对话火山引擎谭待：马拉松才跑 500 米，要做中国 AI 云第一

“规模决定一切，最终牌桌上一定有火山。”

文丨贺乾明

在字节负责云计算业务火山引擎 5 年，谭待变得更从容了。要来这里时，很多朋友都劝他慎重：字节比同行晚了 10 年才做云计算，肯定起不来。那是他压力最大的阶段。他说，现在朋友们谈起火山引擎，会说做得还可以。

火山引擎交出了亮眼的成绩单。据市场调研机构 IDC 统计，去年国内云端大模型调用量，火山引擎一家占了 46.4%，比二三名加起来都多。去年 12 月到现在，豆包大模型平均每天处理的 Token 处理量翻了两番到 16.4 万亿，已经逼近国外的科技巨头。

谭待说，除了火山引擎用技术优化压低了大模型价格，豆包 App 也帮了不少忙，“很多客户都会拿着跟豆包的聊天 Case 找过来，问火山引擎能不能在企业场景中实现类似的效果？”

他判断 Agent 是火山引擎更大的机会：过去的云平台为网页和 App 开发设计，需要程序员理解业务，定义规则和算法，然后驱动数据做事，上限就是所有人的时间总和。现在 Agent 成为主体，模型可以自己思考、规划、编排流程，自动执行解决问题，上限远高于 App 时代，“我们正在加码加班做好准备”。

6 月 11 日，火山引擎举办春季 Force 原动力大会，推出 MCP 服务、提示词工具（Prompt Pilot）、知识管理系统、强化学习框架（veRL）等为 Agent 定制开发的套件，并宣布根据 “输入长度” 区间给 Agent 调用的思考模型定价，“综合成本只有豆包 1.5 深度思考模型或 DeepSeek-R1 的三分之一”。

“模型使用成本要降下来，才能推动 Agent 的规模化应用。” 谭待说，经营云平台最重要的是规模要大，“规模大了，服务器多、负载高，就会对技术有很高的要求，会强迫我们做好各种事情。”

这个判断也让他敢在 2021 就定下 1000 亿元的年收入目标，那年中国云平台第一的阿里云年收入只有 600 亿，大模型浪潮还没有踪影。给他信心的是，算上字节整个集团的业务，火山引擎能调度的计算资源规模不比阿里云少。

现在看整体的云计算市场，火山引擎的份额也不在前三。但谭待的信心更充足了，“马拉松刚跑了 500 米”，未来市场空间最少会扩大 100 倍，火山会持续保持国内 AI 第一，在传统云服务的存量市场持续增长。

“这几年 AI 快速普及，我觉得挺幸运的。” 他说，只要世界和平，经济发展，年收入 1000 亿肯定没问题。

本周，谭待接受《晚点 LatePost》访谈，详细分享了火山引擎如何迅速抓住大模型机会、对 Agent 发展的思考，以及火山引擎过去 5 年的发展经历和攒下来的经验。

“规模决定一切，最终牌桌上一定有火山”

晚点：火山引擎上线 5 年了。刚开始很多从业者都不看好你们，为什么你们觉得可以做？

谭待：刚开始做火山的时候，管理层就提过一个类似的问题：我们做的晚，为什么还有机会？

我们当时的逻辑是，云是一个很大的赛道。跟国外相比，国内云计算在 GDP 里的渗透率还很低，这意味着有很大的空间。

晚点：你们刚开始主要对外提供推荐系统服务。后来全面进入云计算领域，瞄准的方向是云原生，发展并没有特别快。

谭待：那个市场是一个存量的市场，增长就是慢。

晚点：火山引擎刚开始定的目标是做中国第四朵云。现在来看，你们是把目标定高了，还是低估了难度？

谭待：第四朵云是有时间期限的，多用几年，我们还是有信心的。最后还是规模决定一切，最终牌桌上一定有火山。

现在 AI 就带来了一个新赛道，我们可以很快做到第一。存量赛道我们可以一点点往上走。

晚点：火山在 AI 上投入很激进。你们怎么评估这个机遇的？

谭待：火山引擎很早就把 AI 当做重要方向，做的确实还可以。刚开始做火山的时候，管理层还给我布置了一个作业：想象一下十年以后的云，也就是 2030 年的时候，跟 2020 年有什么不同。

这个问题，我想了很久。我隐约觉得，不同肯定是因为技术迭代。但什么新技术呢？那时有很多，区块链、元宇宙、AI 等等，我觉得最有可能的还是 AI 。

当时自动驾驶开始上 Transformer 架构了，对云端算力有很大需求。我们就从自动驾驶公司开始，比如理想、吉利这些。然后又接触了很多 AI 创业公司，比如 MiniMax、智谱，然后发现大模型起来了。

