文章來源：矽星GenAI
文章作者：Yoky
過去一年，圍繞着字節AI的幾個謎團，終于都在今天被揭開了。
5月15日火山引擎Force原動力大會上，字節大模型進行了全系列更名，從雲雀大模型升級為豆包大模型家族，一口氣發布了9個豆包模型，其中包括通用模型pro版、通用模型lite版以及各個領域的垂類模型，并宣布正式對外服務。
這是一次很有意思的更名，我們甚至可以把它理解為是一場“豆包的勝仗”。
而且一出手，直接“點名”了阿裡百度，火山引擎總裁譚待在宣布豆包大模型價格時直言：“很遺憾阿裡和百度還沒有128k可精調的模型，但我期待他們的更新。”
去年在百度和阿裡率先發布大模型之後，字節遲遲未動。矽星人了解到：彼時字節内部不同的部門都在進行AI探索，抖音、剪映團隊各自為戰，“豆包”隻是基于雲雀大模型開發的AI産品，并成立了新部門Flow，發力AI應用層。
在技術發展的早期，将不同的産品投向市場，交給用戶檢驗的路子，我們并不陌生。經過了一年的時間，“豆包”從一衆大模型産品中脫穎而出，也給字節大模型賺了一波“印象分”。
從2023年底，“豆包”用戶量一路狂奔，QuestMobil2024最新的報告中顯示，2024年3月，“豆包”App月活用戶為2328.2萬，在AIGC類應用中排名第一。
此次全面更名，揭開了整個字節大模型内部戰略的第一個謎團：未來可能将豆包團隊作為主力軍，着重培養。
而朱駿作為字節跳動戰略和産品副總裁在原理大會上的亮相，似乎也回答了關鍵領導人的問題。
現場，字節旗下AI bot開發平台“扣子”的一位工作人員告訴我們：“目前字節AI基本在火山引擎之下，産品戰略由朱駿負責”。
找到了方向也确定了領隊，由此可見，字節AI是真的想“開”了。
01
豆包家族，組團應戰
Grace改名為豆包的時候，字節沒少被人笑話。
但就是這個接地氣的名字，如今站上了字節大模型家族的C位。
“為什麼叫豆包？”朱駿在現場分享道：“很多人來問我，為什麼起這個名字？我認為一定要拟人化、首先确定下來産品起名的通用原則是，簡單、好讀、好記。”
會上，譚待宣布從雲雀升級為豆包大模型家族，我們根據他們不同的功能，将9個模型分為了三大族群：
第一類是兩個通用模型：豆包通用模型pro（專業版）及豆包通用模型lite（輕量版），專業版上下文窗口尺寸最大128K，适配場景更加通用和全面，而輕量版則更具性價比，中小企業友好，對比pro版本千tokens成本節省84%。
譚待介紹，像汽車的座艙模型、終端模型就更加适合lite版本，更輕量。通過豆包lite，汽車廠商可以在低延遲下實現對話，支持閑聊、搜索、娛樂、導航、車控等多個座艙智能助手場景，效果要比傳統語音處理高達50%以上，幫助用戶獲得新一代的智能化駕駛體驗，讓汽車變得更“聰明”。
第二類是五個垂類模型：分别包括角色扮演模型（Agent）、語音合成模型、聲音複刻模型（多語種的遷移複刻）、語音識别模型、文生圖模型，除視頻生成模型外，基本涵蓋了目前模型的使用場景，且源于雲雀語音大模型的技術，很明顯在語音模型上更為細分。
目前基于角色扮演模型，打造出了貓箱産品，可以打造單一的角色交互，也可以多角色之間交互發生故事。
第三類則是工具類模型：針對于更專業的調試領域，Function Call模型和向量化模型。可根據不同的輸入指令和情景，選擇不同的函數和算法來執行相關任務，也是當前支持扣子的主力模型。
之所以經曆了這樣的分類，譚待講道：“表面上看這是技術的分型，但是實際上我們是根據企業用戶的需求進行選擇，參考過去企業對于模型的調用量，這是很真實的數據。”
不僅豆包增加了多個“影分身”，字節的産品包也開始從“豆包”開始，出現了貓箱、星繪、河馬愛學、即夢等等。
朱駿在經曆了抖音前身Musical.ly、TikTok等多個明星産品打造，帶着豐富經驗的他開始操刀字節大模型的産品。
技術如何落地在産品當中？從目前的産品矩陣中，字節的大模型産品思路也逐漸浮出水面。
“和AI時代之前做産品設計比較，我的個人感受是既有共性又有很大的差異。共性是用戶的核心需求還是那些，差異點是，以前是在成熟的技術上想應用，隻要用同理心去理解用戶的需求和使用體驗，就能做出一個還不錯的産品。”朱駿講道了，在AI時代，他們設計産品時的變與不變。
比如讓自己變好看點的需求，社交娛樂和教育學習的需求等等，都沒有變，這些其實是用戶場景的通用性，但滿足用戶需求的手段變了，滿足産品的技術在快速演進，每隔三個月、半年都會發生很大的變化。而且它的能力改進往往不是線性的，隔一段時間可能就會出現一個躍遷。
