作者 | 房晓楠

编辑 | 苗正卿

最近几天，AI赛道挤满了新品。

4月17日凌晨，先是OpenAI正式将预热许久的o3和o4-mini正式对外，凭借“用图像思考”能力瞬间占据热搜头条。

几个小时后，杭州，字节跳动旗下火山引擎面向企业市场发布了豆包1.5深度思考模型，同步升级文生图模型3.0、视觉理解模型，并推出OS Agent解决方案及AI云原生推理套件，用于企业客户构建与部署Agent应用。

其中，豆包1.5深度思考模型作为字节首款推理模型，具备“边想边搜”能力，同时借助视觉推理能力，可以综合理解图片中的各类信息。官方介绍，目前这款模型的人类评估表现超出DeepSeek R1 8%，且采用MoE架构，在总参数量为200B的情况下，激活参数仅为20B，在训练和推理成本方面相比同类模型可降低50%。

其实，豆包在对推理模型的响应上，稍慢了一拍。

去年9月，OpenAI发布o1模型，揭开了推理模型的序幕，之后就是今年年初，DeepSeek R1凭借超低训练成本和优异性能表现，将推理模型的热度推向高潮，一举改变了大模型领域的竞争格局，国内外大厂巨头、AI初创企业迅速跟进，不管是选择自研推理模型，还是接入DeepSeek，都在持续发力……

字节在这方面，稍显迟疑。但这似乎也符合字节的一贯风格，虽然并非最早出发，但一旦开始行动，就会以一种饱和式方式加速挺进，最明显的就是豆包大模型背后的火山引擎。

去年5月，火山引擎发布豆包大模型，并将价格降至0.0008元/千Tokens，低于行业均价99.3%，之后阿里云、百度智能云接连跟进，以更低的价格甚至免费形式，短时间内将大模型拉进“价格战”白热化阶段。

半年后的12月份，火山引擎再次加速，发布豆包视觉理解模型，并再次以0.003元/千tokens、低于行业85%的价格出圈。彼时，官方透露，豆包大模型12月日均tokens使用量超过4万亿，较5月发布时期增长超过33倍。

而这一次，数据再次刷新。火山引擎总裁谭待表示，截至2025年3月底，豆包大模型日均tokens调用量已达到12.7万亿，较发布之初增长超106倍。

另外，根据IDC发布的《中国公有云大模型服务市场格局分析，1 Q25》数据显示，火山引擎以46.4%的市场份额位居第一，成为企业落地大模型的首选平台。

此次，在模型发布后，虎嗅等媒体与谭待进行了交流，他分享了关于火山引擎这几个月来的变化、以及当下大模型领域的行业新思考。以下为交流实录，部分内容略有删减：

提问：目前市场对于云服务的需求有哪些变化？具体提出了哪些新需求？

谭待：我觉得可以把这个问题更宽泛地理解为AI时代大家对云有什么要求。

传统的云是伴随着互联网发展起来的，那时的云原生很多是互联网应用（如 web、APP）在实践中涉及的中间件、数据库、容器等方面，是人通过编写软件规则、中间件等来实现对业务的抽象，现在范式发生了变化，则是利用“数据+模型”自动去解决更多的问题。那这种情况下，（大家）对云的要求越来越多，也催生出新的产品，我们把这类产品叫做AI云原生。

原来的云原生是为了适应互联网发展，现在的AI云原生则是为了满足AI和Agent发展的需求。

首先，云厂商需要有更好的模型、更低的成本，多模态也是更好模型的一种体现，但这还不够。AI应用从聊天、信息处理到Agent的发展过程中，需要更多的解决方案。比如今天发布的OS Agent，需要Agent去操作电脑、手机，这就需要电脑和手机的相关组件Sandbox，以及能够操作界面的模型。

此外，还包括强化学习框架、安全保障以及底层数据处理等方面。未来，火山引擎将围绕AI云原生，在存储、计算、数据、安全以及新的中间件如Sandbox等方面推出一系列的产品。

提问：刚才你讲到Agent，今年也被称为Agent元年，包括字节在内的很多厂商都在挖掘Agent的应用场景，那从火山引擎的角度来看，如何看待Agent市场的机会？

谭待：我觉得不能简单说是押注（Agent） ，随着AI发展，聊天和信息处理只是其中一小部分，要真正为各行各业带来变革，Agent是必经之路，如果做不好相关工作，就难以实现AI的社会和经济价值。

