破局者字节，全栈AI狂飙

21世纪经济报道记者雷晨

在AI浪潮席卷全球的当下，科技巨头的竞争已从单一模型能力的比拼，升级为从芯片、算力到模型、应用，再到生态的全栈式竞争。

作为行业的后来者，字节跳动的AI棋局日渐清晰：纵向，完成从底层硬件到上层应用的全栈布局，形成成本与体验的“飞轮效应”；横向，以C端超级App流量与B端企业服务双轮驱动，构建一个强大的开放生态。

这条路通往何方？字节跳动的答案是：坚定长期投入，“追求智能上限”，服务产业应用。其全栈AI布局正加速渗透千行百业，推动中国数字化进程迈入“AI原生”的新阶段。

全栈AI布局，场景加速落地

近年来，字节跳动在AI基础技术研发上持续加大投入。

据华创证券报告显示，字节跳动基于互联网海量数据，积极建设海内外算力中心；同时，基于字节自研DPU的GPU实例，较上一代集群性能最高提升三倍以上。

此前有消息称，2025年，字节跳动计划在AI基础设施投入超120亿美元（约合人民币855.78亿元）。据悉，字节跳动2024年资本开支已达800亿元，2025年资本开支预计翻倍至1600亿元，主要用于自建算力中心与DPU芯片研发。

在模型架构方面，字节跳动最新开源的Seed-OSS-36B模型采用Apache-2.0许可证，支持原生512K上下文长度，并引入创新的“可控思维预算”机制。

用户可灵活调整模型的推理长度，支持动态控制思维预算，提升推理效率。这项技术针对推理任务专门优化，在AIME24达到91.7分，AIME25达到84.7分的优异表现。

多模态技术成为字节跳动近期最引人注目的突破点。Waver 1.0基于修正流Transformer架构，支持文本到视频、图像到视频和文本到图像的生成，无需切换模型。

统一架构实现多模态生成无缝切换，正在重构内容创作流程。

OmniHuman-1.5则通过“全方位条件训练”理念，彻底颠覆了对静态图像转动态视频的传统认知。该技术仅需一张人物照片和一段音频，就能让照片中的人物“活”起来，说话、唱歌、做手势，甚至表达各种情绪。

从产品矩阵来看，字节跳动的AI产品体系，由豆包领衔，实现多场景覆盖。

东方证券研报指出，ToC端字节AI应用布局全面，Chatbot豆包或为国内最大的AI Native应用。字节在AI应用各垂类如Chatbot、教育、图像视频、情感陪伴等均有产品上线，区域上产品在海外、国内基本一一对照，且同时布局于APP端和Web端。

根据QuestMobile发布的2025年春季数据，豆包拥有超1.1亿个用户，同比增长864.35%，位列榜单第二。豆包家族现已包含通用Pro/Lite、角色扮演、语音合成/识别、文生图、视频生成等十余款细分模型。

视频生成产品线尤为亮眼。Seedance 1.0 Pro在全球Artificial Analysis文生视频、图生视频双榜领先，5秒1080P视频生成成本仅3.67元。Waver 1.0可支持长达10秒的高质量视频生成，兼容多种艺术风格，在运动连贯性、画面清晰度和提示理解能力上超越现有模型。

企业级市场，HiAgent 2.0与豆包企业版双轮驱动。HiAgent 2.0采用“调度对话行动”三位一体架构，支持流程图/自然语言/API三种任务编排方式，内置100+行业模板库。

字节跳动还推出了系列AI硬件产品，包括AI耳机Ola Friend等AIoT产品。据火山引擎大模型智能硬件负责人刑孝慈介绍，截至6月11日，接入豆包的AIoT产品出货量超100万台，预计2025年年底这一数字有望突破1000万台。

