豆包进击，字节版Sora“虽迟但到” 火山引擎总裁谭待：一落地就开始考虑商业化

“字节大模型的发展路径是，先to C打磨产品，等模型能力具备竞争优势后，再to B拓展市场。”9月25日，火山引擎总裁谭待在接受包含《每日经济新闻》记者在内的媒体群访时表示。

基于这一发展路径，在早期版本今年5月应用于剪映团队研发的AI创作平台“即梦”后，豆包视频生成模型在9月24日的2024火山引擎AI创新巡展上正式亮相，并面向企业市场开启邀测。

自Sora开启了“视频的ChatGPT时代”后，国内快手、智谱AI、MiniMax和阿里等大模型玩家相继推出了同类产品，如今字节跳动入局，能否改变视频大模型的现有竞争格局？

通过发布会现场对两款视频生成模型的效果演示，谭待认为，无论是语义理解能力、多个主体运动的复杂交互画面，还是多镜头切换的内容一致性，豆包视频生成大模型均已达到业界领先水平。

与此同时，“音乐生成模型”和“同声传译模型”一并在会上发布，再扩字节AI版图。

作为业内率先进行大模型降价的选手，火山引擎在商业化上加速明显。谭待向《每日经济新闻》记者表示，to B调用量增长迅速。“对to C业务没那么清楚，但感觉也很顺利。我认为AI能实现端到端地解决问题，to B、to C业务边界没有那么明显。”

《每日经济新闻》记者从发布会了解到，截至今年9月，豆包大模型日均Tokens使用量已超1.3万亿，日均生成图片5000万张，日均处理语音85万小时。

字节进军AI视频，“一落地就开始考虑商业化”

8月31日，“AI六小龙”之一的MiniMax发布了视频生成模型video-1；9月19日，可灵AI完成第9次迭代，发布“可灵1.5模型”，同天的云栖大会上，阿里云再推全新的视频生成模型——不到一个月的时间里，本就硝烟四起的视频生成模型领域又迎来了新玩家。

在9月24日的火山引擎AI创新巡展上，豆包视频生成-PixelDance和豆包视频生成-Seaweed两款大模型一并发布。

《每日经济新闻》记者注意到，这两款大模型支持的视频内容生成最长时长暂未公布，即梦App显示支持3秒、6秒、9秒和12秒的视频内容生成。与之相比的是，可灵在6月21日上线了视频续写功能，可让视频延续约5秒，最长可生成约3分钟视频。

发布会现场 图片来源：每经记者 杨昕怡 摄

“不同场景对视频时长要求不同，我们更关注针对不同行业的解决方案。”谭待在接受《每日经济新闻》记者采访时表示，豆包视频生成大模型在行业中的优势主要在于指令遵循能力、多镜头切换的一致性以及视频生成的泛化能力等方面。

发布会现场，多条官方视频的演示体现了上述能力：例如，在一条一男一女骑马驰骋的演示视频中，在长达10秒的画面里，两人表情、动作各异，但都表现得自然流畅。

值得关注的是，豆包视频生成大模型支持生成黑白、3D动画、2D动画、国画、厚涂等多种风格的内容。

“对于视频生成模型来说，（生产内容的）不同风格是很难做的。技术之外，主要看数据源的丰富程度。”一位大模型技术人员向《每日经济新闻》记者表示。谭待将其归因于“全栈能力的优势、技术突破以及抖音和剪映对视频的理解”。

秉持实用主义原则，谭待表示，新款豆包视频生成模型“从一落地就开始考虑商业化”，使用领域包括电商营销、动画教育、城市文旅和微剧本。

在商业化上同样“着急”的还有可灵。在8月20日晚间的二季度业绩电话会上，快手联合创始人、董事长兼CEO程一笑将可灵的商业化视作当务之急，“力争尽快实现可观的商业化变现规模”。

谈及定价策略，谭待透露，豆包视频生成模型的价格未定。“视频模型和语言模型应用场景不同，定价逻辑也不同，要通过新体验、迁移成本等来衡量产品价值，（产品）最终能否广泛应用也取决于它是否比以前的生产力ROI（投资回报率）提升了很多。”

“价格已不是创新门槛”，云厂商来到AI时代新战场？

除了全新的视频生成模型，本次活动还发布了豆包音乐模型和同声传译模型。截至目前，豆包全模态大模型家族已涵盖大语言模型、视觉大模型和语音大模型三大品类，共发布了13个大模型。

但光有模型是不够的，不乏业内人士称，目前大模型厂商落地应用是“拿着锤子找钉子”。那么，如何发现钉子、如何更省力地用合适的锤子钉钉子，这些都可能成为云厂商在AI时代的新挑战。

首先是横亘在大模型厂商和企业之间的成本问题。

在5月的发布会上，谭待宣布，豆包主力模型的推理输入价格仅为0.0008元/千Tokens，比行业便宜99.3%，打响了大模型领域的价格战。

“成本是关键，价格降十分之一，量就可能涨十倍。”在谭待看来，模型调用量和应用覆盖是当前关注重点，“我们主要关注应用覆盖，而不是收入，我们认为新场景的解锁更有价值，例如聊天、陪伴、生产力等方面的场景升级和企业应用场景的拓展。”

不过，他也坚持，面向B端市场的业务前提一定是要可持续，“不能像to C业务一样考虑靠广告盈利”，“to B产品要实现正毛利，我们有能力也有信心做到。”

在豆包大模型率先降价后，阿里通义千问、百度文心一言等模型也都陆续降价。今年云栖大会上，阿里云百炼平台上的三款通义千问主力模型再次降价，阿里云CTO周靖人甚至表示“相比未来庞大的应用，还太贵了。”

对于这一行业现状，谭待表示，降价后，从调用量来看，成本已不再是创新的阻碍，“接下来要做的是在这个价格基础上，提高模型的质量和性能，质量指的是让模型能力更强、更多元。”

经过一轮“普降”后，大模型行业将不再一味只“卷”价格，现阶段要比拼的是模型性能，这一点也在客户端的需求上得到了佐证。

据谭待观察，对于大模型的落地，to B市场的需求变化缓慢，核心需求是降本增效。“企业应用AI时，以前是自上而下规划，失败概率大，现在需要自下而上创新。”

《每日经济新闻》记者注意到，在辅助企业进行数字化转型的过程中，火山引擎今年联合各方成立了智能终端大模型联盟、汽车大模型生态联盟、零售大模型生态联盟，且外部客户已覆盖手机、汽车、金融、消费、互娱等30多个行业。

如今，字节手中又多了几把称手的“锤子”，怎样找到各行各业中与之匹配的更多“钉子”，就是接下来对火山引擎的考验了。