对话火山引擎谭待：大模型开始真正进入复杂场景

《科创板日报》12月21日讯（记者 张洋洋）在模型能力快速迭代的2024年之后，大模型产业正在进入一个新的阶段。

在上海举行的火山引擎 Force 原动力大会上，火山引擎总裁谭待在与《科创板日报》等多家媒体进行了一次对话，系统性阐述了火山引擎对多模态、Agent、AI原生架构以及安全与商业化路径的最新判断。

▍多模态加速“落地拐点”

2024年年底，国内外头部模型密集更新多模态能力，豆包、Gemini、OpenAI等均在视觉、语音、视频等方向持续强化。

对此，谭待的判断是，多模态的集中突破并非偶然，而是模型应用从“对话”走向“执行”的必然结果。

“以前模型主要解决的是聊天问题，文字输入就够了；但当模型开始帮你处理事情，输入和输出都会变得复杂。”谭待表示，在车载、产品质检、餐饮、制造等真实场景中，模型不仅需要理解文本，还必须理解视觉信息，同时还要处理来自不同工具的可视化结果。

在他看来，多模态的意义不在于生成能力本身，而在于让模型具备像人一样理解环境的能力，从而降低对复杂API或定制接口的依赖，扩大模型可适用的场景范围。

“你理解了视觉，就可以像人一样去操作很多东西，而不是每一个工具都要去做一个MCP server或者复杂的接口。”谭待认为，这正是多模态成为构建复杂Agent基础能力的原因。

针对行业普遍关注的“多模态仍存在数据与工程挑战”，谭待也给出了相对克制的回应。他认为，相比一年前，模型已经解决了大量问题，而模型的进化路径本身就是“能力解锁—应用爆发—新问题出现”的循环过程。

▍模型不再是瓶颈，Agent的开发与运行成为关键约束

如果说模型能力是AI应用的上限，那么在谭待看来，Agent体系的成熟度，正在成为决定AI落地速度的下限。

在他看来，当前行业面临的现实是：模型能力已经足够强，但能够真正将模型能力转化为稳定、可规模运行Agent的企业仍然不多。

“现在模型已经很强了，但真正把强模型用好的企业并不多，核心问题不在模型，而在Agent的迭代太慢。”谭待直言。

以豆包为例，无论是APP形态还是手机助手，其本质都是由大量Agent构成的复杂系统。搜索、客服、内容生成、分析推理等能力，背后往往是不同逻辑、不同任务目标的Agent协同运行。

在内部实践中，火山引擎逐步发现，Agent真正走向线上规模化应用，必须同时解决三个问题：一是模型能力本身；二是Agent的开发效率；三是Agent在真实线上环境中的运行稳定性与安全性。

此次大会上，火山引擎正式对外系统化推出AgentKit，将内部Agent实践经验拆解为一套完整的开发与运行组件。

谭待透露，通过AgentKit，一些原本需要数千行代码、数周开发周期的Agent能力，可以被大幅简化。

“我们现在看到的一个现实问题是，模型已经够强了，但Agent开发跟不上。”他表示，Agent时代需要的是为Agent而设计的AI原生架构，而不是沿用传统软件时代的开发范式。

▍AI原生架构浮现，云基础设施围绕Agent重构

在更底层的云基础设施层面，谭待给出了一个更长期的判断：AI时代的核心计算主体，正在从Web和App，转向Agent。

回顾技术演进路径，他认为，每一次平台级技术变革，都会重塑基础设施形态。PC时代围绕网站与数据库构建，移动互联网时代围绕App与云原生架构展开，而AI时代，Agent将成为新的核心单元。

“你现在要思考的是，Agent需要什么样的runtime，什么样的中间件，什么样的数据库，以及什么样的数据湖和DevOps体系。”谭待表示。

他认为，Agent的运行方式与传统应用存在显著差异。传统应用通常是“少量表、海量数据”，而Agent则是“大量表、单表数据量小、随用随建、随时销毁”，这对数据库与数据管理提出了全新的要求。

正是在这一背景下，火山引擎推出了面向Agent的数据湖、多模态数据能力以及配套的开发工具链。谭待强调，这并非概念驱动，而是源于豆包自身在大规模Agent实践中的真实需求。

“为什么我们能抽象出这些东西？因为我们自己做过。”他说，豆包在实际业务中踩过的坑，最终被整理为对外可复用的产品能力。

▍从Token到Agent：商业模式的抽象层正在上移

在商业模式层面，随着大模型调用规模快速增长，“按token计费是否过于原始”成为行业讨论的焦点之一。

对此，谭待的态度相对务实。他认为，token计费并非错误，而是处在AI商业化的底层抽象层级。“API本身就是原材料，原材料按用量计费是很自然的。”

但他同时强调，真正决定市场空间的，并非token本身，而是更高抽象层的Agent形态。

在他看来，当模型被封装为可直接解决问题的Agent，其商业逻辑将从IT预算，转向业务预算甚至BPO（业务流程外包）市场。

他以“深度研究型Agent”为例指出，这类Agent的调用频率可能并不高，但每一次调用背后，都可能是数小时甚至数天的多轮推理、搜索与数据处理，消耗极高的token量。

“你不能只看哪个场景起量快，还要看长期天花板。”谭待表示，陪伴聊天等C端场景起量快但天花板有限，而科研、教育、医疗、企业决策等场景起量慢但长期价值更高。

▍AI时代云安全是“必选项”而非“附加项”

在本次大会中，安全被火山引擎放在了一个相对靠前的位置，这在云厂商发布会上并不多见。

谭待的解释是，模型能力越强，对安全的要求就越高。如果安全问题无法被系统性解决，AI很难在企业级场景中被真正规模化采用。

他指出，传统的软件时代，企业往往通过私有化部署或一体机来解决安全问题，但在AI时代，这种方式正在逐渐失效。一方面模型更新周期极短，另一方面Agent体系高度依赖云端能力，私有化方案很难跟上技术演进。

火山引擎的解决方案是，通过AICC（机密计算）等方式，将安全能力与MaaS、AgentKit深度融合，使安全成为云与AI体系的内生能力，而非外挂组件。

“AI时代，云的重要性会更大，而不是更小。”谭待表示，未来越来越多企业会意识到，安全不应以牺牲模型能力和迭代速度为代价。

此外，在谈及大模型竞争格局时，谭待多次强调“竞争不是最重要的变量”。

在他看来，大模型市场仍处于高速扩张阶段，关键并非零和博弈，而是如何加速AI在真实业务中的落地。“如果市场明年还能再涨10倍，大家关注的就不是存量竞争。”