出品｜

作者｜張瑩

從5月15日至今，豆包大模型已經(jīng)正式發(fā)布了七個(gè)月。

在七個(gè)月前的春季火山引擎原動(dòng)力大會(huì)上，字節(jié)跳動(dòng)正式發(fā)豆包大模型家族，并宣布大語(yǔ)言模型價(jià)格以厘計(jì)算；七個(gè)月后的冬季原動(dòng)力大會(huì)上，豆包視覺理解模型正式發(fā)布并公布定價(jià)，視覺理解模型也進(jìn)入厘時(shí)代。

截至12月中旬，豆包通用模型的日均tokens（模型處理的基本數(shù)據(jù)單位）使用量已超過4萬(wàn)億，較七個(gè)月前首次發(fā)布時(shí)增長(zhǎng)了33倍。

在大會(huì)期間的群訪中，火山引擎總裁譚待對(duì)等媒體談到了多個(gè)齊頭并進(jìn)。

首先是2C、2B 齊頭并進(jìn)。“因?yàn)橄電蕵芬幚硇畔ⅲ@取知識(shí)要處理信息，處理工作要處理信息，企業(yè)自己運(yùn)轉(zhuǎn)也要處理信息。”

此外，譚待指出，從 B 端角度，現(xiàn)在大家說(shuō)的 Agent（智能體） 其實(shí)是不夠的。譚待認(rèn)為 Agent 的價(jià)值在于能輔助人多長(zhǎng)時(shí)間的工作。如果輔助人一分鐘的工作，比如寫打油詩(shī)，價(jià)值不大。如果能輔助一個(gè)人幾個(gè)小時(shí)的工作，比如說(shuō)教育，這個(gè)價(jià)值是比較大的。

譚待還表示，大模型跟過去所有的技術(shù)不一樣，過去的技術(shù) 2C 端跟 2B 端是割裂的，但是大模型不一樣，大模型的 C 端和 B 端背后是同一個(gè)東西，就是模型本身。

近期，字節(jié)跳動(dòng)發(fā)布了首款A(yù)I智能體耳機(jī)Ola Friend，該款耳機(jī)接入字節(jié)跳動(dòng)旗下豆包大模型。同時(shí)，百鏡大戰(zhàn)也頻繁被提及。

談到AI在硬件方面的落地時(shí)，譚待提出了第二個(gè)齊頭并進(jìn)，“物理、虛擬是齊頭并進(jìn)的。”

他解釋道，“物理世界也是服務(wù)于人的，服務(wù)于人就要和人打交道，聽覺、語(yǔ)言、視覺都要做，這些事以前其實(shí)做不好，但是大模型可以做好。”

對(duì)于競(jìng)爭(zhēng)，譚待指出，自己現(xiàn)在不太關(guān)心競(jìng)爭(zhēng)，大模型這個(gè)市場(chǎng)還在很早期的階段，可能這個(gè)市場(chǎng)千分之一剛剛開發(fā)出來(lái)，要關(guān)心用戶的需求有哪些沒有被滿足。

以下為對(duì)話精編：

媒體：現(xiàn)在通用語(yǔ)言模型的能力，比如說(shuō)能對(duì)話，目前的市場(chǎng)需求是否是有限的？今年的調(diào)用量增長(zhǎng)比較迅猛，后面會(huì)持續(xù)嗎？

譚待：對(duì)話是一個(gè)很通用的場(chǎng)景，但是實(shí)際上大模型本身在很多場(chǎng)景，特別是生產(chǎn)力的場(chǎng)景（需求）也會(huì)非常大。聊天機(jī)器人的聊天是很基礎(chǔ)的功能，加上深度推理的、圖像視覺理解等各種各樣的功能，才能處理更復(fù)雜的任務(wù)。而能解鎖更多復(fù)雜任務(wù)的才是模型未來(lái)發(fā)展空間越來(lái)越大的前提。

媒體：您提到 chat（聊天） 本身是一個(gè)相對(duì)基礎(chǔ)的功能，現(xiàn)在大家行業(yè)都在講所謂的全能 AI 助手，您會(huì)認(rèn)為它是一個(gè)偏同質(zhì)化的階段嗎？

譚待：“理念”大家肯定都是同質(zhì)的，但做不做得到是另外一回事。從 B 端角度，現(xiàn)在大家說(shuō)的 Agent 其實(shí)是不夠的，我覺得 Agent 的價(jià)值在于能輔助人多長(zhǎng)時(shí)間的工作，如果輔助人是一分鐘的工作，比如說(shuō)幫你寫首打油詩(shī)，那這個(gè)價(jià)值就不大。如果能輔助一個(gè)人幾個(gè)小時(shí)的工作，比如說(shuō)教育，幫你端到端地完整地教育、輔導(dǎo)作業(yè)，這個(gè)價(jià)值是比較大的。我覺得今年還沒有誰(shuí)能做到，明年會(huì)有一些突破。

媒體：最近中國(guó)電信在發(fā)一些大模型的產(chǎn)品，市場(chǎng)競(jìng)爭(zhēng)對(duì)手變多，火山引擎在大模型或者 2B 怎么更好地發(fā)力，展現(xiàn)火山引擎的優(yōu)勢(shì)？