硬件产品与软件生态形成互补，旨在构建更加完整的AI体验。

当前，字节自研的豆包大模型和火山引擎的AI云原生基础设施，正在加速向市场渗透。

截至今年6月份，豆包大模型已涵盖多模态、视频、图像、语音、音乐等模型品类，全方位推进智能提升和应用落地。

21世纪经济报道记者获悉，在行业应用上，豆包大模型服务着全球TOP10手机厂商中的9家、8成主流汽车品牌、70%的系统重要性银行及超5成985高校。

截至2025年5月底，豆包大模型日均Tokens使用量超过16.4万亿，较去年5月刚发布时增长137倍。IDC报告显示，2024年火山引擎在中国公有云大模型服务调用量上稳居第一，市场份额46.4%。

从模型到生态，字节AI进击

面对国内外科技巨头的激烈竞争，字节跳动正在构建自己的差异化优势。

SuperCLUE 2025年5月测评显示，字节“豆包1.5深度思考模型”与商汤“日日新V6”并列国内第一，超越谷歌Gemini 2.5 Flash。

价格策略方面，字节跳动首创“按输入长度区间定价”，0-32K段输入0.8元/百万Tokens，综合成本仅为竞品的1/3，推动大模型进入“厘时代”。

此前，火山引擎总裁谭待对21世纪经济报道记者指出，火山引擎的差异化优势体现在两方面：

一是规模优势。抖音、头条等内部业务运行在火山引擎上，使其成为中国计算规模最大的云厂商之一，通过规模化降低成本，为企业提供高性价比的多云服务。

二是AI原生能力。豆包大模型发展迅速，C端用户可直接体验（如下载豆包APP），形成B端与C端的协同。

谈及生态建设，他告诉记者，在行业联盟与共创方面，火山引擎已成立手机、汽车等行业联盟（如上海车展中豆包成为高频词），与头部企业合作；与金蝶、汉得等行业伙伴集成模型能力，拓展垂直领域。

“同时，我们还孵化创新企业，关注AI原生的企业服务初创公司，通过孵化器提供代金券和技术支持，助力其成长，推动中国AI企业服务‘弯道超车’。”他表示，未来火山引擎的目标是深化与零售、金融等行业的共创，孵化更多AIFirst企业，构建互利共赢的生态系统。

业内预计，AI应用将从尝鲜阶段进入必需品时代，而字节跳动显然已经做好了准备。

21世纪经济报道记者了解到，在字节跳动今年2月的All Hands大会上，定下年内的主要目标之一就是“追求智能上限”。年初，字节跳动还启动Seed Edge项目，要做比预训练和大模型迭代更长线、更基础的通用人工智能（AGI）前沿研究。

在6月11日举办的火山引擎FORCE原动力大会上，字节跳动CEO梁汝波说道：“一直以来，字节在技术创新上的投入非常大。未来，字节跳动会坚定长期投入，追求智能突破，服务产业应用。”

他强调，做好火山引擎对字节跳动成为一家优秀的科技公司、保持技术竞争力很重要。在AI大模型带来技术变革的时代，字节跳动要从“科技公司”进化到“创新科技公司”，在AI时代保持真正的技术竞争力。同时，也会通过火山引擎，持续把字节的新模型、新技术，开放给企业客户，让新技术接受市场的检验。

据记者梳理，字节跳动的AI发展路径已呈现出几个明显趋势。

一是技术融合将更加深入。多模态技术正在打破传统的内容生成边界，音频、文本、图像和视频的相互转换将更加流畅自然。AI与VR/AR技术的结合也可能成为下一个突破点。

二是应用生态将更加开放。火山引擎定位不只做“自有模型”，而是打造“模型超市”，汇聚智谱、MiniMax、百川等第三方大模型，提供精调、评测、推理全托管服务。这种开放策略有助于字节跳动构建更广泛的开发者生态。

三是人机交互方式将发生变革。梁汝波提到要探索新的交互方式，希望未来的产品更加便携、更自然。去年推出的OlaFriend耳机只是初步尝试，未来可能出现更多创新的交互设备。

值得一提的是，随着智能体中台技术成熟与行业模板库完善，企业级AI Agent将从单点效率提升转向全链路智能重构，推动中国企业数字化转型进入“AI原生”新阶段。