1. 首頁 > 生活百科 > >

拆解火山引擎后，我看到了字節跳動的「變奏」

tcl字節跳動ai火山引擎

拆解火山引擎后，我看到了字節跳動的「變奏」

文章圖片


五年前 ， 字節跳動成立火山引擎的時候 ， 它在云計算產業里只能算是十分不起眼的那一朵「云」 。
我印象中 ， 當時有不少人疑惑 ， 字節為什么要殺入一個已經非常內卷、格局比較穩定、且相比于字節的抖音和頭條來說利潤率很低的業務？
最近幾年 ， 這個答案逐漸清晰 。 尤其是 ， 當 ChatGPT 將大模型帶火之后 ， 我身邊有越來越多在 AI 轉型上比較積極的新銳企業家 ， 開始提到火山引擎 。
我最近看到 IDC 公布了一項數據 ， 印象深刻：火山引擎在中國公有云大模型服務調用量上已經穩居第一 ， 市場份額 46.4% ， 接近一半 。
在昨天舉辦的火山引擎「Force 原動力大會」上 ， 同樣有一個數據十分醒目：全球 Top10 手機廠商有 9 家選擇和火山引擎深度合作 ， 將大模型應用在語音助手 ， 創作工具 ， 效率提升等諸多場景 。 要知道 ， 手機廠商雖然在 AI 落地上最為積極 ， 但他們也更為謹慎 。
能將這些挑剔的客戶拿下 ， 已經很說明問題 。
回過頭看 ， MaaS（模型即服務）那點錢一開始傳統云巨頭看不上的 。 然而 ， 創新往往都來自于邊緣 ， 都是從看不上的錢開始做 。 當 AI 大模型浪潮到來 ， MaaS 成為新的基礎設施時 ， 火山引擎作為從邊緣崛起的力量 ， 憑借對 MaaS 的前瞻性布局 ， 反而將過去在云上的落后給抹平了 。 不僅如此 ， 從我的觀察來看 ， 對于云產業來說 ， 這不是在同一張牌桌上增加幾把椅子 ， 而是直接換了一張全新的牌桌（New Table） 。
這是一次徹底的「Reset」 ， 跟我們之前理解的云計算 ， 有著本質的區別 。 就像火山引擎在對外介紹其服務時 ， 總是會強調他們是「AI 云原生」服務 。
「AI 云原生」是他們自創的一個概念 ， 在我看來 ， 這恰恰是理解火山引擎為什么是接住 AI 熱度最多的那一個、以及服務好企業 AI 轉型的關鍵切入點 。