我就感觉那个问题的答案自然就来了。这几年 AI 快速普及，我觉得还是挺幸运的。

晚点：为什么说很幸运？

谭待：AI 公司的需求不小，但要求也很高。22 年就需要把几千张 GPU 做成单一集群做训练，还是很有挑战。行业里面很少有公司做这样的事情。但抖音是有的，推荐、广告系统模型都很大，只不过它是稀疏的模型。

这里面有一个很重要的点，火山成立有一个原则，一定是要内外技术同源，把最好的技术拿出去。这看起来理所当然，但不容易做到。很多云平台最后都会搞一个内部业务上云。这就说明，他们云业务和内部体系是分裂的。

我们在组织上做了很多的设计，确保不分裂。这样的好处是，我们推出机器学习平台时，就具备真实环境中大规模训练的经验。

很多公司选择火山，不是因为我们有卡，而是因为我们能够稳定地把模型训练出来。

晚点：你们在 2022 年就看到 MiniMax、智谱的需求提升，有建议公司尽快做大模型吗？豆包大模型出来的确挺晚。

谭待：没建议。很快 ChatGPT 就出来了，就不需要我建议了。

晚点：同行都在 2023 年推出大模型服务，你们不着急吗？

谭待：创新肯定是不能规划的。我们还是希望把模型做好了再对外推。国内的模型也都是 24 年才逐步成熟。抢跑几个月没有意义。

晚点：听上去你很从容。这么多年压力最大的是什么时候？

谭待：刚开始做火山的时候。我原本是做技术的，没有经营过业务，也没有管理过特别大的团队。

晚点：那为什么字节的高管会让你管，而不是找个更有经验的云计算行业高管？

谭待：可能是觉得我很有热情，也有潜力（笑）。就我本身而言，这跟我的职业规划有关，我原来在百度很快就做到 T11（工程师最高职级），也想转型做业务，要跟技术强相关，做 ToB 基本是唯一的选项了。

