拆解火山引擎后，我看到了字节跳动的「变奏」

综合报道

11min read

拆解火山引擎后，我看到了字节跳动的「变奏」

张鹏2025/06/12

摘要

今天来看，字节在火山引擎上的布局，绝对不是一个横向开拓的新业务那么简单。

五年前，字节跳动成立火山引擎的时候，它在云计算产业里只能算是十分不起眼的那一朵「云」。

我印象中，当时有不少人疑惑，字节为什么要杀入一个已经非常内卷、格局比较稳定、且相比于字节的抖音和头条来说利润率很低的业务？

最近几年，这个答案逐渐清晰。尤其是，当 ChatGPT 将大模型带火之后，我身边有越来越多在 AI 转型上比较积极的新锐企业家，开始提到火山引擎。

我最近看到 IDC 公布了一项数据，印象深刻：火山引擎在中国公有云大模型服务调用量上已经稳居第一，市场份额 46.4%，接近一半。

在昨天举办的火山引擎「Force 原动力大会」上，同样有一个数据十分醒目：全球 Top10 手机厂商有 9 家选择和火山引擎深度合作，将大模型应用在语音助手，创作工具，效率提升等诸多场景。要知道，手机厂商虽然在 AI 落地上最为积极，但他们也更为谨慎。

能将这些挑剔的客户拿下，已经很说明问题。

回过头看，MaaS（模型即服务）那点钱一开始传统云巨头看不上的。然而，创新往往都来自于边缘，都是从看不上的钱开始做。当 AI 大模型浪潮到来，MaaS 成为新的基础设施时，火山引擎作为从边缘崛起的力量，凭借对 MaaS 的前瞻性布局，反而将过去在云上的落后给抹平了。不仅如此，从我的观察来看，对于云产业来说，这不是在同一张牌桌上增加几把椅子，而是直接换了一张全新的牌桌（New Table）。

这是一次彻底的「Reset」，跟我们之前理解的云计算，有着本质的区别。就像火山引擎在对外介绍其服务时，总是会强调他们是「AI 云原生」服务。

「AI 云原生」是他们自创的一个概念，在我看来，这恰恰是理解火山引擎为什么是接住 AI 热度最多的那一个、以及服务好企业 AI 转型的关键切入点。

01

「AI 云原生」，是全新的牌桌

到底什么是「AI 云原生」？它和我们常听到的「云原生+AI」，仅仅是词语顺序的颠倒吗？

其实我觉得，火山引擎定义的「AI 云原生」，如果换成「AI Native 的云」这样的说法，会更容易理解些。

首先，「云原生+AI」，是在既有的、成熟的云计算体系之上，增加一些 AI 的能力。比如，提供一个模型的 API 接口。这是一种「叠加」的思路。云，依然是那个云。AI，只是一项新的能力。

而「AI Native 的云」，它意味着，整个云的技术架构、服务模式、甚至是商业逻辑，都是围绕着 AI 来重新构建的。

比如，我们过去谈论云计算，总会说 IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）。这是一个「层」的概念。但在 AI 时代，这个分层结构可能正在被消解。

这源自于技术负载的变化。就像火山引擎总裁谭待在演讲中提到的，我们实际正处于 PC 到移动到 AI 三个时代的变化之中。在这三个时代里，技术主体在发生变化，PC 时代的主体是 web，移动时代是 APP，AI 时代是 Agent。

不难理解，新的负载形态需要新的底层架构。举个例子，在字节的 AI 编程工具 TRAE 里面，用户可以通过 MCP 来调用数据湖的结构化或者非结构化的数据。也就是说，工作流变成了以大模型为中心，以 IDE 为（集成开发环境）入口，将云等产品捏合在一起，最后由 Agent 来负载的形态。

在火山引擎的这次大会上，有一个观点让我印象深刻，他们认为模型以及模型调用工具的这一整套的规划能力，决定了跑在上面的 Agent 能不能成功。因此，从模型到 Agent，里面到底需要什么，路径是什么，他们都给开源了出来。

那么，我们可以顺着这个逻辑，来推演火山引擎在 AI 时代做云业务的战略路径——打造一个「模型+工具+实践」的生态闭环。

我们来分别拆解一下这三个关键词。

第一，模型（Model）：追求最好的模型。

见惯了模型技术的升级，这次豆包在定价上的创新让人眼前一亮。

豆包大模型 1.6 首创了按「输入长度」区间定价，深度思考、多模态能力与基础语言模型统一价格。比如，在企业使用量最大的 0-32K 输入区间，豆包 1.6 的输入价格为 0.8 元/百万 tokens、输出 8 元/百万 tokens，综合成本只有豆包 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 仅 0.015 元，每生成一条 5 秒的 1080P 视频只需 3.67 元，为行业最低。

