媒体新闻

AI普惠，大模型时代的物种繁荣信条

2024/12/23 7:54:00

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议

在过去两年的大模型热战中，无论是垂直创业的AI六小龙，还是全押AI的互联网大厂，中国的参与者都在不约而同地在寻找大模型商业逻辑的闭环：

在动辄百亿的资本开支面前，大模型作为某种意义上的基础设施，其规模效应需要尽早浮现，其商业化路径需要尽早清晰化。

而在12月18日字节火山引擎冬季FORCE原动力大会，关于AI应用该如何商业化的答案，火山引擎给出了非常确定性的答案：

从技术层面，火山引擎成功的拓展了模型边界，实现多模态发展；而从商业变现层面，火山引擎则是通过平价，实现了AI普惠。

更强的模型，来自火山引擎的视觉智能

今天的大模型，或者说，作为服务的大模型（MaaS），是AI时代的底座。

经历了参数爆炸，算法堆积，算法优化这三个必经阶段之后，Force大会上的字节展现出了“更强模型”的能力。

我们不妨从数字角度，来理解这次的豆包大模型的全面升级：

此次推出的通用模型pro，相较5月15日发布版本，综合任务处理能力较5月份提升32%，在推理上提升13%，在指令遵循上提升9%，在代码上提升58%，在数学上提升43%，在专业知识领域能力提升54%，能力已全面对齐GPT-4o；

音乐模型从生成60秒的简单结构，升级到生成3分钟的完整作品；

文生图模型2.1版本，更是在业界首次实现精准生成汉字和一句话P图的产品化能力。

发布豆包·3D生成模型，支持文生3D、图生3D及多模态生成，以及复杂物品、物品组合大规模场景生成，支持多模态3D资产编辑。

更值得重点关注的是，在开幕式上率先正式发布的豆包视觉理解模型，将能够为企业提供极具性价比的多模态大模型解决方案。

很显然，在一个信息80%来自于视觉的世界里，视觉理解将极大的拓展大模型的能力边界，同时也将降低人们与大模型交互门槛，为大模型解锁更丰富的应用场景。

根据火山引擎总裁谭待介绍，豆包视觉理解模型不仅能精准识别视觉内容，还具备出色的理解和推理能力，可根据图像信息进行复杂的逻辑计算，完成分析图表、处理代码、解答学科问题等任务；此外，该模型有着细腻的视觉描述和创作能力。

此前，豆包视觉理解模型已经接入豆包App和PC端产品。明年1月，豆包视频生成大模型还将正式发布，在视觉这个最重要的模态上面，字节产品拥有不小优势。

火山引擎的AI普惠理念，是科技发展的必然走向

今天的大模型竞争，让我常常想起70年前，美国原子能委员会主席的刘易斯·施特劳斯，在1954年全国科学作家协会的演讲中，他一锤定音的提到“Too cheap to meter”（太过廉价而无需计量），这一短语从此一炮走红：

“我们可以期望：我们的子孙后代将在家中享受（too cheap to meter）廉价到无需计量的电能；世界上周期性的地区性大饥荒将被视为历史事件；我们将毫不费力地在海上、海底和空中旅行，危险极小，速度极快；随着人类逐渐了解导致衰老的原因，子孙的寿命将比我们长得多。”

在领导核能开发和管理的施特劳斯眼中，技术丰饶主义不再是一种假设，而是一种坚定乐观主义的铁律。

这一点在互联网和AI主导的比特世界成为了现实：今天的流量边际成本几乎为零，在互联网领域实现了科技物种大爆发，无穷多的参差多态由此诞生。

从社交网络，到短视频平台，再到社交电商和AI大模型，一切垄断都被无情打破，技术爆发每天都在上演。

而全球数以十亿计的科技开发者和数以千万计的互联网用户，都在这场物种大爆发中，得到了前所未有的丰饶体验。

科技进步必然带来廉价和普惠，而AI的普惠时代，从本次字节发布会中的定价逻辑中也可窥得一二：

在此次发布会中，能力已经跟GPT-4o对齐的豆包通用模型pro，价格只有前者的1/8。

而最新重磅推出的豆包视觉理解模型，会把图像编码转换为tokens，千tokens输入价格仅为0.003元，也就是3厘；换算一下大概是一元钱就可处理284张720P的图片，这一价格比国内外同行便宜85%。

