字节公布了自己在AI领域的最新进展。
在今天举办的火山引擎FORCE原动力大会上，最新旗舰模型豆包大模型1.8，和音视频创作模型Seedance 1.5 pro如期亮相。
这一次，字节没有选择单纯堆砌参数或炫耀跑分，而是把技能点加在了实用性上。
火山引擎总裁谭待介绍，新推出的豆包大模型1.8，强化工具调用、屏幕操控和视觉理解，致力于成为更懂真实场景的 Agent 基座。而Seedance 1.5 pro的亮点在于音画同步的突破和影视级的叙事张力。
*豆包大模型1.8部分测评结果
*Seedance 1.5 pro实测效果
在模型实用之外，字节还想帮企业更实用地解决AI落地问题。
同样在今天，火山引擎重点发布了一系列帮助企业用好 Agent 的支持服务。
在Agent开发层面，火山升级了企业级AI Agent平台 AgentKit。
这一平台，覆盖了Agent从开发、部署到管控的全生命周期，目标是解决企业在Agent落地中面临的身份权限管理、模型确定性及系统集成等核心挑战。
在Agent运营层面，火山还推出了HiAgent智能体工作站，通过构建统一的企业AI任务调度中心、提供一系列开箱即用的通用智能体，以及支持个性化定制智能体应用，帮助企业实现Agent的规模化管理与应用。
“模型本身当然还是要继续变强。但另一方面，其实现在模型已经很强了，真正的问题在于有多少企业，能够把这种强大的能力用好。”在发布会后的媒体访谈环节，谭待解释推出AgentKit的原因。
而且，他还认为火山在Agent的企业级服务上有无可比拟的优势。
“AI时代的系统架构需要围绕Agent来设计。这些系统变化只有真正做过大规模实践的人，才能体会得非常深。豆包背后的功能和工具很复杂，本质上，它就是我们最大的Agent。”谭待认为，火山通过支持豆包这个最大的Agent，积累了真实踩坑经验。
“所以当企业来问Agent该怎么做的时候，他们第一个会想到火山。因为我们是真的做过，而不是只讲概念。”谭待说。
以下是谭待和媒体的交流实录：
Q：今年年底，能看到海内外头部模型都在密集更新多模态大模型的进展，你觉得为什么会产生这个趋势？
谭待：这代表着AI应用开始进入到更深的领域。最早的时候大家聊天用文字就可以了，但现在让模型帮忙处理事情，第一，用户的输入可能就会带有视觉信息，比如车里、线下摄像头、餐饮场景的信息。而且模型处理事情要调用工具，工具返回的结果很多也是视觉化的。所以模型需要有视觉理解，才能理解这些动作的结构。
如果模型能理解视觉的话，它就可以更像人一样来做这些事情，不一定需要每一个工具都一定要做一个MCP的server，或者用某一种API 。
我们去年12月份已经在讲多模态了。因为我们很早就意识到，这才是模型真正做完复杂AI解决方案的前提。
特别是在企业场景里，需求会更加复杂。就像今天演示的案例，你让它去分析一份报告，生成结果，中间可能要经历几十轮这样的处理过程。
现在大家都在强调多模态，恰恰说明，用户提的问题已经变得更深了。
Q：这个需求是一直在的，但多模态方向的效果还不足够好。
谭待：得耐心。和去年比起来，现在其实已经解决了非常多的问题。模型的发展一直是这样：它会在一段时间内进步，解锁一个领域，这个领域会迅速爆发，然后又暴露出新的问题。
这就像人一样，小学、初中、高中，每一次考试都越来越难，但能力也在成长。这是一个同样的过程。所以我觉得模型的进化速度是非常快的。
Q：今天你密集提到了一些Agent面临的挑战。可以再展开吗？
谭待：豆包对外表现出来是对话，但它有很多很复杂的功能，也是Agent。举个例子，就算只是搜索功能，都有不同领域的搜索、垂直搜索、开放式问题、闭环的问题等等，它们背后都是完全不同的实现。所以在我们内部的实现豆包这个Agent的过程中，也会发现在不同的地方要解决的问题是不一样的。
比如说做出一个视频模型，模型本身的能力已经很好了，接下来怎么把它放到一个真实系统里？有一部分问题，我们可以通过火山内部的一些机制来解决，比如MaaS这样的能力，但还有一些问题是绕不过去的。因为Agent最终是要跑在真实系统上的，所以它对系统的鉴权、对运行时（Runtime）的稳定性、对弹性、对数据安全，都会提出非常高的要求。
