“后發有劣勢也有優勢，關鍵是把手里的牌打好。”

文丨賀乾明

今年下半年，火山引擎調整 2021 年定下的千億元年營收目標：原定 2029 年-2031 年的實現周期不變，目標金額上調數百億元。

當我們問 “這是誰的要求” 時，火山引擎總裁譚待說，是團隊主動上調，是他們的 “務實浪漫”。多數人低估了火山引擎拿下 AI 云的決心。

他們的信心來源，是火山引擎 MaaS（模型即服務）收入和豆包大模型能力提升都超出預期。12 月 18 日，火山引擎舉辦冬季 Force 原動力大會，譚待宣布，今年 12 月，豆包大模型日均 Token 處理量超過 50 萬億，半年增長超 200%。

增長的動力不只來自字節旗下豆包、即夢等 AI 應用快速發展，還有一批外部客戶在深入使用大模型：累計使用上萬億 Token 的超過 100 家，比全球云計算巨頭 AWS 還多了一倍。

“大模型能力持續提升，會解鎖新場景，從而帶動 Token 使用量增長。” 譚待說，比如生圖、生視頻的需求過去一年隨著 Seedream、Seedance 模型成熟迅速上漲。

這次大會，火山引擎又升級多款大模型。豆包基礎大模型 1.8 版本，強化多輪指令遵循與 OS Agent 能力，可以理解長達 1.5 小時的視頻（5 秒 1 幀）。譚待告訴《晚點 LatePost》，能力更強的豆包大模型 2.0，很快就會上線。

豆包視頻生成模型 Seedance 升級到 1.5 pro，重點提升音畫同步、多人多語言對話的能力，以及讓畫面有電影級的質感。“細節很重要。” 譚待說，市面上多數視頻生成模型都無法處理好中文對口型，Seedance 1.5 pro 不僅能處理中文、英語、西班牙語等多種語言，還能處理好四川話、陜西話等方言。

一同變化的還有火山引擎的大模型定價邏輯。他們不再強調單點降價，而是推出整體的 “節省計劃”，覆蓋豆包系列大模型，DeepSeek、月之暗面等公司的開源模型，以及向量數據庫、Trae 等周邊產品。

“降本我們一直在做。” 譚待說，但隨著客戶更深入地使用 AI，會在不同業務中調用各種各樣的模型，“節省計劃能讓他們用得越多，省得更多，從而降低試錯成本。”

他觀察到，企業的開發邏輯正在因為大模型發生變化：過去主要用 if-else 定義工作流，現在變成基于 prompt 和模型驅動 Agent；運維（Ops）也從管理服務器轉變為運營數字員工（Agent）。

應對這一趨勢，火山引擎搭建起從 MaaS 到 Agent 開發、運營的全棧產品體系，把豆包 app 中的能力，比如對話、搜索、思考等，封裝成 Agent API ，讓客戶用幾行代碼就可以調用。

現在云計算行業在 AI 領域的競爭愈發激烈。行業頭部廠商把 MaaS 當做業務長期成功的首要指標。譚待說 “這是好事，能做大（MaaS）行業規模”，他們同樣有信心保持份額領先，“這是理所當然的”。

他近期接受《晚點 LatePost》訪談時說了兩次 “加速度最重要”。一次是基礎大模型的追趕，一次是業務規模追趕。他說，“我們 ToC 和 ToB 協同有巨大優勢，不僅是品牌，還有這個過程中積累的 know-how。”

譚待給今年火山引擎的評價是 “M+”，代表 “部分超出預期”，但在字節績效體系中未達極致。他心中的 “O”（卓越），是 “所有人提到 AI 必選火山引擎”。

降本一直在做，現在要看整體 ROI

晚點：6 月份火山發布豆包 1.6 的時候，你說豆包 2.0 會有的，這次拿出來的還是豆包 1.8。模型進展不及預期嗎？

譚待：2.0 還在訓，快好了。我們的預期是，它要在功能和表現上比現在有非常大的躍遷。但創新這件事，很難去設定精準的時間點。目前所有事情都 on track，進度不會偏離太多。