01「AI 云原生」 ， 是全新的牌桌
到底什么是「AI 云原生」？它和我們常聽到的「云原生+AI」 ， 僅僅是詞語順序的顛倒嗎？
其實我覺得 ， 火山引擎定義的「AI 云原生」 ， 如果換成「AI Native 的云」這樣的說法 ， 會更容易理解些 。
首先 ， 「云原生+AI」 ， 是在既有的、成熟的云計算體系之上 ， 增加一些 AI 的能力 。 比如 ， 提供一個模型的 API 接口 。 這是一種「疊加」的思路 。 云 ， 依然是那個云 。 AI ， 只是一項新的能力 。
而「AI Native 的云」 ， 它意味著 ， 整個云的技術架構、服務模式、甚至是商業邏輯 ， 都是圍繞著 AI 來重新構建的 。
比如 ， 我們過去談論云計算 ， 總會說 IaaS（基礎設施即服務）、PaaS（平臺即服務）、SaaS（軟件即服務） 。 這是一個「層」的概念 。 但在 AI 時代 ， 這個分層結構可能正在被消解 。
這源自于技術負載的變化 。 就像火山引擎總裁譚待在演講中提到的 ， 我們實際正處于 PC 到移動到 AI 三個時代的變化之中 。 在這三個時代里 ， 技術主體在發生變化 ， PC 時代的主體是 web ， 移動時代是 APP ， AI 時代是 Agent 。
不難理解 ， 新的負載形態需要新的底層架構 。 舉個例子 ， 在字節的 AI 編程工具 TRAE 里面 ， 用戶可以通過 MCP 來調用數據湖的結構化或者非結構化的數據 。 也就是說 ， 工作流變成了以大模型為中心 ， 以 IDE 為（集成開發環境）入口 ， 將云等產品捏合在一起 ， 最后由 Agent 來負載的形態 。
在火山引擎的這次大會上 ， 有一個觀點讓我印象深刻 ， 他們認為模型以及模型調用工具的這一整套的規劃能力 ， 決定了跑在上面的 Agent 能不能成功 。 因此 ， 從模型到 Agent ， 里面到底需要什么 ， 路徑是什么 ， 他們都給開源了出來 。
那么 ， 我們可以順著這個邏輯 ， 來推演火山引擎在 AI 時代做云業務的戰略路徑——打造一個「模型+工具+實踐」的生態閉環 。
我們來分別拆解一下這三個關鍵詞 。
第一 ， 模型（Model）：追求最好的模型 。
見慣了模型技術的升級 ， 這次豆包在定價上的創新讓人眼前一亮 。
豆包大模型 1.6 首創了按「輸入長度」區間定價 ， 深度思考、多模態能力與基礎語言模型統一價格 。 比如 ， 在企業使用量最大的 0-32K 輸入區間 ， 豆包 1.6 的輸入價格為 0.8 元/百萬 tokens、輸出 8 元/百萬 tokens ， 綜合成本只有豆包 1.5 深度思考模型或 DeepSeek R1 的三分之一 。 Seedance 1.0 pro 模型每千 tokens 僅 0.015 元 ， 每生成一條 5 秒的 1080P 視頻只需 3.67 元 ， 為行業最低 。
字節 CEO 梁汝波曾談過在 AI 上的目標 ， 首先就是「追求智能的上限」 。
最新發布的豆包大模型 1.6、視頻生成模型 Seedance 1.0 pro 等新模型 ， 根據測試 ， 均達到全球一流水準 。 另外 ， 據調研機構的數據 ， 火山引擎是國內 DeepSeek 調用量最大的平臺 ， 對 DeepSeek 的性能支持最佳 。
因此 ， 模型能力和成本會是火山引擎在模型層死磕的核心 。
第二 ， 工具（Tool）：完善的 AI Infra 套件
有了模型 ， 就像有了「大腦」 。 但只有大腦還不夠 ， 還需要「手腳」和「軀干」——也就是完善的工具鏈 。
這些工具 ， 如果讓企業自己一個個去適配、打通 ， 又是一個巨大的「摸索成本」 。 因此 ， 火山引擎的價值在于 ， 他們將這個工作替用戶做了 。
比如 ， 很多用戶不擅長寫提示詞 ， 火山引擎發布了 PromptPilot ， 可通過深度解析用戶意圖并自動構建最優指令路徑 ， 將用戶模糊的想法系統性地轉化為 AI 能夠精準執行的專業指令 ， 從而確保模型穩定地輸出高質量結果 。
此外 ， 火山引擎還發布了火山引擎 MCP 服務、AI 知識管理系統、veRL 強化學習框架等產品 ， 并推出多模態數據湖、AICC 私密計算、大模型應用防火墻 ， 以及一系列 AI Infra 套件 。
第三 ， 實踐（Practice）：將最佳實踐固化與推廣 。
很多人都忽視了 ， 字節跳動 ， 恰恰是這個星球上最好且最大規模的 AI「實踐者」之一 。
抖音 ， 頭條 ， 剪映 ， 即夢 ， 飛書 ， TRAE 等等應用 ， 這些本身都蘊含著字節的 AI 實踐 。 字節內部 80% 的工程師在使用 AI coding 。 他們踩過的坑 ， 積累的經驗 ， 打磨出的方法論 ， 就是最寶貴的「實踐」 。
字節在客戶成功方面的一個創新就是 ， 它將這些寶貴實踐給「開源」了 。 比如 ， 火山引擎在官網上線了大模型應用實驗室 ， 開源了手機助手、實時視頻理解、Deep Search 等 demo 應用 ， 幫助客戶快速搭建 AI 應用原型 ， 靈活編排自己的專屬智能體 。 用戶也可以通過 Github 方舟開源站點上進行下載使用 。
火山引擎把這些源自于字節內部的最佳實踐 ， 開源成方法論和工作流 ， 融入它的產品和解決方案之中 。
這就是「模型+工具+實踐」的閉環 。
它不再是我們提到云時 ， 常常想到的「IaaS、PaaS、SaaS」的三層結構 ， 那套模式對應的是上一個時代的技術負載 。 對于客戶來說 ， 更需要一個 AI native 的云 ， 來更好地跨入到 AI native 的時代 ， 而不是買一個云 ， 然后自己去找 AI native 。 「AI 云原生」是在一個全新的牌桌 。

