继续狂飙！豆包“全家桶”迎来重磅更新 视觉理解、视频生成功能都来了

《科创板日报》12月18日讯 字节跳动豆包正一路高歌猛进，今日又迎来重磅更新。

截至目前，豆包大模型日均tokens使用量超过4万亿，发布7个月以来增长超过33倍。

在今日的火山引擎Force原动力大会上，豆包又发布了视觉理解模型，具备更强的内容识别、理解和推理、视觉描述等能力。火山引擎总裁谭待宣布，豆包视觉理解模型价格降至0.003元/千Tokens，比行业平均价格降低85%。

另外，字节豆包新一代视频生成大模型将明年1月正式发布。此外，抖音旗下图片和视频生成工具即梦AI，展示了新一代图片生成模型和动态海报功能。

从字节今日的种种新动态来看，其仍旧维持着在生成式AI领域的“饱和式”策略。

在今天之前，字节豆包大模型家族已包括了通用大语言、语音合成和识别、图片及视频等不同模态的生成式AI模型，但仍缺少具有视觉能力的可交互多模态大模型；并且，字节豆包之前已经以智能体耳机、智能玩偶、台灯为切入点，在AI硬件端开始布局，但同样受限于交互多模态模型的缺失，AI硬件产品仍只能实现语音层级交互。

从一定程度上来说，今日豆包发布的视觉理解模型，补上了“豆包全家桶”在视觉交互上的这一短板。

西部证券12月15日报告指出，视觉能力是大模型能力的核心，因为视觉输入占据人类交互信息的绝大多数，在包括AI玩具或AI眼镜等的下一代AI硬件终端中，视觉SoC将有望成为标配，这也将新增对NAND存储芯片的需求。分析师建议关注视觉SoC公司恒玄科技、星宸科技、安凯微；存储公司东芯股份、普冉股份。

国盛证券也表示，字节跳动目前已具备开放式耳机音频技术、大模型技术以及丰富的软件应用生态，有望应用到AI眼镜产品上，成为该赛道核心玩家。

▌算力需求或进一步扩大

另一方面，从豆包的文字大模型，到视觉理解模型和视频生成模型，可以看到，“豆包+”生态似乎也已初现雏形。若再加上猫箱、即梦等字节旗下更多AI应用，字节跳动的算力需求，或许又要再上一个台阶。国盛证券近日研报也指出，算力是字节AI产业链核心方向。

据媒体援引分析师测算，仅以豆包类似的文字模型来推算，以ChatGPT MAU（月活用户）为6亿来看，推理需求约需35万个A100显卡，训练需求需12万个A100显卡。

而相对于文字模型而言，视频大模型对算力的需求势必更高，例如在Sora正式上线后不久，OpenAI即出现算力不够用的问题。

上述分析师以即梦AI为例计算，即梦的视频生成模型Magic Video v2若MAU达到1亿，且每天有生成10分钟视频的需求，则需28万个英伟达H100 GPU，MAU达到2亿时，对H100的需求将达到55万个。

服务器代工厂英业达此前已获得字节跳动、百度、阿里巴巴、腾讯等公司的订单，主要出货形式为L10（机柜组装与测试）及L11（服务器整合与机架布建），其日前表态中也暗示了字节等公司对算力的需求之强劲——本季度客户对AI服务器需求较预期强劲，今年AI服务器营收有望同比增长2.5-3倍，明年出货量将进一步升温。

民生证券指出，豆包用户数的快速增长带来的将是算力中心的扩建，进而带动AI服务器需求提升；同时，算力中心扩建带来的不仅是基础建设需求，更多的是热管理的需求，字节AI端液冷有望拉动广阔市场空间。

据《科创板日报》不完全统计，A股中字节跳动算力硬件相关公司有：