過去幾個月，我們的 1.6 也有幾個常規更新。1.8 版本核心能力確實有顯著進步。特別是多模態、Agent 能力的提升上，進步幅度非常大。

晚點：豆包 1.8 的部分能力，比如多輪指令遵循、OS Agent 能力等，感覺跟最近豆包手機助手的能力很像。豆包手機助手是提前用上了新模型？

譚待：豆包手機助手是一個復雜的應用，有多個 Agent、多個模型支持，但它的核心能力肯定是和這個模型相關的。不過 GUI （圖形界面）操作能力，我們對外開放比較謹慎。客戶想用，需要單獨申請。

這個模型的視覺理解能力也提升了，現在可以處理 1.5 小時的視頻。它在現實中很有用，比如在小區里車被劃了，我要去看監控去找事實片段，需要處理很長的視頻，這對模型的底層能力要求比較高。

晚點：你們還發布了視頻生成模型 Seedance 1.5 pro，強調音畫同步、多人多語言對話、電影級質感等能力。市面上不少視頻生成模型也強調這些點，你們有什么特別的？

譚待：我覺得本質還是在細節上。就說音畫同步，你要準，尤其是口型匹配很關鍵。業界的一些產品，中文口型匹配經常會出錯。而且生成出來的音頻質量本身也很關鍵。這個功能跟現在的應用場景有很好的結合，比如短劇、營銷廣告，對音畫同步要求很高，我們做了很多優化。

還有多人多語言，我們不只是中文、英文等多種語言，還能在同一個生成片段里面支持方言。質感、動效這塊一直都是 Seedance 的強項，這次針對影視創作方向又有更大提升。

晚點：我們了解到，你們對視頻、圖像生成這類模型，有信心做到國際領先；而在基礎語言模型上的短期目標是能做到第一梯隊。為什么差別這么大？

譚待：其實基礎語言模型是更重要的。語言是完成各種任務的一個基礎。比如視頻生成得好不好，很大程度上也依賴底層的語言模型。因為它很基礎，所以難度非常高。OpenAI 等公司在這個領域起步更早，這個客觀的時間差，確實需要我們花更多時間彌補。

這就涉及到怎么看待追趕這個問題。是看當下的距離、速度，還是加速度？我覺得最重要的是加速度。有時候加速度在短期內是不好看的，因為存在滯后效應，你可能覺得差距還在拉大，但只要加速度起來了，實質上的差距是在縮小的。

相對來說，視頻生成模型更新，大家起跑的時間點非常接近。沒有別人先跑了好幾年的情況，所以 Gap 本身就小，我們的機會自然就更大。

晚點：這次火山沒有像過去幾次大會那樣給模型大幅降價，而是主推 “節省計劃”。而且它不只是覆蓋豆包模型，還有火山上其他模型，包括開源的模型等等。這個思路變化很大。

譚待：我們思路沒變，我們一直說的就是，模型好、成本低、易用性高。但成本低是可持續的，也就是說要有毛利，這必須通過技術手段來實現降本。剛開始大家不信，覺得我們肯定賠錢，但我們的確做到了。

我們第一次降價（2024 年 5 月），是從模型的優化到推理的優化，做了各種各樣的事情，包括最早用 PD 分離（Prefill-Decode Separation） 和 KV Cache 技術，把單個 Token 的成本降了下來。上次降價（2025 年 6 月），是我們發現 Token 的成本是按照 Context 區間來的，所以我們做好區間的定價分配，把這個自主權交到客戶的手里。

現在我們看到，客戶會在不同業務中用各種各樣的模型。可能今天用文本模型，明天用圖像模型；簡單場景用簡單的開源模型，復雜場景用豆包。這就導致他們在做采購、做決策和審批很復雜。

我們就推了整體的節省計劃，把所有模型打包在一起，不再區分客戶具體用哪個模型。整體用得越多，就更便宜，這樣也能加速創新。比如客戶原本一直在用語言模型，積累了很大的用量折扣，現在突然想嘗試視頻生成，他就可以直接用之前語言模型積累起來的折扣價，試錯成本變得很小。所以我們覺得這是一個更好的模式，用的越多，成本越低，Buy more, Save more。

