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

封面來源｜AI生成

如果想知道AI市場到底發(fā)展成什么樣，火山引擎已經(jīng)是中國市場當(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50萬億，較去年同期增長超過10倍。”12月18日，在人頭攢動的Force大會現(xiàn)場，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，如今火山引擎已經(jīng)成為國內(nèi)市場份額第一，全球也能排在第三位。

2025年中旬，云廠商爭奪“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，后有OpenAI的GPT-5.2緊追不舍。在國內(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市場概括關(guān)鍵詞，多模態(tài)和Agent必定在榜。

這次的Force大會，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；企業(yè)級AI Agent平臺AgentKit；以及面向Agent運(yùn)營，發(fā)布HiAgent“1+N+X”智能體工作站。

火山引擎總裁譚待

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

“大家可能以為這個(gè)很簡單，但我們做起來也很不容易！”譚待笑著說，“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，問題是Agent的工具和生態(tài)還很早期，企業(yè)做Agent迭代就會很慢�！�

距離2020年火山入局云市場，已經(jīng)過去了五年。彼時(shí)火山還被稱為是云市場的“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，火山的營收規(guī)模超過110億元，營收增速遠(yuǎn)超60%；今年，這個(gè)數(shù)字已經(jīng)超過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，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，競爭已經(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，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、對齊才能使用，做一條AI視頻需要橫跨多個(gè)平臺，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大會上，譚待對Seedance 1.5 pro的參數(shù)也是一帶而過，直接展示了多個(gè)Demo，涵蓋電影、動畫、商業(yè)拍攝等多種風(fēng)格。

我們也同樣對Seedance 1.5 pro進(jìn)行了試用。總體感受是，只需要用最簡單的提示詞，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，她開心地笑了，說：“你真好！”
• 提示詞：一個(gè)藍(lán)色頭發(fā)的動漫少女站在櫻花樹下，櫻花瓣飄落下來。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。她笑著用英語說:“春天終于來了!”

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)級可用的水平。聲音，成為了重要的競爭因素。

無獨(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，對中文適配程度較低，很多時(shí)候嘴型對不上，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——不僅口型對得好，聲音和人物、環(huán)境的適配度。

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

比如，在室外，不同的天氣，人物的聲音會顯得更加悠遠(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:“是時(shí)候做個(gè)了斷了。”鏡頭切換到對面的人，對面的人回答：“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，車子加速沖過終點(diǎn)線

Seedance 1.5 pro生成的視頻，動作幅度以及多鏡頭、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模型來進(jìn)行，都是先將視頻畫面生成出來，效果就是“啞巴視頻”，用戶得自己后期配音、配樂、對口型，費(fèi)時(shí)費(fèi)力。

無論對追求創(chuàng)作效率的C端用戶，還是對看重成本和穩(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)場景的需求，“音畫同步”正是客戶的核心訴求之一。

可以說，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對各種方言、對白和強(qiáng)表演場景的支持，讓模型天然適合在豆包、即夢等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、撬動用戶的路徑。

作為短視頻巨頭，字節(jié)跳動對內(nèi)容也沉淀了最深的理解——對什么內(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，也會和豆包、即夢、小云雀等C端產(chǎn)品聯(lián)動起來，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)雜的長鏡頭、希區(qū)柯克變焦等等電影術(shù)語，還能精準(zhǔn)復(fù)刻川話、粵語、滬語等等小眾方言，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，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100倍左右。

不過，大模型領(lǐng)域仍處在非常早期�；鹕街悄芩惴ㄘ�(fù)責(zé)人吳迪在會后采訪中曾披露一個(gè)數(shù)字：在國內(nèi)，大約10%-20%左右的頭部企業(yè)，消耗了超過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�

光有好模型，還遠(yuǎn)遠(yuǎn)不足以服務(wù)好客戶。不過，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，都會習(xí)慣于提供不同的模型版本，比如語言、視覺理解、思考模型等等，每個(gè)版本對應(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)級上升的，這需要更領(lǐng)先的基模——這是火山強(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、處理方言的語音語調(diào)，這些都依賴于基模在語義理解、情感識別等維度的深厚積累。

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

來源：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)，但未來絕對不會是只有這種消費(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，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)值來計(jì)費(fèi)。

在2025年，火山也開始推出以按照思考長度，分段付費(fèi)的模式，來幫助企業(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。對于后起之秀的火山而言，傳統(tǒng)的公有云市場已經(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)，專門針對大模型訓(xùn)練做了優(yōu)化；存儲架構(gòu)，也考慮了AI訓(xùn)練對基礎(chǔ)設(shè)施的極端需求。

AI基礎(chǔ)設(shè)施的競爭，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。

對于更廣闊的企業(yè)客戶來說，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。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、效果評估、成本控制等一系列復(fù)雜問題。

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

火山如今在同步建設(shè)模型的“腦”和“手”。

如果說，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、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)營能力。從Agent的創(chuàng)建、測試、部署，到上線后的監(jiān)控、優(yōu)化，形成了一個(gè)閉環(huán)。這對企業(yè)客戶來說至關(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)場景，包括客服、內(nèi)容審核、數(shù)據(jù)分析等，都在使用Agent來提升效率。這些實(shí)踐中沉淀下來的能力和經(jīng)驗(yàn)，最終通過AgentKit對外輸出。

在Force大會的演示中，一個(gè)企業(yè)級的電商客服Agent從零搭建到上線，整個(gè)過程只用了不到半小時(shí)。這種效率提升，對很多企業(yè)來說是質(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。

這場系統(tǒng)工程的較量，才剛剛開始。