我认为Agent大概分为垂直类Agent和通用型Agent两种类型。对于垂直类Agent，火山引擎会基于自身优势领域进行探索，比如之前推出的数据Agent，通过构建数据飞轮，将数据处理能力发挥到极致。所以我们会在这类垂直领域打造自己的Agent产品，这次提到的Trae也是类似情况，数据和代码虽然属于垂直领域，但非常基础，这类垂直Agent我们会参与开发。

对于通用型Agent，它能操作电脑、手机等，应用场景涵盖企业内部、个人或特定领域，并且需要根据不同场景进行特别制定。对火山引擎来说，更重要的是搭建好基础框架、提供好用的工具。所以我们推出了OS Agent解决方案，借助新的AI云原生组件、SandBox和新模型，让开发者和企业能更轻松地打造自己的通用Agent，这是火山引擎未来的重要发展方向。

提问：在Agent的布局上，现在可以看到，既有字节这样的大厂，也有发布Manus的Monica这类初创企业，那在你看来，谁在这一领域的机会更大？

谭待：机会大小取决于企业的创新能力，而非企业规模，所以不能以公司大小来判断，持续保持创新能力才是关键。

提问：DeepSeek的R2正在筹划中，可能不久也要推出，面对这一强劲的竞争对手，字节是如何看待开源与闭源策略？

谭待：我主要从火山引擎的视角来回答。首先对于模型来说，开源或闭源不是关键，优劣才是关键。因为模型数量众多，并非所有都有很大影响力，更关键还是在于质量。不管是去年还是今年，业界都处于你追我赶的状态，比如17日凌晨OpenAI还发布了o3和o4-mini，与字节出现“撞车”情况（笑）。

我觉得竞争是非常好的事情，若把当前的AI发展看作一场马拉松，可能现在才跑了500米。大家在竞争中相互推动，无论对于技术还是行业应用来说都能快速发展，而竞争的关键在于能否把模型做好，与开源和闭源关系不大。

提问：那在后续的商业化上有什么规划？

谭待：提到商业模式的影响，从火山引擎的角度来说，我们本身是云厂商，目标是做AI时代最好的云。要把最好的模型提供给大家，核心在于两点：一是做好基础设施AI云原生；二是提供最好的模型以及模型上的各种应用。这次我们就推出了OS Agent这一层，更偏向于Agent这样的模型。

当我们的云原生做好了，使用者和企业用户既可以在上面用豆包，也可以用开源模型。刚才提到DeepSeek，它推出后，所有云厂商中对其适配最好的就是火山引擎，据我了解，市面上第三方在使用 DeepSeek云服务时，选择火山引擎的最多。所以对于火山引擎来说，好的模型越多越好。

提问：预估未来2年火山引擎的大模型tokens调用情况如何，还会保持近百倍的增长吗？

谭待：对于技术发展而言，人们通常会“短期高估、长期低估”。

从长期来看，百倍甚至更高的增长是有可能的，但具体是2年还是3年，最关键的取决于模型是否有重大突破。去年到今年（调用量）增长很快，是因为（豆包）模型有几个重大突破：一是最基础的聊天和信息处理能力提升且成本下降；二是今年深度思考功能的推出，这也是一个突破。往后发展还有很多关键节点，比如视觉推理能否做得更好、Agent相关技术能否取得更大进展。

每一次大的模型（技术）突破都肯定能激发一次大的变化，但2年内能否再翻100倍，要谨慎乐观。

提问：目前火山引擎在对内支持和对外扩张上是怎样的比重？接下来在团队扩招上有没有计划？

谭待：对于火山引擎而言，内部很多业务都依托于火山平台，比如抖音等产品，同时我们也对外提供支持。从成立之初，我们就坚持技术内外统一，这样既能保障对内服务，也能做好对外支持。通过技术和资源复用，我们能为内外客户提供性价比更高的服务，像我们的MaaS和云服务，性价比优势就源于此，而且实现统一后，无需纠结资源分配偏向内部还是外部，因为技术需求基本一致，全球优秀的云服务提供商（如AWS）也是如此运作。

关于业务扩张，我们会根据业务增长情况进行规划。

一方面，与规模相关的业务如服务更多客户，需要扩充销售团队、增加解决方案和客户成功经理，这部分人员会相应增加。另一方面，产品研发更注重质量。当下AI正改变各行各业，我们也在思考如何借助AI提升自身产品研发和维护的效率。比如我们内部使用Data Agent进行数据分析等，火山引擎要成为AI原生、AI实践的典范，这样才能助力客户和开发者实现AI转型。