晚點：所以單個模型的價格變低了嗎？

譚待：降本我們一直在做，就不單獨再強調這個事情了。我們之前就已經把單價打得非常低了。而且模型的能力越來越強，抽卡成功率提升了，以前可能是 30%，現在是 50%，其實成本是下降了。從 ROI 的角度，回報是更高的。

我們更想強調用節省計劃推動創新。企業不用擔心，用越多會不會越來越貴。創新的成本低，可以做不同領域 AI 的創新。

晚點：節省計劃出現，是不是意味著大模型調用正在進入新階段？

譚待：這個是有。為什么現在推 saving plan？是因為大家用量起來了，比如火山上累計使用 1 萬億 token 的公司有 100 多家，對他們來說就非常劃算。

云計算行業，比如 ECS （彈性計算服務）也有節省計劃。但在 MaaS 層面我們是第一個做的，因為我們量大。別人沒有那么多量，推這個沒有任何意義。

看到客戶有需求，就往前走一步

晚點：這次火山引擎還推出了豆包助手 API，把豆包 app 的能力，比如深度思考、邊想邊搜等封裝成 API。它跟你們各種細分的模型 API 差別在哪？

譚待：它的層級更高，是一個 Agent API。豆包 app 是一個非常復雜的 Agent 了，它可能是目前中國最復雜、能力最強的 Agent。它里面的各種能力，背后也是各種 Agent 支撐，我們把它們通過 API 的形式開放出來。

假設你現在要做一個 IoT 硬件，想接入豆包的視頻通話或者搜索能力。放在以前，你得調用基礎模型 API，然后自己去從頭搭建一套復雜的 Agent 流程，而且很可能還做不好。現在通過這個助手 API，你可以直接調用這些封裝好的能力。這把創新的門檻降低了非常多。

晚點：火山之前也有很多降低開發門檻的產品，比如 HiAgent，AgentKit、扣子等等。

譚待：那些都是開發工具層面的，不論是高代碼還是低代碼，總得做一些事情。如果做得稍微大點，就有各種復雜的點，比如如何處理背后大規模服務的負載編排與調度，如何解決安全問題等等。現在客戶可以不用開發了，直接調豆包助手 API 就可以了。它更簡單。

晚點：這是你們更激進綁定客戶的策略嗎？有觀點認為，只是調模型的話，客戶忠誠度很低，有更強的模型隨時可以換。

譚待：API 隨時都能換，只存在于一種情況，就是用得很淺。比如只是拿來給數據打個標，那確實隨時都能換。但如果你要做的事情很復雜，比如視頻創作，你要把客戶畫像跟模型結合，針對不同人群創造不同視頻，這里面還得融入你私有的數據、特定的畫風，甚至涉及到對模型的調整。

做完這些，你還要端到端地跑通。要把一個 Agent 做好，你需要身份認證、需要各種組件，這就跟你以前開發一個復雜的網站是一樣的。唯一的區別在于，你不需要以前那些傳統的中間件了，你需要的是新的中間件。

所以我并不認為綁定很松。這就好比云計算剛開始的時候，大家建網站買虛擬機、買 VPS。那時候綁定松不松？其實也松。但為什么后來我們說云的粘性很強？那是因大家開始用云原生、用數據服務來提升效率，這才是云的真正價值。

業界總有一種說法，把云當成一塊 “鐵”，去跟自建 IDC 比價格。這完全忽視了云的價值：無論是它提供的彈性、對 Cash Flow 的幫助，還是讓你更快觸達最好的技術、大幅提升業務效率，都是非常關鍵的。在 AI 時代，我覺得這個價值被放得更大了。

