企業構建好自身的AI能力中心，高效開發AI應用。

實際上，按照字節期待的飛輪效應，算力調用測試推動豆包大模型產品降價，大模型降價再吸引B端客戶合作，客戶的使用數據再給豆包帶來更多的調用量。

目前，據火山引擎數據，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3億臺，來自智能終端的豆包大模型調用量在半年時間內增長100倍。

此外，在與企業生產力相關的場景中，豆包也有新的增長。最近3個月，豆包大模型在信息處理場景的調用量增長了39倍，客服與銷售場景增長16倍，硬件終端場景增長13倍，AI工具場景增長9倍。

除了針對B、C端開放應用外，豆包還下場做起了今年的新風口智能硬件產品——Ola Friend。據介紹，該款耳機植入了豆包大模型，并與字節對話類AI應用豆包App結合：戴上智能耳機后，用戶可通過語音對話隨時使用豆包，在豆包App上也可以操控這款耳機。

此外，據ITBEAR報道，字節AI硬件團隊還在積極推動豆包大模型與其他手機廠商的智能助手進行合作，以期在更廣泛的場景下發揮大模型的強大能力。

種種信號表明，豆包正以各種方式打開大模型商業化的大門。商業化是擺在所有玩家面前共同的問題，學會賺錢，也是豆包的必修課。

于豆包而言，用“大力出奇跡”卷完應用之后，也要有進入下半場高歌猛進的資本，那就是一條更為清晰的商業路徑。