字节 CEO 梁汝波曾谈过在 AI 上的目标，首先就是「追求智能的上限」。

最新发布的豆包大模型 1.6、视频生成模型 Seedance 1.0 pro 等新模型，根据测试，均达到全球一流水准。另外，据调研机构的数据，火山引擎是国内 DeepSeek 调用量最大的平台，对 DeepSeek 的性能支持最佳。

因此，模型能力和成本会是火山引擎在模型层死磕的核心。

第二，工具（Tool）：完善的 AI Infra 套件

有了模型，就像有了「大脑」。但只有大脑还不够，还需要「手脚」和「躯干」——也就是完善的工具链。

这些工具，如果让企业自己一个个去适配、打通，又是一个巨大的「摸索成本」。因此，火山引擎的价值在于，他们将这个工作替用户做了。

比如，很多用户不擅长写提示词，火山引擎发布了 PromptPilot，可通过深度解析用户意图并自动构建最优指令路径，将用户模糊的想法系统性地转化为 AI 能够精准执行的专业指令，从而确保模型稳定地输出高质量结果。

此外，火山引擎还发布了火山引擎 MCP 服务、AI 知识管理系统、veRL 强化学习框架等产品，并推出多模态数据湖、AICC 私密计算、大模型应用防火墙，以及一系列 AI Infra 套件。

第三，实践（Practice）：将最佳实践固化与推广。

很多人都忽视了，字节跳动，恰恰是这个星球上最好且最大规模的 AI「实践者」之一。

抖音，头条，剪映，即梦，飞书，TRAE 等等应用，这些本身都蕴含着字节的 AI 实践。字节内部 80% 的工程师在使用 AI coding。他们踩过的坑，积累的经验，打磨出的方法论，就是最宝贵的「实践」。

字节在客户成功方面的一个创新就是，它将这些宝贵实践给「开源」了。比如，火山引擎在官网上线了大模型应用实验室，开源了手机助手、实时视频理解、Deep Search 等 demo 应用，帮助客户快速搭建 AI 应用原型，灵活编排自己的专属智能体。用户也可以通过 Github 方舟开源站点上进行下载使用。

火山引擎把这些源自于字节内部的最佳实践，开源成方法论和工作流，融入它的产品和解决方案之中。

这就是「模型+工具+实践」的闭环。

它不再是我们提到云时，常常想到的「IaaS、PaaS、SaaS」的三层结构，那套模式对应的是上一个时代的技术负载。对于客户来说，更需要一个 AI native 的云，来更好地跨入到 AI native 的时代，而不是买一个云，然后自己去找 AI native。「AI 云原生」是在一个全新的牌桌。

02

火山引擎，在造 AI 时代的「马达」

我们刚刚梳理过了 AI 云原生 「模型+工具+实践」的闭环。

也就是说，他们不只是把工具给你，而是把一条「AI 原生」的业务流程给你跑通、验证，把这个所谓的最佳实践和面向未来的思考写到了整个产品体系里，然后再打包交付给你。

这就好比，一个店铺不再是只卖给你面粉、鸡蛋和烤箱，而是努力先把一款「爆款蛋糕」的配方研发出来，甚至把半成品都准备好，你拿回去，稍微加工，就能开张营业，获得成功。

它把客户成功的成本，大量地「前置化」了。火山引擎自己承担了大部分探索和试错的工作，从而极大地降低了客户成功的门槛和成本。

相比之下，传统的云服务商，更像是提供一个「乐高工具箱」。它们把强大的算力、存储、网络等原子化能力交给你，然后说：「来，给你最好的工具，去创造你想要的业务吧。」

这听起来很美好。但对绝大多数企业来说，拿到一堆「算力」和「模型」的锤子，他们并不知道该如何去盖一座属于自己的「AI 大厦」。从工具到价值，中间隔着一条巨大的鸿沟，我们可以称之为「摸索成本」。企业需要自己去试错，去组合，去探索全新的业务流程。这个成本，是极其高昂的。

而火山引擎正在做的事情，可以称之为「先干为敬」的交付模式。

为什么过去的云厂商没有普遍这么做？

一个核心原因是，过去，如果想将某个垂直行业的业务上云，需要懂得这个领域的 know-how，各种各样的人，将它搭建起来，人工成本就很高。而今天，一个很大的变化是，大模型可以将这堆事情搞定百分之六七十。

那么，就意味着，如果能够将模型和工具做好，就能帮客户解决 70% 的问题，剩下 30% 由他们自己解决。它实际上交付的是一套 AI native 的业务流。

那么，我们可以给「AI 原生云」下一个更清晰的定义了。

如果说，过去的云计算，是像「水电煤」一样的基础设施，它支撑着企业的运转，但本身不直接创造业务的核心逻辑。

那么，火山引擎打造的 「 AI 云原生」，则更像是一种「马达」。

就像今天每个人的身边、家里的电子设备中，都有无处个或大或小的马达。马达是构建工业社会产品的一个重要结构。

我觉得，未来的 AI 不会停留在像如今的水和电一样的基础设施，它也要 form 成像马达一样的东西，可以根据不同企业、不同业务的特性而广泛存在其中。它本身，就是新一代生产力的「发动机」。这样，才更容易转换成企业价值。