晚點：把消費級 app 中的能力封裝成 API 賣給企業客戶，在云行業內不多見。你們是怎么想到做這個產品的？

譚待：我們一直都是一個思路，希望把 AI 創新的門檻不斷降低。怎么降低？

首先是基礎的 MaaS（模型即服務）層，模型效果要越來越好、成本越來越低。同時易用性要提升。剛開始大家用模型 API，然后要選模型、調 prompt。我們就做了 prompt Pilot，做了智能的 Router。我們又做了 Response API，把一些工具，比如搜索直接 Build-in 進去了，這樣做起來就比較簡單。

這次我們還推出了推理代工。如果你覺得方舟平臺用起來特別簡單、容易，又想用自己訓練模型或開源的模型，你可以直接把模型托管在方舟上。我們提供全托管服務，可以像使用豆包模型一樣，使用你們自己的模型，不需要自己去搭建 Token Service 這些底層設施。包括我們現在做的 RL Serverless，都是在這一層努力。

MaaS 往上，就是 Agent 開發那一層。這次大會，我們也推出了一個很重要的產品：全棧的 AgentKit，從 Agent 的權限管理、身份認證到 Memory， 再到安全、可觀測性、Runtime，以及沙箱（Sandbox）等全覆蓋了。這樣你就寫幾行代碼，雖然是高代碼，但就能做出來一個復雜的 Agent 出來。

我們也是國內第一個推出全套產品，把 Agent 開發簡化的。當然， 還有一些 Agent 可能會簡單點，可以通過扣子來做。同時你又要把這些 Agent 管好、運營好，就可以用 HiAgent，這些就是 Agent 開發和運營層面。

晚點：所以豆包助手 API 就是更往上？

譚待：就是能不能不開發 Agent。我們在自己擅長的領域，已經做了一些 Agent，比如客服 Agent、創作的 Agent，開發 Agent 就是 TRAE，還有安全、數據分析的 Agent。

對于企業來說，就像是招個人直接用。我們也跟第三方合作開發 Agent，比如與 Cocos 合作推出了針對小游戲開發的專用 Agent。

但還有一種情況，不是人去調用 Agent，而是一個 service 去調用它。比如你開發了一個 ToC 的產品，想把一個 Agent 嵌入到里面去，這時候就會需要 Agent API。那豆包助手 API，就是在這個方面。

我們用一個整體的視角，看怎樣讓大家在不同層面讓 AI 落地。無論你是想從底層的模型層開始，還是想自己開發 Agent，或者直接用現成的 Agent，甚至是用 API 集成 Agent，我們都有方案。

晚點：感覺火山做產品的策略是，只要發現客戶有需求，就會往前走一步做產品出來。

譚待：以前行業習慣把 ToB 和 ToC 產品分得很開，AI 其實會讓 ToB 和 ToC 更近一些。以前 ToB 產品的體驗普遍很長，是因為做的人、做決策的人都不用。而且 ToB 產品，主要是為了適配很多人參與的復雜流程，所以單個環節的體驗好不好，并不是關鍵。關鍵在于能不能把這個流程跑通。

有了 AI 之后，大家用起來都很容易，一個人就能干很多事情。這時候，產品體驗就很關鍵，帶來的增益很大。 這對我們來說是一個優勢，我們對做好產品體驗比較擅長，也有洞察。

晚點：洞察能展開講講嗎？

譚待：整體上是編程邏輯發生了變化。以前大家寫代碼本質上是在寫 if- else 定義 Workflow。 現在基于模型開發 Agent，主要能做的是 prompt，剩下的流程規劃、創建子 Agent 這些事，讓模型自己去跑。至于窗口限制帶來的 Context（上下文）管理問題，我們把它抽象成新的中間件來解決就可以了。傳統的 if- else 會通過 MCP 或其他方式被調用，這可能是一個巨大的轉變。

以前云原生的時候，我們講 DevOps。現在到了 AI 原生時代，也有 DevOps，但 Dev 變了，Ops 也變了，以前我們講 Ops 是運維，管理服務器和系統。現在變成 Agent 之后，Ops 變成了運營。比如說我搞了 100 個客服 Agent，我怎么管理？其實就像管理員工一樣。