对企业来说，Agent的价值其实是非常直接的。一个企业可能每做一个这样的Agent，就能省下几千行代码，也可能节省几周的开发时间。我们提供的这些底层服务能力，大家再去做Agent应用这件事情，整体就会顺很多。
所以回到刚才问的问题，我觉得有两点。第一，模型本身当然还是要继续变强。但第二点，其实现在模型已经很强了，真正的问题在于有多少企业，能够把这种“强”用好。
而要把模型用好，其实需要一整套新的东西，也就是一套为Agent的开发和运行而设计的架构。我们一般把它称为AI云原生架构。这个概念我们其实很早就开始讲了，只是到今天，我们把它拆得更细了，变成了一整套可以落地的AgentKit、工具和流程。
相信通过这种方式，等大家下次再来大会的时候，会看到非常多的Agent，已经是真正在生产环境里跑起来的样子。
Q：有观点认为，Agent时代和App时代会产生冲突。你怎么看Agent与App的关系？
谭待：我觉得现在谈冲突还太早了。从用户角度来看，用户的需求才是核心。用户是通过和机器人说一句话，还是点App，还是打电话，本质上都是在满足同一个需求。
如果AI让这件事变得更方便、成本更低，需求本身就会被放大。因为以前人们可能觉得太麻烦就不做了。现在变得很容易，就会多做几次。所以需求变大了，形态并不是关键。未来可能Web、App、Agent都会并存。
Q：你提到豆包大模型已实现超过10倍的数据增长，临近年底，你怎么评价今年豆包大模型的整体成绩，以及如何看待明年大模型赛道的整体竞争？
谭待：今年整体成绩还可以，在国内肯定处在比较领先的位置，但放到全球看，OpenAI等海外厂商都已发布新一代模型，所以我们还要继续努力。字节在全球市场相较于国内还有更多提升空间，我们会持续投入，把模型做得更好。
不过我觉得模型之间的竞争不是最重要的，最重要的是把整个市场做大。如果明年整个市场能再涨10倍，大家面对的就是增量市场而非存量竞争，就不是零和博弈了。
回头看火山引擎，我们在国内是最早讲模型、讲Token、讲模型成本、讲通过技术手段大幅降价的。当时我们把价格降到很低还能保持毛利，很多人一开始不信，觉得我们在亏钱，现在大家都在降价，也就慢慢接受这个事实了。越来越多厂商加入是好事，大家一起把市场做大，才有可能真正推动各行业的AI落地。
Q：今年7月有报告提到，企业使用AI工具后，不同产业生产力提升差距大，结构性变化明显，传统行业相对落后，而且企业只有看到回报才会继续投入。想请问你在客户扩展和销售过程中，有没有观察到类似的差距？它会不会影响到市场拓展？
谭待：这是个挺好的问题，这取决于怎么看这件事。有些行业起量非常快，但天花板不高，有些行业起量很慢，但天花板非常高。
比如最早模型起量最快的是陪伴型聊天，但这个场景天花板不高，因为一个人一天能聊天的时间有限。而起量慢、天花板高的比如深度研究，可能一个董事长一天只需要用一次，比如问“豆包，你告诉我，现在什么行业更好？”，这个问题一天问一次就够了，但为了回答好它，背后的Agent可能要跑几个小时甚至一整天，要做大量的搜索、数据清洗、分析、提出假设、扩展推理，甚至处理视频内容。
这种需求产生的算力和资源消耗非常大，是价值很高但推进很慢的方向。
Q：怎么形容现在豆包等字节系应用和火山引擎MaaS业务之间的关系？当下外部应用层面竞争愈发激烈，这种变化会不会对它们之间的关系带来新影响？
谭待：豆包等字节内部产品也在使用火山，火山的技术底座是内外一体的。
这有很大好处。方舟上包括强化学习在内的几乎所有能力，都经过内部大规模、高频次的真实用户使用，我们的产品能保持领先，很重要的原因就是我们自己先用、先实践。
至于外部竞争我觉得还好，我们的外部客户之间本身就存在竞争关系，比如几十家短剧公司之间既有竞争也有合作。火山会保持中立角色，不管是内部还是外部客户，都会按ToB服务的最高标准做好隔离、安全和合规。
Q：今天提到会对豆包API做更多扩展，请问这一方向的整体思路是什么？
谭待：这是个很自然的过程。大家觉得豆包APP很多功能好用，而这些功能背后不是简单的API调用，本质是一整套带业务逻辑且不断迭代的Agent系统。
很多企业客户在用豆包时，都希望能直接使用这些好用的功能，他们觉得即便知道有模型API，自己用模型再搭建一套系统也很难。
