文 | 連線Insight 王慧瑩
編輯 | 子夜
大模型應(yīng)用大戰(zhàn)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(jié)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(qiáng)的內(nèi)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(yè)開放服務(wù)。
除了新成員的加入，豆包大模型多款產(chǎn)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(jié)構(gòu)，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(chǔ)層，還是應(yīng)用層，字節(jié)都在綜合布局并持續(xù)迭代升級。截至目前，字節(jié)正在運營的AI應(yīng)用大約有20款，且大部分是在2024年以后發(fā)布的。
進(jìn)入到今年下半年，隨著越來越多大模型應(yīng)用的出現(xiàn)，行業(yè)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(lǐng)域都上演了“后來者居上”的戲碼。
用戶上，據(jù)QuestMobile數(shù)據(jù)，字節(jié)豆包App今年9月的日活已達(dá)760萬，成為中國日活最大的AI產(chǎn)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(yè)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(yè)便宜99.3%。
“卷王”豆包的另一面是行業(yè)正式進(jìn)入混戰(zhàn)后的生存之戰(zhàn)。盡管現(xiàn)在談?wù)摗癒iller APP”還為時尚早，但商業(yè)化是個繞不開的話題。瘋狂投入后，豆包也要學(xué)會賺錢。
與年初字節(jié)跳動CEO梁汝波在全員會上反思“慢”截然不同，這一年字節(jié)以豆包家族在大模型行業(yè)進(jìn)行的進(jìn)攻，又快又狠。豆包在行業(yè)的增長再次驗證了字節(jié)“大力出奇跡”的路線，也給行業(yè)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(jié)跳動CEO梁汝波在內(nèi)部講話中提到“遲鈍”二字，直指字節(jié)對大模型的敏感度不如創(chuàng)業(yè)公司。
“直到2023年才開始討論GPT，而業(yè)內(nèi)做得比較好的大模型創(chuàng)業(yè)公司都是在2018年至2021年創(chuàng)立的”梁汝波直言。
今年5月，大模型名字統(tǒng)一“豆包”后，字節(jié)正式走向了大模型發(fā)展的高速路。據(jù)DataEye研究院不完全統(tǒng)計，去年8月至今，字節(jié)跳動在AI領(lǐng)域一共推出包括豆包大模型家族在內(nèi)的17款大模型、2個智能體開發(fā)平臺。
正值大模型從“百模大戰(zhàn)”轉(zhuǎn)向應(yīng)用落地期，各家都在緊密跟隨行業(yè)的風(fēng)口，以期走在前列。
在應(yīng)用層面，素有“APP工廠”之稱的字節(jié)，決心更大。據(jù)不完全統(tǒng)計，2024年至今，字節(jié)在國內(nèi)外推出包括豆包在內(nèi)的20余款A(yù)pp，覆蓋AI聊天助手、AI視頻工具、AI娛樂應(yīng)用、辦公等多個領(lǐng)域。
其中，有對標(biāo)ChatGPT的“豆包”、對標(biāo)Sora的“即夢”、對標(biāo)MiniMax旗下社交AI星野的“貓箱”、對標(biāo)妙鴨相機(jī)的“星繪”、對標(biāo)Suno AI 的“海綿音樂”……
12月18日的火山引擎Force冬季大會上，字節(jié)跳動正式發(fā)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(tài)。
據(jù)量子位智庫數(shù)據(jù)，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(nèi)用戶規(guī)模破億的首個AI應(yīng)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(guī)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(jié)的“大力出奇跡”。
今年年中開始，大模型C端應(yīng)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(chuàng)業(yè)公司和互聯(lián)網(wǎng)巨頭，無一例外地陷入了大模型應(yīng)用的“用戶焦慮”。
據(jù)AppGrowing統(tǒng)計，截至11月15日，國內(nèi)十款A(yù)I原生應(yīng)用合計投放金額達(dá)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(chǎn)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(jù)AppGrowing統(tǒng)計，2024年4月—5月，豆包投放金額預(yù)計為1500萬元-1750萬元。6月上旬，豆包再次啟動新一輪大規(guī)模的廣告投放活動，投放金額高達(dá)1.24億元。
