火山引擎总裁谭待：字节追赶全球大模型，差距仍在，更要看加速度

图片来源：视觉中国

蓝鲸新闻12月19日讯（记者 朱俊熹）“要衡量AI的发展速度，最重要的指标就是tokens调用量。”字节跳动旗下云服务平台火山引擎总裁谭待表示。“因为模型只有被调用才能发挥价值，而越有价值的模型，调用量就会越多。”

火山引擎在12月18日举办的FORCE原动力大会上披露，截至今年12月，豆包大模型日均token使用量已突破50万亿。相比今年5月公布的16.4万亿大幅提升，较去年同期增长超过10倍。目前有超过100家企业客户累计token使用量超过一万亿。

token是大模型处理信息的最小单位，调用量反映的是模型在API调用、对话等使用场景中实际处理的token总量。从全球范围来看，云巨头谷歌10月称其各类产品和服务每月处理1300万亿token。微软表示，如果单看其企业级AI平台Azure AI Foundry的API调用，今年token处理量超过500万亿，较此前增长超7倍。

国际数据公司IDC的报告显示，在2025年上半年的模型即服务（MaaS）市场中，火山引擎以37.5%的份额位居中国第一，排在其后的阿里、百度、腾讯分别占比21%、15.5%、4.2%。MaaS主要以API访问、模型中枢或会话接口来提供服务，大多以token调用量作为核心计费依据。IDC统计口径并不包含单独销售的云基础资源层（IaaS）和算力收入，也未计入厂商自有业务调用量。

但若论AI大模型解决方案市场，厂商会将一整套可落地的大模型系统交付给企业客户，在企业自己或第三方的数据中心部署。从市场份额上看，百度、华为、商汤科技、科大讯飞等厂商占据了较为领先的位置。

作为对外开放字节技术工具的云厂商，火山引擎在推进To B市场时尤为强调“内外一体”的理念。12月18日的活动上，火山引擎还上线了豆包助手API，将豆包App的对话、思考、搜索等核心Agent能力，以API的方式开放出来，供企业直接使用。之后还将陆续开放多模态理解、深入研究、内容创作、视频通话等豆包助手能力。

“大模型是C端、B端都可以很容易体验到，To C和To B之间会有很好的协同。”谭待在接受媒体群访时表示。他提到，很多企业家在经常使用豆包App之后，都会询问能否让企业直接用上豆包的功能。尽管豆包的表现形式是一个App，但其功能背后是不断迭代的Agent系统。基于此，火山此次将相关Agent能力以API方式对外开放。

谭待强调，豆包产品同样运行在火山的技术底座上，大模型服务平台火山方舟的能力，已在大规模用户使用场景中得到验证和锻炼。从全球来看，亚马逊、谷歌、阿里等表现突出的厂商，都在外溢自己的技术能力，从而在高投入背景下保持竞争力。就火山而言，其能力外溢也经历了从早期抖音同款工具到规模优势，再到当下AI能力的演进过程。

字节豆包App的月活长期稳居国内AI产品榜单首位，但近期阿里开始发力猛攻C端市场，以期激发与B端的协同效应。AI产品榜数据显示，11月豆包MAU达1.68亿，仍大幅领先于腾讯元宝、DeepSeek等其他AI原生应用。而阿里将通义更名为千问后，其MAU环比增长149%至1834万。阿里核心管理层将“千问”项目视为“AI时代的未来之战”，并成立千问C端事业群，首要目标是将千问打造成为一款超级APP。

在此次活动上，火山引擎还正式发布了豆包大模型1.8及音视频创作模型Seedance 1.5 pro。其中，豆包大模型1.8面向多模态Agent场景进行了定向优化。Seedance 1.5 pro在音画同步技术上取得进展，支持环境音、背景音乐、人声等多种元素，实现毫秒级的音画同步输出。对白处理上还覆盖四川话等中文方言、英文及小语种。

谷歌今年5月发布的Veo 3，是首次实现音画同步生成的AI视频模型。随后，OpenAI的Sora 2，以及国内的阿里万相2.5、百度蒸汽机2.0、快手可灵2.6等模型，均已支持音画同步的能力。

谭待表示，尽管不少厂商都已具备相关功能，但真正把音画同步做好并不容易，仍可能出现嘴型对不上、吞音等问题，背后涉及视频模型、大语言模型、端到端语音模型等能力。他认为，目前谷歌在整体能力上处于领先位置，字节正在加速追赶，并在部分领域已出现交替领先的情况。

对于“追赶”的衡量标准，谭待进一步解释称，可以从距离、速度、加速度来评估。“要衡量距离，那有差距；衡量速度，可能短期内速度也有差距；但是我觉得加速度，我们现在在提升，最终肯定能看到越来越接近。”他表示。