02火山引擎 ， 在造 AI 時代的「馬達」
我們剛剛梳理過了 AI 云原生 「模型+工具+實踐」的閉環 。
也就是說 ， 他們不只是把工具給你 ， 而是把一條「AI 原生」的業務流程給你跑通、驗證 ， 把這個所謂的最佳實踐和面向未來的思考寫到了整個產品體系里 ， 然后再打包交付給你 。
這就好比 ， 一個店鋪不再是只賣給你面粉、雞蛋和烤箱 ， 而是努力先把一款「爆款蛋糕」的配方研發出來 ， 甚至把半成品都準備好 ， 你拿回去 ， 稍微加工 ， 就能開張營業 ， 獲得成功 。
它把客戶成功的成本 ， 大量地「前置化」了 。 火山引擎自己承擔了大部分探索和試錯的工作 ， 從而極大地降低了客戶成功的門檻和成本 。
相比之下 ， 傳統的云服務商 ， 更像是提供一個「樂高工具箱」 。 它們把強大的算力、存儲、網絡等原子化能力交給你 ， 然后說：「來 ， 給你最好的工具 ， 去創造你想要的業務吧 。 」
這聽起來很美好 。 但對絕大多數企業來說 ， 拿到一堆「算力」和「模型」的錘子 ， 他們并不知道該如何去蓋一座屬于自己的「AI 大廈」 。 從工具到價值 ， 中間隔著一條巨大的鴻溝 ， 我們可以稱之為「摸索成本」 。 企業需要自己去試錯 ， 去組合 ， 去探索全新的業務流程 。 這個成本 ， 是極其高昂的 。
而火山引擎正在做的事情 ， 可以稱之為「先干為敬」的交付模式 。
為什么過去的云廠商沒有普遍這么做？
一個核心原因是 ， 過去 ， 如果想將某個垂直行業的業務上云 ， 需要懂得這個領域的 know-how ， 各種各樣的人 ， 將它搭建起來 ， 人工成本就很高 。 而今天 ， 一個很大的變化是 ， 大模型可以將這堆事情搞定百分之六七十 。
那么 ， 就意味著 ， 如果能夠將模型和工具做好 ， 就能幫客戶解決 70% 的問題 ， 剩下 30% 由他們自己解決 。 它實際上交付的是一套 AI native 的業務流 。
那么 ， 我們可以給「AI 原生云」下一個更清晰的定義了 。
如果說 ， 過去的云計算 ， 是像「水電煤」一樣的基礎設施 ， 它支撐著企業的運轉 ， 但本身不直接創造業務的核心邏輯 。
那么 ， 火山引擎打造的 「 AI 云原生」 ， 則更像是一種「馬達」 。
就像今天每個人的身邊、家里的電子設備中 ， 都有無處個或大或小的馬達 。 馬達是構建工業社會產品的一個重要結構 。
我覺得 ， 未來的 AI 不會停留在像如今的水和電一樣的基礎設施 ， 它也要 form 成像馬達一樣的東西 ， 可以根據不同企業、不同業務的特性而廣泛存在其中 。 它本身 ， 就是新一代生產力的「發動機」 。 這樣 ， 才更容易轉換成企業價值 。