企業未來要做 1+N+X 的落地模式。1 是一個統一的控制臺，可以把它理解為 Boss 的控制臺；N 就是預置好的、通用的 Agent，X 是企業快速開發出來的自己的 Agent。這是我們推 HiAgent 很重要的一個點。

晚點：同行沒有火山做的這么全面，是因為 AI 是火山的必贏之戰嗎？

譚待：我也不知道為什么同行沒做。但在 AI 的實踐上，我們確實走得更靠前。字節整個集團就做了很多很多的 Agent，比如說豆包就是一個最大的 Agent。即夢也是。我們內部 50 多個業務線在不斷地嘗試。

我們很早就認為 MaaS 是一個很重要的事情，市場份額也是第一。服務這些內部和外部客戶的時候，我們就知道他們的痛點在哪，就能夠去不斷地提供各種方案。

最重要的是認知，認知是做出來的，不是拍腦袋想出來的。所以我很早就講，我們 ToC 和 ToB 的協同有巨大優勢，不僅是品牌，而在于在這個過程中我們知道 know-how。

企業想把 Agent 做好，肯定要找最懂這個的來做。誰最懂？就是火山。為什么？因為我們不僅自己做了，而且確實把量級做起來了。這跟那些只是想當然地搭一套框架、指望別人來用，是有本質區別的。

晚點：你們會強制內部團隊用這些產品嗎？

譚待：我們豆包模型也不強制大家用。充分的競爭才能把東西做好。內部客戶的優勢是溝通更方便，他們跟你說真話，這不行那不行，說的也比較透徹。如果內部也要壟斷來做，反而就失去這個優勢了。就算用起來也不代表你做得好。

“沒想到視頻生成漲這么快，現在多數 Agent 偏簡單”

晚點：現在豆包大模型日均處理 Token 量超過 50 萬億，半年增長了 200%。增長的動力有什么新變化？

譚待：變化很大。我覺得它跟模型能力的提升是相關的。能力提升后，就能解鎖新的場景，從而在這個領域帶來很多變化。我們現在從 ToB 的角度來看，生圖、生視頻的需求隨著 Seedream、Seedance 成熟，是不斷上漲的。然后就是上次聊的，Coding 和 Agent 的漲勢還在繼續；視覺理解能力，跟很多線下的場景相關，隨著客戶覆蓋提升持續漲。

晚點：有什么讓你們覺得意外的用例或者客戶跑出來嗎？

譚待：影視創作方面用大模型的進程比我們想象的快一些。之前想到應該很快，沒想到能這么快，現在很多短劇、尤其是漫劇，還有各種 AD 素材，都在用。

晚點：你 6 月說今年是 Agent 元年。過去這半年 Agent 落地情況怎么樣？

譚待：Agent 整體漲得挺快。但我想說，我們目前看到的大部分 Agent，其實還是偏簡單的。

晚點：什么是復雜的 Agent？

譚待：一是看調用多少個工具，你一個工具都不調用，肯定不好意思說自己是 Agent，起碼得調一個吧？復雜的場景，可能需要同時調用兩個、三個甚至更多。

另一方面是 Agent 的形式。簡單的來說，就是人工定義的 workflow，或者是那種 Master/Sub 這種模式，如果你處理的事件很復雜，就沒法搞這種 Agent 了，要能夠動態地去創建子 Agent。

工具調用多，動態的 Agent 才是真正復雜的 Agent。我們現在看沒那么多，是太難做了。這就是為什么我們現在推 AgentKit。這次大會，我們就做了個報名 Agent，用 AgentKit 做起來還挺簡單的，省了很多代碼。以前大家報名體驗都很機械，現在可以智能打卡，幫你做各種會議總結等等，剛好可以大家參會的時候能夠感受到。

