12月18日，火山引擎Force冬季大会在上海举行，字节跳动正式发布豆包视觉理解模型，千tokens输入价格仅为3厘，一元钱就可处理284张720P的图片，比行业价格便宜85％，以更低成本推动AI技术普惠。

豆包战略研究负责人周昊发表演讲，分享豆包在生活、学习和工作等各类场景中的广泛应用。

他表示，作为一款通用型AI产品，豆包致力于去满足不同用户具体且真实的需求，让用户像开口问身边的朋友一样快捷方便地和豆包沟通，真正做到什么都问问豆包。

周昊在大会现场

以下是周昊演讲全文：

大家好，我是周昊。

过往公司做App在早期阶段的心得是把最关键的用户需求解决到非常好。比如抖音是视频创作和分享、头条是看新闻、飞书是协同办公等等。

但对于大模型产品，好像很难定义哪一个是“最关键的用户需求”。因为它天生就是一个通用型产品，每个用户打开它时，想要解决的问题都不一样。因此，我们要做的是满足好不同用户在不同场景下的需求。

在豆包发展过程中，我们做了很多用户访谈，也发现了各种不同的下载理由及使用场景。AI 产品很神奇的地方是，它真的能够同时满足这些看上去非常不同的需求。

日常生活“问问豆包”

比如，日常生活里各种知识和经验问答，豆包总能快速为用户答疑解惑。最近上海到了银杏季节，一位用户说，他问豆包“上海哪里可以看银杏？”，豆包很快就列出了市中心和郊区的观赏地及特点，并配上了银杏树的照片和路线视频攻略，非常方便。

今年，黑神话悟空特别火，带动了山西旅游，很多人去山西看佛像。用户访谈中大家提到，在山西逛博物馆时，就会请豆包介绍一下北魏的佛像风格；讲讲中国佛像艺术在历史中的演化过程。借助豆包，旅游时对历史文物的了解就不再局限于展牌上的简短介绍，可以深入展品背后的历史故事与文化内涵。

也有朋友尝试把体检报告拍给豆包。他说心电图报告里不少专业术语和符号，他尝试豆包拍图解读，把医学术语翻译成浅显易懂的语言，更方便自己理解。

教育学习“问问豆包”

生活之外，很多用户反馈，豆包也能很快很好的满足学习和教育的各种需求。身边有不少朋友近几年成为了新手爸妈，他们尝试用豆包解决新的家庭教育难题。

比如一些奥数题，小朋友没什么思路，家长也不太知道该怎么讲解，就请豆包给小朋友解答。豆包还能提供详尽的解题步骤，引导小朋友理解题目解法。如果小朋友对某类题目掌握的不太牢固，家长还会请豆包再给小朋友出几道同类知识点题目巩固练习。

英语口语练习也是大家很喜欢的教育场景。用户反馈说，豆包的发音、词汇量、句型都远远超过他自己。通过豆包实时语音通话功能，和豆包一来一回练英语，毫不尴尬，也省了请老师辅导的开销。此外，生成的英语对话还配有字幕，退出后还可以复习。

工作中“问问豆包”

当然，最近听到最多的，就是在工作场景「问问豆包」。今天现场很多听众都是AI行业相关的从业者，AI发展很快，经常需要阅读前沿论文补充认知。论文，就是很多用户“问问豆包”的高频场景。大家不仅可以让豆包总结，划词解释专业名词，还可以多追问，不论是图片还是实验数据，都可以截图问问豆包，它都能给出清晰的图表解释和实验含义。

最近豆包大模型团队发表了一篇关于图像编辑的论文，非技术背景的同事读起来有点吃力。我们可以打开豆包电脑版，上传论文，点击预设提示词，豆包就可以生成清晰的脑图和总结，帮助我们快速理解论文框架，提炼核心信息。有了豆包的帮助，阅读论文的门槛大大降低，非专业人士也能更快了解关键信息。