03 【拆解火山引擎后，我看到了字節跳動的「變奏」】字節跳動 ， 從擅長 To C 到做好 To B
理解了火山引擎「是什么」和「怎么做」 ， 我們再來探討一個更深層的問題：它在字節的整體戰略中 ， 扮演著一個怎樣的角色？這關乎到火山引擎的未來 。
要回答這個問題 ， 我們可能得先回答一個更根源的問題：字節為什么要做火山引擎？
首先 ， 我們需要理解一家巨頭企業在不同發展階段的戰略重心 。 在我看來 ， 過去十年 ， 字節跳動更擅長 To C 。
在信息流、短視頻、社交、本地生活等幾乎所有賽道 ， 我們都能看到字節跳動兇猛進攻、快速迭代、努力成為賽道頭部的身影 。 在 To C 業務上的高歌猛進 ， 讓它成長為一家無與倫比的巨頭 。
然而 ， 一家公司是不能永遠在風口浪尖去做跟一代一代的年輕創業者拼應用創新的事 ， 公司發展到一定程度 ， 就要去抓基礎設施 。
這里面有一個非常經典的案例 ， TCL 。 在我剛剛進入媒體的時候 ， 大約是 90 年代末 ， TCL 風頭正盛 ， 相當于那個年代的小米 ， 風靡全國 ， 成長極快 。
TCL 和中國大多數家電企業一樣 ， 業務線很長 ， 從電視、冰箱、空調到手機 ， 什么都做 。 這是一種典型的「Fight」模式 。
TCL 的創始人李東升在那個時候提出 ， 要在五年內實現營收 2000 億的目標 。 結果用了 20 年才實現 。
前兩年 ， 我跟他復盤過一次 ， 他提到一點 ， 說他最大的收獲就是意識到 ， 沒有一個企業可以永遠在時代的最潮頭、做最新銳的產品創新 。 他說 ， 當企業發展到一定階段的時候 ， 你需要去做你更該做的事 ， 比如有一些更難、更長期、回報可能沒有那么快 ， 但對于行業來說又很有利的事情 。
當時 ， 在面臨全球化的激烈競爭和產業升級的壓力時 ， 李東生做出了一個極其重要的戰略抉擇：全力以赴 ， 向上游核心技術突破 ， 重注投資建設華星光電（CSOT） ， 也就是我們說的「面板」 。
這是一個典型的「Build」（構建長期基礎設施）戰略 。 它投入巨大 ， 回報周期極長 ， 充滿了不確定性 。 在長達數年的時間里 ， 華星光電甚至是虧損的 。 但 TCL 頂住了壓力 ， 持續投入 。
也正是在面板上的投入 ， 讓 TCL 成功掌握了「顯示屏」這一核心戰略資源 ， 使得營收終于突破了 2000 億元 。 這塊「屏」 ， 不僅讓 TCL 的電視業務建立起強大的成本和技術優勢 ， 更讓它成為了整個消費電子產業鏈的「底座」 ， 舉足輕重 。
今天 ， 字節跳動重注火山引擎 ， 與當年 TCL 重注華星光電 ， 在戰略邏輯上 ， 異曲同工 。
我其實覺得 ， 對于已經成長為巨頭的大公司來說 ， 更重要的是選擇了一個更有意義的、并且應該是由你來完成的那種目標 。而字節在火山引擎的布局 ， 正是夯實了這家公司完成了一個從具有做好消費級產品的鋒芒到修煉出「Build」狀態的轉變 。
梁汝波在 6 月 11 日的火山引擎發布會上提到 ， 關于火山引擎 ， 字節內部有一個共識——當時 ， 有些客戶問我們：字節為什么要做火山引擎 ， 把技術對外? 一個很重要的原因是 ， 字節跳動決心做好技術 。
實際上 ， 據我了解 ， 在五年前 ， 字節內部曾經討論過 ， 字節是否要自建基礎設施 ， 比如云等等 。 如果要自建的話 ， 那要怎么持續保持技術先進？
如果只是自己用 ， 那么前端只服務自己的那些 App 的話 ， 數據、業務的豐富度會比較少 。 所以 ， 他們很快達成共識 ， 為了保持技術的先進度 ， 那就應該開放 。
在我看來 ， 這本質上是在回答：關鍵技術、基礎能力上 ， 你要不要世界領先？
如果想要領先 ， 只服務自己 ， 圍繞著自己的業務做 ， 思路是不對的 。 而如果以天下為先 ， 去實現更大的挑戰 ， 才會給你卷入更大的資源和努力去做成它 。
更關鍵的是 ， 如果這個基礎設施做好了 ， 那么未來產業里所有的創新都會與其有關 。
所以說 ， 并不應該將火山引擎視作字節的一個橫向拓展的業務 ， 這是不對的 。 它屬于字節跳動正在為自己 ， 也為整個行業 ， 構建的一個面向 AI 時代的先進「數字基礎設施」 。
總的來說 ， AI 浪潮 ， 給云計算市場按下了「Reset」鍵 ， 開啟了一張「New Table」 。在這張全新的牌桌上 ， 我絲毫不懷疑 ， 已經贏得先發優勢的火山引擎 ， 在長期、大力投入上的堅決 。
火山引擎的出現 ， 不僅對阿里、騰訊、華為、百度等傳統云廠商構成了新的挑戰 ， 更重要的 ， 它為千行百業的 AI 轉型 ， 來了一次「先干為敬」 。 以身入局的字節跳動接下來會如何改寫 AI 和云產業的格局 ， 十分令人期待 。

    推薦閱讀