在云计算行业做了很久的人，并不一定对字节有信心。我面试的时候，一些有经验的朋友跟我说：字节肯定做不起来。现在他们会跟我说，火山做得挺好的。

晚点：你们最大的竞争对手是谁？

谭待：挺多的。排在我们前面的，都是很有力的竞争者。

晚点：你们要做第一？

谭待：国内 AI 这一块，我们的目标肯定是第一。市场空间未来可能会扩大 100 倍，保持第一还是很有挑战的。

晚点：火山引擎有个 1000 亿的收入目标。什么时候定下的？

谭待：21 年左右写 BP （商业计划书）的时候。当时判断这个业务周期很长，就不写 3 年 BP 了，写个 8 到 10 年的。

晚点：为什么是 1000 亿？

谭待：云是一个很大的市场，要取得一定的份额才有价值。

晚点：火山引擎去年收入 100 亿，今年冲刺 200 多亿。千亿目标进度条现在只有 25%。距离你的目标剩不了几年，能做到吗？

谭待：得看增速，这个速度能保持下来的话，应该是可以完成的。

晚点：但收入规模越大，增速就会越来越慢。

谭待：是慢，但肯定也会增长。因为 AI 这个市场会足够大。

晚点：云服分成两个市场，一个是 CPU 为基础的传统云服务，一个是 GPU 为基础的 AI 云服务。你们的 1000 亿怎么分？

谭待：GPU 会占大头，至少要超过一半。

晚点：你之前有个判断，ToB 行业头三年的事情，就会决定八年后的格局。从 ChatGPT 到现在也快三年了。你们还有哪些重要的事情没做？

谭待：Agent 今年可能才是元年。那么 AI 云原生这些事情，从开发范式到底下技术、安全、数据都会有变化，这些都要加班加码做好。

晚点：你今年的 OKR 是什么？

谭待：很简单，AI 做第一，增加存量市场份额，把组织做好。这个 OKR 我写了好几年了。

晚点：今年有什么新变化吗？

谭待：你可以看我们机场广告，原来写的是：火山引擎，你的下一朵云。马上我们就会改成：火山引擎，你的 AI 云。

我们现在就是让大家认识到在 AI 时代，火山是最好的选择。

晚点：如果 10 年的期限到了，火山没做到 1000 亿收入。你觉得会是什么没做好？

谭待：只要世界和平，经济发展，我觉得肯定没问题。

马拉松才跑 500 米，豆包 App 出了不少力

晚点：IDC 统计，去年国内大模型调用总量中，火山引擎占比 46.4%。这包括豆包、即梦等字节内部应用的消耗吗？

谭待：不包括。分子、分母都是外部的。

晚点：你们对这个成绩满意吗？

谭待：谈不上满意和不满意。这个事太早期了。我跟团队说，马拉松才跑 500 米，别取得一点点小成绩就满意了。之前我们定目标的时候，就是超过 40%。

晚点：你们在去年 5 月才发布豆包大模型，比同行都晚。为什么敢定这么高的目标？

谭待：我们的判断是，这个市场会增加十倍，比人家晚半年无所谓。如果只涨 50%，晚半年确实太难了，你得把存量抢过来。全是增量那无所谓。

晚点：有一些同行说，字节有很多 GPU，火山引擎的市场份额是用亏钱换来的。

谭待：我们是有毛利的。MaaS（模型即服务）是一个赚钱的生意，毛利率在所有云服务产品中算比较好的。除掉数据库，国内没什么赚钱的 PaaS，像容器化什么的服务，都是买 IaaS 直接送的。

晚点：据我们了解，你们给大模型定价的时候，是用倒推的逻辑，假设未来调用量达到一定程度，就能盈亏平衡。所以会先降价吸引客户。

谭待：假设我三个月后能把成本降下来，用那个价格对外提供服务，也是合理的吧？

晚点：DeepSeek 说自己 API 服务的毛利为 85%（成本利润率 545%），你看到有什么感受？

谭待：它是一个理论值。他们的确有各种优化点。不过算力需求有波峰和波谷，波谷的成本是大头，他们把波谷的成本拿走做训练了，所以那时候成本很低。他们也没有算 SLA（云平台服务客户的协议，代表对客户的承诺），波峰高的时候可以跳票。

我们去掉了那些偏理论的点，跟内部比了一下，发现做得的确还可以。他们也帮我们澄清了一些事情。去年我们降价，好多人说我们亏本打价格战。我还专门发朋友圈解释，说靠技术做到的。DeepSeek 证明靠技术的确可以做到。

晚点：为什么你们说靠技术降成本别人不信，DeepSeek 出来说就有人信？

谭待：DeepSeek 是开源的，大家可以做一些复现。

晚点：那你会想让豆包开源吗？

谭待：我没有偏好。最重要的是模型是不是能做到最好。客户不会在意你是开源还是闭源。就算开源了，大家也倾向用云上托管的版本，自己搭太贵了。

晚点：所以低价是你们拿下超 40% 市场份额的主要原因？

谭待：低价只是刚开始对我们有帮助，现在大家的定价都差不多。首先还是模型效果要好。另外我们还有一个很大的优势，是 C 端（个人消费者）B 端（企业客户） 协同。

字节的 C 端产品有大量用户，会大规模调用模型，能帮我们把服务做好。同时，还有很多人会拿着我们 C 端产品的 Case 找过来，说想用在业务中，火山能不能做类似的效果？

我经常开玩笑说，企业 AI 转型第一步，就是董事长先下载一个豆包 App。我发现好多人都认这一点。所以大模型一定要好。不能他们用了后觉得很挫，可能以后就不考虑我们了。

晚点：效果好决定一切？

谭待：这只是模型好的一方面，其他还有稳定性强，吞吐高。大家容易忽视的是模型的 TPM（Tokens Per Minute，每分钟处理的 tokens 数），我们能到 500 万。

扩大 TPM 要更多的成本，也考验调度系统。所以有同行取巧，说价格追平了我们，把 TPM 限制得很小。如果客户想扩大就得加钱。

晚点：去年你们豆包降价的时候，就因为 TPM 低被吐槽。

谭待：当时没注意到这一点，就用了跟同行一样的。我们一周后就把它放大了。后面我们一直默认把 TPM 做得很大。这是客户教我们的。云里面有很多这种细节，魔鬼都在细节里面。

晚点：云计算这种细节特别多、链条又很长的系统里面，怎么能做到最好？

谭待：最重要的还是规模要大。规模大了，服务器多、负载高，天然就对技术有很高的要求，就会强迫我们做好各种事情。我们内部很早就用 GPU 训练推荐系统，可以直接对外复用了。

规模大了后，做优化收益也很大。1 万台服务器利用率优化一个点，100 万台服务器优化一个点，收益差 100 倍。但要做的事情是差不多的。这个收益差异，可以让我组建强大的团队做得更好。