此外，文字、图片、音乐、视频的创作上，大家也都会问问豆包。

前段时间，豆包上线了一键生成带有指定文字图片的功能。我们设计同学就用豆包直接生成了一张海报，发在了豆包官号上，效果还不错。同事们开玩笑说，豆包自食其力，自己努力宣传自己。

后来设计同学告诉我，其实现在他们做设计，第一反应也都是“问问豆包”。 豆包做图很快，也不会因为最后重新选回第一版而不满。 虽然它给的方案不完美，但也能提供不少思路和灵感，减少许多前置的工作，提升工作效率。

用户的故事还有更多，我们问自己，为什么大家在遇到问题时都愿意选择豆包呢？我觉得答案应该是

问问豆包最快

在产品设计上，我们一直在努力，让用户的输入更快更方便。我们非常注重多模态的输入和打磨，尤其是语音输入。输入速度上来说，普通人的打字速度大概是每分钟60到80个字，而普通人的语速每分钟可以到250至300字。如果你有主持人华少的说话速度，甚至可以达到每分钟400字。所以一般情况下，语音输入效率至少是键盘输入的3倍以上。语音的效率天然更高，更快。

同时，豆包的语音能准确转录各种语音信号，识别不同语言、方言、口音。我们有个产品经理是广东人，他很喜欢给豆包发粤语，豆包也能识别的不错。大家如果用的多，还会发现豆包对于人名、生词，也能结合上下文做出准确分析。当然，这背后都是基于豆包语音识别大模型的强大能力。这个语音模型在火山引擎也已经发布，有兴趣的朋友可以联系火山购买。

这些能力储备让用户像开口问身边朋友一样和豆包交流，真正做到什么都问问豆包。

语音以外，我们也上线了视觉识别模型。前面提到的不管是读心电图、还是拍奥数题，都依靠视觉输入。人和世界的沟通中，视觉是很重要的一环。相比用语言描述心电图上的复杂信息，直接拍下来问问豆包，肯定更快更方便。

其次，豆包离用户场景更近，更快。大家知道，我们在今年发布了AI智能体耳机Ola Friend。这样轻便的可穿戴设备，让豆包能够成为用户耳边伴随的朋友，在路上随时和豆包对话，最快。运动，逛街，旅行时，用户无需再拿出手机或其他设备，直接通过耳机就能和豆包对话，快速获取信息。这种无缝连接的交互方式，让豆包真正成为了用户身边的智能伙伴，陪伴用户度过每一个需要知识和帮助的时刻。

今年我们还重点建设了豆包电脑版 。大家可以把电脑版当成浏览器，直接打开网页。在浏览中遇到需要提问、翻译或总结时，直接点击“问问豆包”，就能轻松唤起，获得帮助。

我们也即将上线“文档编辑器”功能，采取全新的交互方式，生成文档后，用户可以在画布中自由编辑，让AI针对特定词语和段落优化改写，也可以一键全文润色、调整长度，全网搜图等，让创作更轻松。

最后，在看不到的地方，模型能力让问问豆包成为最快的解决方式。

当用户提出较为复杂的搜索或写作需求时，豆包快速识别用户意图，推理并拆解内容，再进行多步骤分析和推理，并调度搜索，呈现总结后的结果。同时，豆包还能将搜索到的文本信息与视频内容相结合，为用户提供更加丰富和直观的体验。

在快的背后，是模型帮助用户做了意图识别、信息收集、处理、整合和分析。

虽然用户带着不同需要打开豆包，但因为大模型应用能解决非常广泛的问题，用户在使用中也会逐渐发现更多的场景。

虽然AI是一个非常前沿的话题，但一款AI产品的成长，是需要走进真实的用户与真实的生活中的。工具是有限的，但人对探索、求知和美好生活的追求是无限的。

最近，我很喜欢一句话，我们要爱具体的人，做具体的事，过具体的生活。

一款AI产品也是一样，去满足具体且真实的需求，去关心用户具体且真实的生活。

欢迎大家什么都来问问豆包，我们也会努力完善豆包，创造更好更快的体验，为生活带来更多美好。

谢谢大家。