背靠抖音這一大流量池，豆包的出現(xiàn)頻率也越來越高。在抖音，字節(jié)幾乎屏蔽了除豆包以外所有AI應(yīng)用的投放，只留給自家的豆包。
不得不承認(rèn)，面對同質(zhì)化的市場競爭，燒錢換流量，是移動互聯(lián)網(wǎng)時代的慣用做法，而豆包背靠強(qiáng)大的字節(jié)生態(tài)，有著天生的優(yōu)勢。
大模型的特殊性在于，AI產(chǎn)品仍存在用戶接受度和留存率的挑戰(zhàn)，重金投流能否換來超級應(yīng)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(cè)成本的下降，在B端大模型廠商今年集體降價，行業(yè)從“以分計價”進(jìn)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(yè)市場的定價比行業(yè)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(yè)價格便宜85％。
廠商讓利降價的意圖很明顯，讓算力技術(shù)普惠的同時，讓企業(yè)用戶使用AI應(yīng)用的意愿更高端。數(shù)據(jù)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(fā)布時增長了33倍。
回過頭來看2024年，圍繞豆包生態(tài)，字節(jié)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(lián)網(wǎng)巨頭的實力。增長的底氣有了，下一步的關(guān)鍵便是讓大模型更好用。
02 一邊提技術(shù)、一邊“接地氣”，豆包能否更接近用戶是關(guān)鍵
AI浪潮奔涌兩年，行業(yè)不斷進(jìn)入新階段，不變的是玩家們對技術(shù)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(xiàn)。
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(yīng)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(yīng)運而生。
大模型這列列車高速前進(jìn)，對于玩家而言，最重要的是拿到車票。反觀國內(nèi)，對標(biāo)OpenAI，豆包也算是走在技術(shù)前列的大模型玩家。
此次大會上，豆包發(fā)布的視覺理解模型，具備更強(qiáng)的內(nèi)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(guān)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(zhǔn)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(fù)雜工作的工作效率。比如，在教育場景中，為學(xué)生優(yōu)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(jù)火山引擎介紹，目前豆包視覺理解模型已經(jīng)接入豆包App和PC端產(chǎn)品。某種意義上，視覺理解大模型是行業(yè)技術(shù)迭代的標(biāo)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(yīng)用場景。
視覺能力是大模型能力的核心已經(jīng)是共識，視覺輸入占據(jù)人類交互信息的絕大多數(shù)，為了讓大模型離AGI更進(jìn)一步，大家都在加速。
實際上，字節(jié)對視覺化、多模態(tài)模型的重視度肉眼可見的提升。12月11日，據(jù)智能涌現(xiàn)報道，字節(jié)提升了即夢的產(chǎn)品優(yōu)先級，嘗試用新的路徑打造AI時代的“抖音”。字節(jié)計劃后續(xù)把更多資源向更多模態(tài)的產(chǎn)品形態(tài)轉(zhuǎn)移，即夢會承擔(dān)更大的希望。
即夢AI隸屬于字節(jié)跳動旗下剪映業(yè)務(wù)，定位是AI內(nèi)容平臺，支持通過自然語言及圖片輸入，生成高質(zhì)量的圖像及視頻。
此次大會上，剪映業(yè)務(wù)負(fù)責(zé)人張楠表示，“即夢，希望成為想象力世界的相機(jī)”似乎也在回應(yīng)這一戰(zhàn)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(fā)布了3D生成模型，該模型與火山引擎數(shù)字孿生平臺veOmniverse結(jié)合使用，可以完成智能訓(xùn)練、數(shù)據(jù)合成和數(shù)字資產(chǎn)制作，成為一套支持AIGC創(chuàng)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(chǎn)品都迎來重要更新。
豆包通用模型pro新版本綜合任務(wù)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(chuàng)作，支持歌詞局部修改，曲風(fēng)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(bǔ)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(zhì)上，都是為了讓大模型更接近用戶。
