豆包，大模型的磁力三重奏

详情内容

如今，很多媒体与AI从业者都在追问一个问题：大模型，究竟堵在哪了？经历了2023年的百模大战，AI产业迎来了从“是否有大模型”到“如何用大模型”的转换期。各个大模型平台纷纷走向了公开应用阶段，面向C端与B端提供能力繁多的大模型应用。然而问题也随之而来。在大模型平台百花齐放的同时，我们也能发现平台之间的同质化急速加剧。C端用户很难分清不同大模型应用之间的差异化，企业用户面临着复杂的大模型应用成本，进而导致真正能够实现规模化调用的大模型寥寥无几。

在技术相对成熟之后，大模型与用户之间，似乎还是缺少了一点磁力。我们经常讨论，没有任何底层技术可以不经过产品化探索，不进行商业逻辑设计就获得用户认可。技术、产品、商业，三者之间一定是互为犄角的态势，缺一不可。而在百模大战的进程中，行业往往会更重视模型本身的技术发展，忽视产品化与商业设计的重要性。这种缺失与真空，也就是大模型缺乏用户磁力的来源。好在随着时间推移，类似难题正在得到正视和解决。

不久之前，在火山引擎2024“AI创新巡展”成都站期间，火山引擎宣布豆包大模型日均Tokens使用量已突破5000亿，平均每家企业用户日均Tokens使用量较5月15日模型发布时期增长了22倍。豆包大模型的高增长，或许正是给大模型的用户磁力难题，写下了一张答卷。被广泛讨论的大模型的商业难，落地难，究竟来源于何处？从软件技术走向应用的时间逻辑上看。基础软件技术迭代之后，往往需要较长的产品化周期，进而其中优秀的产品最终走向商业化。但大模型风潮与以往不同，其技术特征中本身就有极强的应用色彩。

这导致AIGC类平台与应用的爆发，基本没有经历任何的产品化周期，而是直接从算法革新走向了商用落地。这种特殊的发展方式，让大模型短期内走到了“两多一快”的境地：市场上的大模型应用多，单一大模型应用提供的AIGC能力多，从技术走向商用的时间快。于是，用户还没来得及了解，眼前就被摆满了花样繁多的大模型应用；企业用户还没有准备好大模型的应用场景与商业逻辑，就被智能化热潮裹挟其中。大模型带来的全新应用可能性，原本应该与用户形成极强的磁力，但大模型的同质化，与用户的没有准备好之间，反而形成了一种“消磁”效应。

具体来看，我们可以将其拆解为三个问题： 1.C端消磁。产品体验感的缺失，以及技术的雷同化，让用户难以体会到大模型的魅力所在，进而在尝鲜期过后，快速出现了对大模型应用的搁置。2.B端消磁。过高的尝试成本，让企业在还没有准备好实用大模型的时候，就需要付出较大的模型部署成本，从而导致大量企业倾向对大模型进行观望。3.行业消磁。快速成型的大模型体系，更多提供的是通用性较强的能力。然而众多行业需要的是专业化、定制化的AI功能，不能充分了解行业需求，导致大模型能力浮于行业表面，无法深入其中。

2023年8月，字节旗下的首款类GPT应用豆包正式发布，很快攻陷各大应用市场。目前豆包底层的大模型已经应用于字节内部各大业务，覆盖了协同办公、数据分析、文案创作、辅助编程、内容审核等场景。当这个大模型最终以“豆包大模型”的名称正式发布走向市场，所需面对的最大挑战就是如何建立AI与用户之间的磁力，打通大模型的商业化落地空间。此后的近一年时间里，我们能看到豆包带来了关于大模型磁力的三重奏。经历了快速的技术迭代与产品梳理，如今“豆包”的定义更加明确和统一。