在現場，我們對字節新的産品貓箱進行了測試，負責“貓箱”的産品人員告訴矽星人：“目前貓箱是一個Agent＋文生圖＋文本能力一個綜合技術能力集成的産品，但是本質上是一個UGC的平台，需要用戶自己創造Agent和劇本。”
上述負責人講道：“通過前期的用戶調查，發現這是一塊新的需求，因此打造了貓箱。”
朱駿也講道：“為了讓豆包在這種移動場景裡交互更方便，像一個随身攜帶的百事通，我們很早投入了很大力度優化語音交互體驗，包括基于大模型的ASR和超自然的TTS音色，盡量做到類似和一個真人對話的感受。”
02
字節AI，變“厚了”
由單點向外擴散，字節的大模型生态開始變厚。而除了模型本身和産品外，更重要的一點是譚待所強調的，這是豆包大模型第一次對外提供服務。
也就是說，豆包大模型家族全面To B了。
坦白講，以前的字節并沒有To B基因。火山引擎、飛書通過對字節本身長闆能力的外化，在前幾年積累了一定的客戶，但是對于整個企業市場而言，它依舊很年輕。
在幾天前的阿裡雲AI智領者峰會上，阿裡雲也強調大模型和千行百業的結合，這意味着火山引擎要在阿裡雲的優勢戰場上與其交鋒。
但唯一的變量，就是大模型帶來的全新的AI時代。火山引擎準備如何用大模型服務客戶？在譚待發言的最後半段，其實放了三個大招。
第一個是低價。做企業市場，痛點永遠是第一驅動力，而對于當下的企業而言，算力成本、推理成本高昂，就是最核心的痛點。在阿裡雲掀起了雲市場的“價格戰”之後，火山引擎對比了目前主流模型token價格，以低價為鈎子，進入企業市場。
會上，譚待公布了豆包通用模型pro-32k和128k的價格，如圖所示，在32k型号價格比行業低99.3%、128k型号比行業價格低95.8%。
“第一我們能做到，第二點是我們需要這麼做。”譚待講道。“技術上我們需要非常多的手段，比如模型結構優化的技巧、工程上從單機推理到分布式推理，再比如混合調度，本身我們自己的調度量非常大；第二就是推進生态繁榮，促進應用的爆發，市場有很大需求，但創新的風險很高，面臨不确定性，我們必須把試錯的成本降到非常低，市場的呼聲就是更低的成本更好的模型。”
數字對于普通用戶而言，或許沒有那麼形象。譚待舉了個例子：“今天如果你通過火山引擎、通過豆包大模型1塊錢就能獲得125萬個token，這是什麼概念？《三國演義》很多人都讀過，一共隻有75萬字，所以隻需要1塊錢就能處理3本《三國演義》的文字量。”
To B的價格戰并不稀奇，隻不過沒想到，是由火山引擎率先發起的。
不過譚待講道：“To B的業務要求長期的定力，用虧損換收入是不可持續的，未來我們也會持續通過技術降低成本以降低價格。”
價格是驅動市場的因素，但更難的是，未來大模型将以什麼樣的形式落地行業？
火山引擎将這個連接器的角色，賦能給了火山方舟2.0。
會上，譚待宣布火山方舟進行全面升級，這是去年火山方舟面世以來第一次疊代。
在2.0生态裡，火山引擎根據過去一年的客戶服務經驗，着重升級了插件生态。
“不要讓用戶來找我們，要讓我們去找用戶。”朱駿講道。
插件是相互連接的第一道門。比如聯網插件可以連接抖音頭條搜索技術，實時聯網信源、多模态交互等等，使用聯網插件，模型一秒變“Kimi”，也在某種程度上替代了搜索的能力。
更有抖音特色的是内容插件，提供海量豐富的内容、視頻理解和交互，并支持内容策略定制。内容、流量是抖音的看家本領，對于内容産品的打造是字節的一個巨大的優勢，而插件就能把這樣的能力對外提供服務。
RAG知識庫插件，内置了大規模高性能向量檢索能力，百億級别數據可以實現毫秒級檢索，也内置了豆包向量化模型，提供更好的搜索相關能力。同時RAG也能保證企業數據安全的同時，為大模型提供一個外腦，讓大模型在行業場景裡更加專業。
插件是連接的一種形式，重點在于火山引擎正在積極通過打造底層生态和基礎能力，為行業大模型落體提供基礎的土壤。
當然，除了傳統行業和大型企業，火山引擎也針對開發者群體，打造了“扣子”企業專業版，開發者可免費在“扣子”平台上打造自己的Bot，無論是以純軟件的形式、外嵌飛書、微信等平台或者以API的形式連接終端硬件。
矽星人簡單嘗試了用扣子平台操縱機器狗，幾乎隻需要自然語言給到一些指令，就可以讓機器狗在聽到指令時“舞獅”，解決了調試時間和技術門檻。
基本上我們可以确定，在經曆了一年的混亂、整理、明确的過程後，字節AI的生态版圖已經出現，從基座大模型到模型産品，從垂類大模型到開發平台，字節AI或許從今日起，才算正式啟程。