晚点：如果看整个云计算领域，不只算 AI 云，规模最大的还是阿里云。

谭待：只算云业务国内肯定是阿里云，如果按整个集团来算资源规模的话，我们不比阿里少。如果没有那么大的内部资源，再大的力也出不了奇迹，都没有让你练手的地方。

用模式创新继续推动降价，Agent 会突破 App 时代天花板

晚点：豆包 1.5 已经发布快半年了，现在你们发布新款豆包大模型命名 1.6，大模型迭代速度放缓了？

谭待：也不能说放缓。这一版与 1.5 相比有很大优化。2.0 会有的，我们希望大版本更新的时候变化更大。

晚点：一年前你们开发布会，大模型降价幅度非常大，比行业均价减少 99.3%。今年降价幅度为什么变小了？

谭待：去年国内很多人都在讲 AI 概念，但 AI 应用很少，没多少人用大模型。主要原因就是太贵，有的模型比美国的模型还贵，两边人均 GDP 水平又不一样。

我们看到能靠技术把成本降下来，就决定一次降彻底，更低的成本能催生更多应用，可以把盘子做大。

想要继续降价，技术得有大幅更新，但它是有周期的。而且成本已经不算是 AI 应用创新的门槛了，更大的问题是怎么用好平台，做出来更好的应用。

晚点：那这次你们怎么把模型价格降到过去的 1/3？

谭待：主要是定价模式上的创新。深度思考模型出来后，解锁了很多场景，比如搜索。这些模型用起来挺贵的。

其实同一个模型，开思考和不开思考单位成本是一样的，主要的差别就是 context（输入内容）长度。我们发现，客户使用大模型时，context 长度分布有规律，大部分都落在 0 到 32K，然后是 128K、256K。

我们就决定不再给思考模型与普通模型分别定价，而是按照 context 长度做区分，动态计价。我们相信，这会跟去年我们大幅降价一样，引领行业往这个方向发展。

晚点：你们今年介绍了很多 Agent 方面的进展，比如做全链路 Agent 开发工具、改进数据基建，看上去跟同行没太大差别。

谭待：刚才说的计费方式变化就是个明显的差别。这样定价也不是谁都可以做。首先你得服务过很多的客户，才能知道 context 的分布规律。资源调度也要进一步优化，把不同长度的 context 混在一起推理，会浪费资源。 我们把思考模型的 context 做到 256K，至少在国内是第一家。

强化学习是做好 Agent 的关键技术，现在业内用得最多的强化学习框架就是 veRL，这是我们开源的。那个 ve 就是 volcengine（火山引擎的英文）的意思。

另外，Agent 一定要用到 Coding（编程），让模型能自己写代码解决问题，这需要类似 IDE 的开发环境。国内大多数公司只是提供 AI 生成代码插件，这显然不够。字节的 Trae 应该是国内唯一定位像 Cursor 的集成式 Coding Agent。

晚点：Trae 是一个开发者工具，跟火山引擎做 Agent 有什么关系？

谭待：它背后的大模型用了火山上的。火山上的所有云组件服务，我们全部用 MCP 协议做成了服务，直接跟 Trae 打通，开发者做完开发，就可以直接调用云上的各种组件部署、运维了。

晚点：你们怎么判断 Agent 对云计算行业的影响？看到了什么机会？

谭待：PC 到移动再到现在的 AI，是主体发生变化。PC 的时候是网站，移动的时候是 App，AI 将来最重要的主体其实是 Agent。

主体不同，开发范式会变。PC、移动时代的各种架构，容器化、微服务都是程序员理解业务，定义规则和算法，然后驱动数据做事。Agent 是模型自己思考、规划、编排流程。

这就是我们说的 AI 云原生。过去的云平台是为 Web、App 最佳实践设计的，现在要围绕着 Agent 设计。

未来 Agent 和 Agent 之间会有一个网络，它们可以自动执行任务。App 都是供人使用，但全世界就有这么多人，每个人能花多少时间，算下来的总时长就是 App 的上限。