有些场景有必要用模型API定制，有些场景可以直接复用成熟能力，这两种方式属于不同维度，并非互相替代，而是面向不同需求的形态。不过基本原则还是通过技术和产品的持续创新以及成本的不断优化，把产品真正做好。
Q：之前有观点提到未来MaaS平台带来的收入可能会和传统云业务处在一个量级，你怎么看？如何处理好存量业务，一步一步过渡到增量业务？
谭待：我整体是比较认同这个趋势的。因为这本质上是一个业务转型的问题。存量业务现在还是比较大的，但如果从芯片出货量来看，其实两年前GPU的出货量就已经发生了很大的变化。以前GPU更多是用来训练，现在越来越多是用来推理。我们很早就意识到了，也一直在强调这件事情的重要性。
如何过渡首先是一个战略问题。因为所有策略，最终都是服务于战略目标的。
战略本质上就是取舍，以及时间维度上的选择。你是看短期，还是看长期？我们一直比较强调从长期去倒推。比如先想清楚三年后你希望自己处在什么位置，再倒推就会知道今年、明年什么事情是最重要的。如果一家公司的战略是正确的，但它明年做的事情却和这个战略不一致，那问题就会很大。
所以我们一直鼓励大家先把“大图景”看清楚。只要大方向清楚了，会发现可以有很多策略去支撑这个方向，可以组建专门的团队，也可以调整激励机制。
还有一点我觉得非常重要，就是在技术变革期，一定要让技术能力强的人来负责业务。如果是在一个相对平稳的阶段，可以让销售能力更强的人来主导。但如果是在像现在这样快速变化的技术周期里，技术能力就非常关键。
Q：现在很多云公司的核心收入还是计算资源、存储等传统云业务。但今天提到的多模态、Agent、数据库等产品，增长速度都非常快。你觉得接下来哪些类型的产品会率先到达一个新规模？
谭待：还是要回到技术变化的内核。过去几次大的技术浪潮。第一次是PC，然后是互联网，那个时代的核心是网站。围绕网站，诞生了数据库、搜索等一系列基础设施。后来进入移动时代，核心变成了App。App的使用频率相比网站提升了一个数量级，很多技术也随之重构。而现在进入AI时代，最大的变化是——主体发生了变化。App和Web仍然存在，但背后的逻辑会越来越多围绕Agent来构建。
系统架构，需要围绕Agent来设计。要考虑Agent需要什么样的数据、什么样的运行环境、什么样的工具调用能力。这也会带来数据库形态的变化，因为Agent是按需生成内容的，和传统应用是完全不同的模式。
所以，Sandbox、单体体验、实时数据等需求都会变得更加重要。这本质上是开发范式的变化。而这些变化，只有真正做过大规模实践的人，才能体会得非常深。这也是为什么我们一直强调，要用实践来反哺产品。
豆包本身就是一个非常大规模的实践。我们在真实环境中跑过这些Agent，踩过坑，也积累了经验。所以当企业来问“Agent该怎么做”的时候，他们第一个会想到我们。因为我们是真的做过，而不是只讲概念。
Q：有观点认为，短期内大家会通过价格战快速放大收入规模，但竞争也会非常激烈。你怎么看？
谭待：我一直觉得，竞争本身不是关键问题。假设明年整个市场还能增长10倍，那增长3倍还是5倍，其实差别没有那么大。更重要的是，有更多的人参与进来，会让整个事情做得更快。更多的人、更多的想法，会加速AI落地，市场的天花板本身就非常高。
其他云厂加大投入是一件好事，大家一起把市场做大。
Q：今天发布了豆包1.8，谷歌那边也在差不多的时间发布了Gemini 3 Flash。目前业界普遍认为，Gemini 3在全球范围内属于非常领先的一代模型。如何看待模型之间的差距？
谭待：这个问题我们肯定要正视。
如果你问我，那肯定是要努力追赶的。但追赶这件事也可以从不同维度去看。可以看“距离”，也可以看“速度”，还可以看“加速度”。如果只看距离，那确实是有差距的。如果看速度，在某些阶段，我们未必比对方慢。但我更关心的是加速度。
在这一段时间里，我们的加速度是在提升的。所以从这个角度来看，我对最终能够不断接近有信心。
实际上大家也能看到，在一些具体能力上，大家是交替领先的。比如说今天发布的Seedance 1.5 pro的语音和画面同步，之前是Veo 3较早做出来的，后来也有Sora2。但要把音画同步真正做好，其实并不容易。经常会出现嘴型对不上，或者突然吞音的情况。