晚點：現在火山有 100 多家累計用了超過 1 萬億 Token 的客戶。這些深度客戶集中在哪些行業？

譚待：主要都是 ToC 行業，互聯網公司是大頭。不過我們看到，智能制造、消費電子以及汽車行業，用量也不少。

晚點：這些 Token 消耗量的客戶集中度高嗎？比如頭部的幾個客戶占比很高。

譚待：所有的業務到最后肯定都符合二八原理。不會有特例。

晚點：火山跟全球出貨前 10 的手機廠中的 9 家有合作，也幫其中的一些公司做 AI 助手。豆包手機助手會通過你們的渠道銷售嗎？

譚待：不會。他們是單獨的團隊。它是一種新的合作模式，需要深度共建。不過汽車這塊，現在是火山來的。

晚點：汽車方向會有類似豆包手機助手的方案嗎？

譚待：會有，但不一樣。汽車首先是交通工具，然后再是第三空間。它不像手機，操作就是它最重要的事情。我們不會涉及開車上路的那些，比如智駕。我們主要做座艙。

晚點：會叫豆包汽車嗎？

譚待：不叫豆包汽車。但我們跟客戶的合作會深一些。

晚點：火山去拓展行業客戶的時候，會有專門的服務團隊匹配客戶的需求。這其實跟傳統的云的長打法沒太大區別。

譚待：的確沒任何區別，事都是那些事。關鍵看你怎么做，是想賺一筆快錢，忽悠他們買一些可能不需要的東西；還是說你真的希望一起探索行業未來怎么發展。這方面核心的是，怎么設定短期和長期的目標？怎么考核？怎么招人？怎么管理？可能會有差別。

晚點：火山推 MaaS 做了很多組織工作。比如你們給銷售團隊的業績考核指標，把銷售 MaaS 產品排在第一位。賣同等價格的 MaaS 得到的回報，要比賣傳統云服務更高。明年也會延續這個策略。

譚待：核心是你怎么樣把激勵設計好。讓大家覺得做這個事情是有價值的。激勵跟難度也要匹配。我設一個特別高的目標，最后不可能完成，再高的激勵也不行。

而且云廠商又是一個多產品的體系，你怎么去平衡好每個產品的關系？這也要思考很多。

晚點：有什么例子嗎？

譚待：比如翻倍是一種辦法，從績效改成提成也是一種辦法。但是獎勵公有云還是私有部署？獎勵大客戶還是中小客戶？這是很復雜的過程。

最重要的還是你的組織能力。首先你上下的聲音傳導要通暢，不能老板拍板說這么干，底下人嘴上說好好好，其實沒把真話說出來。第二個是調整要靈活，不能你定了一個事情，就不能變了。

我們字節范兒，就一直鼓勵坦誠清晰，或者說 Context，not Control，只有當你給組織同步了足夠的 Context，讓大家都坦誠清晰，你才能靈活地調整。

你很難一開始把所有事都想到。我們過去也犯了一些錯誤，有時候做的激進。但我們肯定是改錯改得最快的。

晚點：是不是火山規模小，才能這么做？

譚待：作為后發者，你有劣勢，但你也有優勢。所有事情都要辯證的看。包袱大我們也可以設計新的策略，包袱大小不是關鍵。關鍵是你要想清楚怎么干，再把你手里的牌打好。包袱小、包袱大，只是手里的不同的牌而已。

還是我之前說的， 我剛開始做火山的時候，一直被教育看長期。什么是看長期？就是別老想明年，想想十年后跟現在有什么變化，這就是看長期。所以我們更早意識到 MaaS 更重要。要不然我包袱小，就應該去做那些來錢快的事，有很多這樣的路子。

給今年的火山引擎打 M+，部分超出預期

晚點：11 月 Gartner 發布 AI 應用開發平臺的魔力象限報告，火山是國內第一。你得知這個成績的時候，是什么感受？

譚待：我覺得是理所當然的。我們投入又早，投入資源又多，我自己花的精力也很多。那這還做不到第一，那不是說明我們做的太挫了嗎？

晚點：但還是沒有進領導者象限，遺憾嗎？

譚待：這也很正常。中國的 MaaS 市場跟全球相比，還是挺小的。比如我現在去看明年的規劃，在國內就很頭疼，我們作為領導者，應該怎么去開創新市場？但在海外，就不用擔心這個事，能夠看清楚市場在哪，主要考慮競爭策略就好了。這是完全不同的邏輯。