譚待：這個(gè)市場(chǎng)還在很早期的階段，可能這個(gè)市場(chǎng)千分之一剛剛開發(fā)出來(lái)。這個(gè)時(shí)候其實(shí)不用關(guān)心競(jìng)爭(zhēng)的問題，關(guān)心的是用戶的需求有哪些沒有被滿足。比如說(shuō)視覺之前都沒有滿足好，模型又不好用，價(jià)錢又貴，我們這次推出來(lái)后希望一次做到位，這樣大家就能用起來(lái)，用起來(lái)就有更多的反饋、更多的創(chuàng)新。

媒體：字節(jié)跳動(dòng) 2C 的產(chǎn)品活躍度也比較高，您覺得大模型的未來(lái)是在 2B 市場(chǎng)還是在 2C 市場(chǎng)？

譚待：就我們的數(shù)據(jù)來(lái)看，在工作、娛樂、生產(chǎn)力的場(chǎng)景其實(shí)是差不多的，所以我覺得大模型就是 2C 和 2B 齊頭并進(jìn)，因?yàn)閵蕵芬幚硇畔ⅲ@取知識(shí)要處理信息，處理工作要處理信息，企業(yè)自己運(yùn)轉(zhuǎn)也要處理信息。

媒體：現(xiàn)在也有人在談 AI 眼鏡，您怎么看AI在智能硬件落地的可能性？

譚待：前面提到 2C、2B 齊頭并進(jìn)，物理、虛擬也是齊頭并進(jìn)。物理世界也是服務(wù)于人的，服務(wù)于人就要和人打交道，聽覺、語(yǔ)言、視覺都要做，這些事以前其實(shí)做不好，但是大模型可以做好，所以我覺得大模型比過去的很多技術(shù)都更容易連接數(shù)字世界和物理世界。

媒體：9 月之后有幾家國(guó)內(nèi)公司都有提到自己在做推理模型這方面，字節(jié)在推理模型這塊有沒有布局？目前的進(jìn)展如何？

譚待：肯定有布局。今天我們的（產(chǎn)品）雖然沒有叫這個(gè)名字（推理模型），但是我們有些能力已經(jīng)具備雛形了，比如說(shuō)數(shù)學(xué)、物理、代碼。我們還是做得比較完善了再推出，大家敬請(qǐng)期待，不會(huì)太久。

媒體：今年大模型帶動(dòng)了多少公有云的收入，有沒有達(dá)到預(yù)期？

譚待：我現(xiàn)在不看帶動(dòng)多少云的收入，看的是有多少客戶用了我們大模型以及用得有多深。從這個(gè)角度來(lái)說(shuō)，我覺得做得還是可以的，我們?cè)谡麄€(gè)市場(chǎng)份額上都做到了比較大的領(lǐng)先。

媒體：這次 OpenAI 的發(fā)布會(huì)可以看得出來(lái) OpenAI 從以前的技術(shù)標(biāo)桿導(dǎo)向型，逐漸往應(yīng)用型發(fā)展。 OpenAI 這種標(biāo)桿企業(yè)已經(jīng)往應(yīng)用端走，是不是說(shuō)明大模型發(fā)展遇到了瓶頸？

譚待：我覺得 OpenAI 是一個(gè)做技術(shù)和做應(yīng)用都非常棒的公司。大模型什么時(shí)候火的？GPT 論文已經(jīng)發(fā)了好幾年了也沒那么火，是因?yàn)榘?ChatGPT 這個(gè)產(chǎn)品做出來(lái)了，大家用了以后覺得太棒了。所以O(shè)penAI一開始其實(shí)就是做應(yīng)用，而且做得還不錯(cuò)。但后面因?yàn)殡S著模型的提升，能解決的問題越來(lái)越多，應(yīng)用的形態(tài)要發(fā)生變化。我始終認(rèn)為技術(shù)和應(yīng)用就是齊頭并進(jìn)的。并不存在我把技術(shù)做好，我就是技術(shù)公司。

媒體：SORA 上線后不久 OpenAI 出現(xiàn)了算力不夠用的情況，最近，豆包視頻生成大模型開放后，對(duì)算力的布局如何？

譚待：從我們自己的儲(chǔ)備上我覺得（算力）還是很充足的。此外，新功能上線，用戶使用的時(shí)候出現(xiàn)了卡頓或者阻礙，不一定是算力不夠的原因。畢竟你用的是一個(gè)應(yīng)用，前端、接入端，哪怕用戶驗(yàn)證出了問題，也會(huì)影響到整個(gè)系統(tǒng)的流暢性，這不只是簡(jiǎn)單的算力問題。

媒體：您提到豆包大模型要爭(zhēng)當(dāng)行業(yè)第一，豆包大模型的核心競(jìng)爭(zhēng)力是什么？

譚待：做好模型有很多點(diǎn)，算法、人才、數(shù)據(jù)、工程都很重要。如果只說(shuō)一點(diǎn)就是，大模型跟過去所有的技術(shù)不一樣，過去的技術(shù) 2C 端跟 2B 端是割裂的，大家天天刷抖音，但是天天刷抖音是不是會(huì)天天用火山引擎的云？這是沒有必然關(guān)系的。但是大模型不一樣，大模型的 C 端和 B 端背后是同一個(gè)東西，就是模型本身。

有好多人問我企業(yè)怎么做 AI 轉(zhuǎn)型，第一 CEO 自己下個(gè)豆包 APP。以前 2B 很多使用者是分離的，決策者感受不到這個(gè)東西好不好，只能通過聽匯報(bào)，聽 PPT。而大模型是第一個(gè)決策者自己可以感受到這個(gè)技術(shù)好不好的。