今年5月，字節(jié)跳動產(chǎn)品與戰(zhàn)略副總裁朱駿分享了字節(jié)跳動為豆包這類產(chǎn)品定義了三個產(chǎn)品設(shè)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(huán)境，應(yīng)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(jù)中國企業(yè)家報道，在豆包官方用戶群里，每當(dāng)新功能發(fā)布時，豆包小助手就會在群里發(fā)布公告，并鼓勵用戶提供優(yōu)質(zhì)反饋。
這也證明了，字節(jié)做產(chǎn)品的思維，在大模型領(lǐng)域同樣適用。如今，大模型已經(jīng)經(jīng)歷了卷技術(shù)、卷應(yīng)用、卷用戶的階段，想要拿到下半場的船票，字節(jié)也必須帶著豆包一邊“提技術(shù)”，一邊“接地氣”。
03 拓場景、商業(yè)化，是豆包必須探索的
這一年，大模型行業(yè)除了技術(shù)迭代和產(chǎn)品更新速度的比拼，還有一個更重要的比拼維度，即商業(yè)化賺錢和場景落地的速度。
玩家進(jìn)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(jié)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(yè)化的命題。
經(jīng)歷了C端燒錢投流后，豆包是國內(nèi)日活最多的AI產(chǎn)品，但一個突出的問題在于用戶留存。
這讓字節(jié)對豆包的商業(yè)化也有了新的思考。據(jù)智能涌現(xiàn)報道，盡管豆包AI對話類產(chǎn)品月活表現(xiàn)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(fā)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(shù)據(jù)在過去一年中的增長幅度并不顯著。
基于此，字節(jié)管理層判斷，像豆包這樣的AI對話類產(chǎn)品可能只是AI產(chǎn)品的“中間態(tài)”。字節(jié)內(nèi)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(dǎo)致潛在的廣告空間較小，這都構(gòu)成了這類產(chǎn)品的隱形天花板。
長期來看，更低門檻、更“多模態(tài)”的產(chǎn)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(zhì)原因。
如果說豆包在C端是不停地探索應(yīng)用與用戶付費意愿的適配度，那在用戶付費意愿更強(qiáng)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(jīng)確定了在B端的業(yè)務(wù)落地思路：火山引擎負(fù)責(zé)基座模型、開發(fā)者生態(tài)的構(gòu)建，豆包負(fù)責(zé)應(yīng)用的開發(fā)和調(diào)試。
得益于火山引擎“更強(qiáng)模型、更低成本、更易落地”的發(fā)展理念，視覺理解模型進(jìn)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(chǎn)品，幫助企業(yè)構(gòu)建好自身的AI能力中心，高效開發(fā)AI應(yīng)用。
實際上，按照字節(jié)期待的飛輪效應(yīng)，算力調(diào)用測試推動豆包大模型產(chǎn)品降價，大模型降價再吸引B端客戶合作，客戶的使用數(shù)據(jù)再給豆包帶來更多的調(diào)用量。
目前，據(jù)火山引擎數(shù)據(jù)，豆包大模型已經(jīng)與八成主流汽車品牌合作，并接入到多家手機(jī)、PC等智能終端，覆蓋終端設(shè)備約3億臺，來自智能終端的豆包大模型調(diào)用量在半年時間內(nèi)增長100倍。
此外，在與企業(yè)生產(chǎn)力相關(guān)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(diào)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(yīng)用外，豆包還下場做起了今年的新風(fēng)口智能硬件產(chǎn)品——Ola Friend。據(jù)介紹，該款耳機(jī)植入了豆包大模型，并與字節(jié)對話類AI應(yīng)用豆包App結(jié)合：戴上智能耳機(jī)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(jī)。
此外，據(jù)ITBEAR報道，字節(jié)AI硬件團(tuán)隊還在積極推動豆包大模型與其他手機(jī)廠商的智能助手進(jìn)行合作，以期在更廣泛的場景下發(fā)揮大模型的強(qiáng)大能力。
種種信號表明，豆包正以各種方式打開大模型商業(yè)化的大門。商業(yè)化是擺在所有玩家面前共同的問題，學(xué)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(yīng)用之后，也要有進(jìn)入下半場高歌猛進(jìn)的資本，那就是一條更為清晰的商業(yè)路徑。