晚點：為什么國外市場會更大？因為國內模型發展慢？

譚待：國內模型發展確實比海外慢一些，不過還有很多其他原因。其中一個很重要的點，海外 SaaS 做的很好，它可以作為橋梁，推動 MaaS 進入到終端企業去。國內這塊就沒有。

但反過來看，這會不會也是一個彎道超車的機會呢？以后 SaaS 都 Agent 化了后，會不會讓這個事兒做的更快？就像移動支付一樣。

晚點：有報道說， 同樣是 11 月，阿里云提高了 MaaS 業務的優先級，把它當做業務長期成功的關鍵指標。你們會有壓力嗎？

譚待：我覺得這是好事。中國 MaaS 市場還不夠大，更多人進來可以把市場做得更大，能推動中國各行各業的企業做 AI 落地，促進它的發展，從而提升 GDP，這是很有價值的事情。我挺歡迎他們的。

晚點：聽上去有點 “功成不必在我” 的意思。

譚待：那不是。功成肯定在我們。他們進來只是說明有共識了。就比如說我們一開始降價，都說不該降，后來身體很誠實，都降了。那 Token 量就起來了。

晚點：但一個可能的結果就是，他們大力投入，會搶走你們的市場份額。

譚待：我覺得這個事兒做好不是你投入有多大，而是你對這個事情的認知，以及你的組織能力能不能做到位。而且市場很大，很可能他們增長了，我們也增長了。

晚點：你的 OKR 寫了很多年 “AI 做第一， 增加存量市場份額，把組織做好”。今年組織上做了什么？

譚待：一方面是加大海外市場的投入力度。海外市場就是把競爭策略做好，然后也符合中國企業全球化的思路，更好地服務這些企業。

國內我們就是想，作為 AI 的領導者，怎么推動各行各業創新，比如制造業，能源行業，我們這塊成立了行業線，找到它能切合的點。

晚點：很多云廠商早就有了行業線。他們是區域線和行業線并行推。

譚待：很多同行原來這么做，不過后來也取消了一些行業線。產品沒有辦法支撐行業的差異性的時候，過早的行業化，其實不太好。

晚點：我年初了解到，火山重點推 MaaS 也能撬動傳統云業務的增長。現在這個趨勢更明顯了嗎？

譚待：肯定比之前強，但沒有那么明顯，因為現在多數客戶使用的深度還不夠。但是我們做 MaaS 的出發點，主要是看它本身就能做的很大，而不是還可以再做個 B。那是一個附帶的結果。

晚點：今年快要過去了。你會給今年的火山引擎什么樣的評價？

譚待：M+ 吧。

晚點：M 是符合預期，M+ 是部分超出預期。這在字節已經非常高了，但還有最高的 O。差距在哪？

譚待：O 就是所有人提到 AI，必選火山引擎。現在很多新興的行業可能是這個想法， 但還有很多傳統行業不這樣想。

晚點：火山今年營收目標是翻倍增長到 200 多億，現在也到年底了，完成的怎么樣？

譚待：肯定是超過目標了。

晚點：你們明年目標還是 100% 增長嗎？

譚待：明年不會到 100%，最重要的還是把 MaaS 做好。

晚點：阿里云增長也很快，它年收入千億的體量，也有 30% 的增長。算絕對值的話，也比火山多了不少。

譚待：重要的是你看加速度還是看速度。速度是增長的絕對值，我們速度雖然比阿里云慢，但已經比行業中其他參與者快了。加速度應該是沒有哪家比我們快。最重要的還是加速度。

原來那個 1000 億營收的目標，我們又上調了百分之幾十。截止時間不變。今年我們的 MaaS 營收比我們預期多了不少，而且模型的成熟度也比預期要好一些。

晚點：這個數字是你們自己調的，還是管理層要求的？

譚待：我們自驅力很強，務實浪漫嘛。

題圖 火山引擎