Agent 能主动执行任务，它工作的总时长，会远高于 App 的上限，就能创造更大的经济价值。这需要更多的云计算资源。

豆包模型调用半年翻两番，模型更新带动需求增长

晚点：你们这次宣布了一个数字，豆包大模型日均 Token 处理量达到 16.4 万亿了。这个算内部产品吗？

谭待：这个算的。

晚点：去年 12 月你们宣布的数字是 4 万亿，到现在翻了两番。为什么这么快？

谭待：这就说明 AI 在蓬勃发展，这个数字不仅代表豆包的速度，能说明 AI 的速度。

晚点：有人说是 DeepSeek 的爆发带动行业发展。让很多大模型公司都受益了。

谭待：DeepSeek 出来后，我们的确感觉到客户的热情提升了。主要是它破圈了。客户的增长，还是比较依赖模型能力提升。

晚点：从豆包大模型增长来看，哪些行业的客户的 Token 消耗量在提升？

谭待：最近半年有两个驱动力。一是深度思考模型出来后，带动 AI 工具类应用快速增长，AI 搜索、AI Coding 涨了接近 10 倍。

另一个是多模态模型，也催生了新需求。很多客户用它在线下巡店，看餐盘有没有放好、工作人员帽子有没有戴好等等。这半年也有 10 倍增长。

晚点：这种需求靠过去的小模型就可以做，现在用大模型更便宜吗？

谭待：用上多模态大模型，单次推理成本可能是增加的。但以前的小模型，一个场景就要训一个模型，训练成本很高，还不一定能识别全。现在用大模型，只需要 Prompt 就可以了。综合成本是低的。

晚点：这些都是模型迭代带来的变化。客户对大模型的态度有什么变化吗？

谭待：变化还是很明显的。以前你还得科普，现在不用了。尤其是今年。现在的矛盾点是，大模型能不能创造经济价值。如果这个事更明显，增长可以更快。

晚点：你们有碰到一些失败案例吗？

谭待：说失败不太合适，可以说是有挑战的案例。比如有监管要求的行业客户。他们上来就会问，能不能私有化？

所以我们这次大会讲了很多大模型安全的内容。我们有个产品叫 AI 密态计算，用硬件隔离出加密环境，用端侧的密钥解密。让客户有私有云的安全程度，又能访问最新模型，成本还低。

晚点：现在做大模型一体机的有很多，为什么私有化会是挑战 ?

谭待：想把大模型用起来，不能只有一个模型，还要有一系列工具。云上的工具都还在完善，怎么能指望一体机里面东西都是健全的？

而且公有云上可以用混合调度，把每一次 token 调用的成本摊薄。私有云的环境中，处理 Token 的成本要比云上的刊例价至少高 5 倍。 这会影响发展速度。

晚点：你们占了这么大的市场份额，现在增长也很快。你们总结了什么经验？

谭待：最重要的是建立机制。客户想用好大模型，需要做好 prompt、模型要精巧、有合适的 RAG 知识库。我们会组建专门的服务团队，和行业线团队做匹配去服务他们。

我们会把这些能力沉淀到一个工具中。比如这次我们推出的 Prompt Pilot，就是发现要做大量 Prompt Engineering 的事情，这太累了。

晚点：现在大家都在说，只要模型足够好，不需要太多提示词工程。

谭待：我觉得这完全是错的。应该反过来，模型更好的时候，提示词工程价值更大。当你把需求说得更明确的时候，更好的大模型其实能执行得更好。

晚点：一位云平台负责人跟我们说，云服务是多元化体系，客户想用什么模型，就要想办法去满足他们的需求。火山跟豆包绑定非常深，会影响你们增长吗？

谭待：我觉得这是两个流派。对自己模型没有信心，可能就会说自己是一个云平台，要支持所有的模型。我们对自己的模型特别有信心，就会倾向于做垂直优化。

那些很复杂的 Agent ，让它做好复杂任务，不仅模型要优化，背后的服务也得优化，还要准备好调优的环境等等。

我们能提供的最大价值，是垂直优化的能力，这肯定是基于豆包大模型的。有些客户的需求，甚至要在预训练阶段解决。 我不可能帮客户优化一个开源模型，我也没有源代码。

晚点：做垂直优化，你们也要跟研发大模型的 Seed、各种 AI 产品合作。这些都是不同的部门。你们有什么样的合作机制？

谭待：火山有专门的团队，可以参与到模型研发和产品开发中。字节做火山一个重要的原则就是技术内外同源，比如我们的基础设施就是复用一个大团队，保证体系能够协调在一起。

如果是分裂的，协作就需要公司的 CTO 来协调。但大多数 CTO 都不太了解底下的细节。在字节，技术负责人就可以了。

晚点：如果豆包能力提升很慢，做不到最好呢？

谭待：这是小概率事件。如果豆包能力提升很慢，公司自然会提高优先级去解决。

晚点：很多云厂商都在投资大做 AI 基建，比如阿里宣布三年投入 3800 亿元。你们怎么规划的？

谭待：我们不一定非要宣布花多少钱，客户需要算力的时候，我们能满足就好了。我希望默默把事情做好，给大家一个惊喜。

题图来源：火山引擎