在整个音画同步上，我们认为现在Seedance 1.5 pro的效果最好。尤其是对中文、对方言的支持，音画同步，这是一个非常难的点。再比如Seedream 4.5，我个人感觉整体效果上处在比较领先的位置。
当然，整体Google在一些方面还是领先的，我们在追赶。但更重要的，还是看长期。
Q：以前大家更多会觉得火山是字节技术能力的外溢。2022、2023年左右会感觉这种外溢在商业价值上的体现还不是特别明显。但在这一轮AI浪潮里，火山明显获得了更多客户的认可。这种变化背后的原因是什么？
谭待：你刚才提到的几个点，其实可以回到“距离、速度、加速度”这个框架来看。你现在看到的，都是已经显性的结果。但在内部，很多积累其实是很早就开始了。
首先，现在能做得比较好的厂商，基本都有一个共同点。那就是，它们本身就有非常大的业务规模作为支撑。因为大模型这件事情，技术投入是非常大的。没有一个能够产生万亿级现金流的业务，是很难长期在这个方向上持续投入的。
第二点，就是外溢的路径问题。最早外溢出去的，其实是工具类能力。因为工具最容易标准化，也最容易对外复制。最早大家想要的，就是“抖音同款”。这个其实不是2023年才开始的，而是更早，大概在2020年左右。
再往后是规模优势。抖音的服务器规模，在国内是最大的。这些基础设施能力，被逐步抽象出来，形成了现在的云服务。
在2021年底，我们正式推出了云服务。而在AI这条线上，我们其实一直非常坚持。从最早做推荐算法开始，推荐本身就是AI的一种形式。包括内容创作、内容分发，背后其实都是AI能力。
到了2023年，大模型开始真正成熟，大家才看到应用层面的爆发。但AI从来都不是一步就能做成的事情，要先解决训练问题，再解决推理问题，最后才是应用问题。所以在2023年，几乎所有AI创业公司，都是在火山上训练模型。等训练结束之后才真正进入应用阶段，也正是在这个阶段，火山引擎的价值才被更多客户真实感知到。
这几年能被客户认可的最核心原因，还是遇到了一个真正的技术风口。如果没有风口，做的更多是20%到30%的效率提升。但一旦遇到风口，一两年内就可能发生非常大的变化。但从本质上讲，技术积累本身并没有变。
Q：豆包大模型日均处理token量超过 50 万亿，想请问豆包token的消耗比例是怎样分布的？个人和企业的比例又是怎样的？
谭待：早期阶段，整体上还是偏C端一些。比如互联网、零售，包括手机、汽车，这些行业增长都比较快。但我们也看到，在企业侧有些客户已经在内部部署了上百个Agent。这些Agent每天的token消耗也能达到几十亿量级。现在看到的“1万亿token俱乐部”，已经不止一百家。
简单算一下会发现很多企业客户在AI上的消耗，已经超过了它们在传统云上的消耗。
至于个人和企业的比例，我觉得还是符合所谓的“二八规律”。大概可以理解为，个人用户数量多，企业用户数量少，但企业的单体消耗更大。如果用一个非常粗略的比例来讲，云时代大概是8.5比1.5，现在可能是7.5比2.5，我觉得可能未来个人占比还会再高一点。
Q：那在行业侧，你们接下来会重点投入哪些行业？
谭待：我们是这样做的。首先，客户的层级不同，需求也会不一样。有些客户，通过开发者社区，或者生态伙伴，就可以很好地服务。有些客户我们会通过直销团队来服务。还有一些行业，因为客户高度集中，需求也比较类似，我们会按行业来做解决方案。比如汽车行业，就是一个非常典型的例子。
Q：按Token收费，你之前说觉得还是一种比较原始的模式。现在怎么看这种模式？以及你们是否在探索新的商业形态？
谭待：是的，按token收费确实是比较原始的。但“原始”并不代表不好。它对应的是一个比较底层的抽象层级。API就像原材料，你用多少，就付多少钱。当然，不同模型版本，因为能产生的价值不同，定价也会不一样。但对企业来说，它最终关心的，不是token，而是问题能不能被解决。所以再往上走，一定是Agent。
Agent可以是以API的形式提供，也可以是一个完整的产品形态。
比如客服Agent，客户直接把它当客服用就行。或者Coding，让Trae和工程师一起写代码。
当抽象层级变高之后，商业逻辑也会发生变化，就不再只是在IT预算里去看这件事，而是看全球客服市场有多大，开发者市场还有多少缺口。这些都是新的市场空间，也是为什么很多机构会讲“十万亿美元级”的市场。
热门跟贴