03

字节跳动，从擅长 To C 到做好 To B

理解了火山引擎「是什么」和「怎么做」，我们再来探讨一个更深层的问题：它在字节的整体战略中，扮演着一个怎样的角色？这关乎到火山引擎的未来。

要回答这个问题，我们可能得先回答一个更根源的问题：字节为什么要做火山引擎？

首先，我们需要理解一家巨头企业在不同发展阶段的战略重心。在我看来，过去十年，字节跳动更擅长 To C。

在信息流、短视频、社交、本地生活等几乎所有赛道，我们都能看到字节跳动凶猛进攻、快速迭代、努力成为赛道头部的身影。在 To C 业务上的高歌猛进，让它成长为一家无与伦比的巨头。

然而，一家公司是不能永远在风口浪尖去做跟一代一代的年轻创业者拼应用创新的事，公司发展到一定程度，就要去抓基础设施。

这里面有一个非常经典的案例，TCL。在我刚刚进入媒体的时候，大约是 90 年代末，TCL 风头正盛，相当于那个年代的小米，风靡全国，成长极快。

TCL 和中国大多数家电企业一样，业务线很长，从电视、冰箱、空调到手机，什么都做。这是一种典型的「Fight」模式。

TCL 的创始人李东升在那个时候提出，要在五年内实现营收 2000 亿的目标。结果用了 20 年才实现。

前两年，我跟他复盘过一次，他提到一点，说他最大的收获就是意识到，没有一个企业可以永远在时代的最潮头、做最新锐的产品创新。他说，当企业发展到一定阶段的时候，你需要去做你更该做的事，比如有一些更难、更长期、回报可能没有那么快，但对于行业来说又很有利的事情。

当时，在面临全球化的激烈竞争和产业升级的压力时，李东生做出了一个极其重要的战略抉择：全力以赴，向上游核心技术突破，重注投资建设华星光电（CSOT），也就是我们说的「面板」。

这是一个典型的「Build」（构建长期基础设施）战略。它投入巨大，回报周期极长，充满了不确定性。在长达数年的时间里，华星光电甚至是亏损的。但 TCL 顶住了压力，持续投入。

也正是在面板上的投入，让 TCL 成功掌握了「显示屏」这一核心战略资源，使得营收终于突破了 2000 亿元。这块「屏」，不仅让 TCL 的电视业务建立起强大的成本和技术优势，更让它成为了整个消费电子产业链的「底座」，举足轻重。

今天，字节跳动重注火山引擎，与当年 TCL 重注华星光电，在战略逻辑上，异曲同工。

我其实觉得，对于已经成长为巨头的大公司来说，更重要的是选择了一个更有意义的、并且应该是由你来完成的那种目标。 而字节在火山引擎的布局，正是夯实了这家公司完成了一个从具有做好消费级产品的锋芒到修炼出「Build」状态的转变。

梁汝波在 6 月 11 日的火山引擎发布会上提到，关于火山引擎，字节内部有一个共识——当时，有些客户问我们：字节为什么要做火山引擎，把技术对外? 一个很重要的原因是，字节跳动决心做好技术。

实际上，据我了解，在五年前，字节内部曾经讨论过，字节是否要自建基础设施，比如云等等。如果要自建的话，那要怎么持续保持技术先进？

如果只是自己用，那么前端只服务自己的那些 App 的话，数据、业务的丰富度会比较少。所以，他们很快达成共识，为了保持技术的先进度，那就应该开放。

在我看来，这本质上是在回答：关键技术、基础能力上，你要不要世界领先？

如果想要领先，只服务自己，围绕着自己的业务做，思路是不对的。而如果以天下为先，去实现更大的挑战，才会给你卷入更大的资源和努力去做成它。

更关键的是，如果这个基础设施做好了，那么未来产业里所有的创新都会与其有关。

所以说，并不应该将火山引擎视作字节的一个横向拓展的业务，这是不对的。它属于字节跳动正在为自己，也为整个行业，构建的一个面向 AI 时代的先进「数字基础设施」。

总的来说，AI 浪潮，给云计算市场按下了「Reset」键，开启了一张「New Table」。 在这张全新的牌桌上，我丝毫不怀疑，已经赢得先发优势的火山引擎，在长期、大力投入上的坚决。

火山引擎的出现，不仅对阿里、腾讯、华为、百度等传统云厂商构成了新的挑战，更重要的，它为千行百业的 AI 转型，来了一次「先干为敬」。以身入局的字节跳动接下来会如何改写 AI 和云产业的格局，十分令人期待。

火山引擎AI 云原生