低价并不是想挑起行业在供给侧的价格战，而遵循的是火山引擎技术进步带来AI普惠愿景：

豆包大模型的普惠，不是简单的不计成本价格战，而是通过更强的技术优化，降低使用成本，让更多用户都能用得起多模态模型的同时，豆包大模型本身仍然能保持合理毛利。

我们不妨用火山引擎总裁谭待自己的朋友圈来说明这个问题：豆包大模型能力强和价格低的背面，仍然能够获得合理的毛利，是技术能力，工程能力，软硬件结合能力的综合体现。

一如当年的互联网的繁荣，靠的绝不是小院高墙式的价格歧视，而是基于开源的AI普惠逻辑：只有建立在AI普惠基础上物种大爆发，才会带来全行业的更健康高速的增长。

更低门槛，技术普惠的开启

更强的模型，搭配更低的使用价格，让使用者、开发者、B端企业的使用门槛都被大大降低了。与企业生产力相关的B端场景，豆包大模型也获得了众多企业客户青睐。

今天，豆包大模型已经与八成主流汽车品牌合作，并接入到多家手机、PC等智能终端，覆盖终端设备约3亿台，来自智能终端的豆包大模型调用量在半年时间内增长100倍。

最近3个月，豆包大模型在信息处理场景的调用量增长了39倍，客服与销售场景增长16倍，硬件终端场景增长13倍，AI工具场景增长9倍，学习教育等场景也有大幅增长。

此外，本次发布会火山引擎升级了火山方舟、扣子和HiAgent 三款平台产品，帮助企业构建好自身的 AI能力中心，高效开发 AI 应用；其中，火山方舟发布了大模型记忆方案，并推出prefix cache 和 session cache API，降低延迟和成本。

火山方舟还带来全域 AI 搜索，具备场景化搜索推荐一体化、企业私域信息整合等服务。

科技就是一个普惠史

纵观人类科技发展史，就是一个用更低的价格做出更好的产品、完成最大程度普惠的过程。

如芯片上晶体管密度在摩尔定律的指导下快速提升，但单位晶体管的制造成本却以更快的速度下降，这也才有了后来所有人都能用得起的电视、电脑、手机以及互联网。

在近几年，马斯克更是将特斯拉汽车的价格，从最初的166万，降到100万以内，再降到50万以内，现在是30万以内，未来计划推更平价的版本。这种策略才使得优质好价新能源汽车得以在全球快速普及。

一如当年的互联网时代，平台和用户，形成了相互促进的双边“网络效应”，最后大幅降低了实体经济的交易成本，并催生出欣欣向荣的新经济业态，让全球至今仍在受益。

AI在大发展两年之后，摸索出方法的头部企业，也开始进入生态构建阶段。

如果我们站在生态角度，就更能理解火山引擎字面的真实含义：火山意味着爆发，AI在B端和C端应用的层出不穷；但爆发需要有强力的引擎，也就是极强的经济性，只有将模型使用成本降下来，才能发挥出引擎的作用。

以这次发布的豆包视觉理解模型为例，在普惠的基础上，该模型彩可以更好的在众多日常生活场景中大显身手：

?电商场景，用豆包视觉理解模型构建出多模态的 AI搜索和推荐，帮助用户轻松实现拍照找同款，而且基于已经购买的商品，可以去进一步的推荐适合的穿搭，客户体验全面升级；在电商营销侧，还可以帮助商家充分描述商品细节，高效发布种草广告。

?教育场景，豆包视觉理解模型不仅可以让传统的拍照搜题更加智能，还可以进一步对孩子的作业进行批改和针对性的辅导，优化作文、科普知识，提高儿童教育效率。

?旅游场景，帮助游客看外文菜单、讲解照片中建筑的背景知识等等。

不仅仅是以上场景，豆包视觉理解模型在发布之前，已经协同数百家企业进行了测试。由于普惠性，未来视觉大模型的应用，必将涉及金融、医疗、教育、建筑、体育、物流等诸多行业。

结语

AI大模型的核心底层价值之一，仍然是基于信息将人在场景中进行连接。

今天火山引擎推动的高性能、低成本模型，让每一位开发者和每一家企业都能用得起。而创新的力量，往往来自很多看似并不起眼的小团队。当越来越多有想法、有冲劲的创业者投身AI大潮中，大模型或许很快就会走进每个人的生活。