豆包 2.1 Pro 之后，AI 竞争进入「生产力深水区」

截至今年 6 月，豆包大模型日均 Token 调用量已达 180 万亿。

作者｜连冉

编辑｜郑玄

6 月 23 日，2026 FORCE 原动力大会上，火山引擎抛出豆包 2.1 Pro、Seedance 2.5 两代核心模型，同时交出 49.5% 国内 MaaS 市场份额、豆包大模型日均 Token 调用量已达 180 万亿的成绩单。

面对行业 API 价格波动、视频生成赛道内卷、AI Coding 竞赛、算力与商业化多重争议，火山引擎总裁谭待给出了一套完整逻辑：行业竞争里，模型能否跨越生产级门槛、完整打通产业落地链路，才是下一阶段 AI 厂商的核心分水岭。

01

AI 开始进入「算价值」的阶段

近期，国产大模型 API 价格涨跌互现，行业再次陷入「降价换市场，还是涨价保利润」的讨论。谭待给出的判断是，评判模型不能只看单 Token 标价，要结合它创造的价值来看。

当下行业的真实趋势是，尽管主流模型的单 Token 挂牌价有所上升，但单 Token 能够创造的业务价值涨幅更大，整体性价比实际在提升。背后的核心原因，是无论代码 Agent 还是视频生成，模型能力都已经跨过了生产力质变的临界点，开始真正进入生产环节创造增量价值。

一个很有说服力的细节来自调用曲线的反转。

Seedance 2.0 上线前，视频生成模型的周末调用量远高于工作日，本质是 UGC 场景下的娱乐玩具；而新版本落地后，工作日负载全面反超周末，制造业、自动驾驶、具身智能等领域的企业，开始把视频生成嵌入真实的生产流程。这种用户行为的变化，是模型从「能用」到「生产级可用」最直观的证明。

豆包 2.1 Pro 同样遵循这套生产力标准。谭待以芯片设计 RTL 场景为例，模型连续运行近 18 小时、经历 9 轮迭代，完整跑通仿真、测试、综合检查等工程流程，最终输出可上线的代码模块，这才是真正的生产级能力，而非演示用的 Demo。

对应到定价策略上，火山引擎也没有走单纯低价路线。豆包 2.1 Pro 百万 Token 输入 6 元、输出 30 元，综合使用成本较海外头部模型降低近 80%，高频场景的 Turbo 版本价格再减半。本质上比拼的不是单价高低，而是单位成本下能为企业创造的业务价值。

火山引擎想证明的逻辑是：未来 AI 的竞争，是看谁能让每一个 Token 创造更高价值。

02

不做二选一：

模型与 Harness 的交错优先级

此前，行业一直有路线之争：厂商应该聚焦基础模型能力，还是侧重 Harness 层的工具集成与行业落地？谭待的答案是两者都重要，优先级随产业阶段动态交错。

当模型能力还没跨过质变点时，提升模型效果是第一要务；一旦跨过生产级门槛，如何帮企业在真实业务环境中落地，就变得同样关键。企业的最终需求从来不是「一个好模型」，而是一套能接入内部系统、打通数据权限、满足合规要求、解决具体业务问题的完整方案。

这套思路体现在火山引擎的全栈 AI 原生架构里。

底层算力层面，视频生成模型与代码大模型的技术结构不同，对硬件要求天然有差异——Seedance 基于扩散架构，对高带宽需求更低，配合火山引擎方舟的推理优化，可以充分调度各类中低端芯片，和 Coding 模型完全不存在算力资源冲突。同时方舟平台已完成多类国产算力适配，进一步缓解供给端压力。

中间层则搭建了分层的 Agent 工具体系，覆盖从 0 代码到高代码的全角色：面向业务人员的零代码工作台、面向产品运营的低代码平台 Coze、面向专业开发者的 TRAE 与 HiAgent。谭待认为，当下很难用一个产品解决所有岗位的需求，不同角色对代码能力、办公场景的诉求差异很大，多元工具矩阵是更务实的选择。

落到行业落地端，火山引擎专门成立了 FDE 团队。与传统销售或售前不同，FDE 更像 AI 落地工程师：既需要懂技术，也需要理解具体行业，通过和客户共同开发，把模型能力转化成业务方案。

对于垂直 Agent 的机会，火山引擎内部有自己判断标准：预期收入规模达不到 10 亿级的场景，不值得单独做 Agent 产品，封装成技能模块即可。

在谭待看来，随着基础模型能力持续提升，很多过去需要独立产品的场景，未来都会收敛成通用 Agent 上的一个技能，盲目做垂直产品反而会浪费资源。

03

务实的商业化：

Token 生意、安全壁垒与长期主义

过去几年，外界一直在讨论一个问题：卖 Token 是不是一门健康生意？

谭待直接给出了否定判断。在生产级场景下，每一笔 Token 消耗都对应着真实的业务提效或成本节约，是有明确价值回报的，本身就是健康的商业模式。

目前，AI 已经在多个行业证明这一点。代码提效是全球验证过的通用场景；SaaS 客户基于大模型升级产品，获得了更多增值收入；车企通过座舱 AI 提升车主满意度；零售客户把模型应用到门店管理，单店运营效率得到提升。这些正向循环，都在支撑 Token 模式的商业价值。

但商业化还有一个前提：信任。

以 Seedance 为例，Seedance 2.0 在春节前就已完成开发，但直到 4 月才正式开放 API，中间几个月全部用于搭建安全体系，既包括 IP 版权保护机制，也包括人脸素材的管控规则。

谭待谈到，安全不是业务的限制，反而是商业化的前提——只有把版权、合规问题解决好，IP 方才敢开放授权，企业才敢放心商用。

目前火山引擎已经推出 IP 商业授权方案，通过正式授权合同和收益分成机制，打通 IP 方、创作者、广告主的商业链路，和周星驰的 IP 合作就是这套模式的落地验证。

面向更长期的行业竞争，谭待的判断很克制：国内 AI 市场仍处在非常早期的阶段，大概相当于跑了 1 公里，只是刚刚跨过生产级门槛，未来还有十倍甚至百倍的增长空间，短期的市场份额输赢没有那么重要。

对于市场热议的自研芯片、全栈布局，他也保持务实态度：站在 AI 云厂商的视角，自研芯片并没有那么关键，客户最终买单的是模型能力和业务解决方案，而不是底层用了谁的芯片。比起补齐芯片拼图，把模型做好、把落地做透，对客户的价值更大。

出海同样遵循这套逻辑。目前 Seedance 的海外调用占比已接近一半，WPP 等跨国企业都是客户，火山引擎也在全球多地部署了 MaaS 接入节点。能够走向海外，核心靠的还是模型能力与性价比，而非本地化运营的差异化。

可以看到，火山引擎的 AI 打法始终围绕一个核心：让技术真正落地到生产环节创造价值。火山引擎把注意力放在了生产力标准、行业共创、组织适配这些更贴近产业真实需求的问题上，跨过质变点只是开始，真正的竞争，才刚刚来到深水区。

*头图来源：火山引擎

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你如何看待豆包大模型？