作者 ｜ 王兆洋
郵箱 ｜ wangzhaoyang@pingwest.com

Token，Token，還是Token。

在12月18日的FORCE原動力大會上，火山引擎總裁譚待半小時的開場演講里提了18次“Token”，而“云”則只出現(xiàn)了7次。

火山也再次更新了備受矚目的豆包大模型最新日均Token調(diào)用量：

50萬億。

這一指標(biāo)從發(fā)布至今實現(xiàn)了417 倍增長，相比去年 12 月則是超 10 倍增長。作為對比，Google10月最新公布的月均Token直接換算為日均量的數(shù)據(jù)是43萬億。豆包大模型的調(diào)用量已經(jīng)是中國第一、全球第三。

而根據(jù)IDC的報告，火山引擎在中國的公有云大模型的服務(wù)調(diào)用量上也是穩(wěn)居第一，MaaS市場份額從2024年的46.4%進(jìn)一步提升到了今年的49.2%。

“也就是說，在中國公有云上每產(chǎn)生的兩個Tokens就有一個是火山引擎生產(chǎn)的?！弊T待在當(dāng)天面對臺下5000名觀眾說道。

在當(dāng)天的發(fā)布中，一如既往由火山來更新了字節(jié)最新模型的進(jìn)展。

豆包大模型1.8正式亮相，它在多項指標(biāo)上顯著提升，繼續(xù)走All-in-One的技術(shù)路線，文字、代碼、Agent、音頻，圖視頻等能力，全部在同一個基礎(chǔ)模型里演進(jìn)；而專門為視頻生成服務(wù)的Seedance 1.5 pro也同步推出，在音畫同步、中文及方言處理上做到了“世界領(lǐng)先水平”。

字節(jié)要傳達(dá)的信息明顯：豆包大模型創(chuàng)造著Token，且它的進(jìn)化方向也正對應(yīng)著今天Token消耗的結(jié)構(gòu)性變化——從“推理取代訓(xùn)練”推動Token消耗，到今天多模態(tài)+Agent成為Token的絕對大頭，這些需求都可以被火山提供的服務(wù)滿足。

這一切迅猛增長的背后，火山引擎正在建立起一套它自己的Token經(jīng)濟(jì)學(xué)。

1

更多的Token就是代表更多智能

Token，是大模型處理信息的基本單位。無論是文字、圖像還是視頻，在模型中都在被轉(zhuǎn)換為Token序列進(jìn)行計算。本質(zhì)上，Token就是人們對AI的調(diào)用量。

但這背后存在一個問題：由于Token的計算方式基于長度，所以一篇文章和一段關(guān)鍵的代碼可能消耗相似的Token數(shù)量。那么，純粹的以Token數(shù)量來衡量，能否真實反映AI創(chuàng)造的價值？

火山引擎的算法人員在和我們的交流中回憶，其實曾經(jīng)火山內(nèi)部也有過類似爭論，但最終的結(jié)論是：Token量一定是對的指標(biāo)。

“AI要在實際場景產(chǎn)生價值，大家肯定要把它用起來，不管單位價值有大有小，但實際上一定是跟Token用量正相關(guān)的?？赡苣阕罱K的那個關(guān)鍵決策對應(yīng)的只是‘是’或者‘否’，一個Token，但得出這個結(jié)論必然已經(jīng)用掉了大量Token?！?/p>

所以火山內(nèi)部最終明確，更多的Token就是代表更多智能。

而今天Token的增長，其內(nèi)在結(jié)構(gòu)也在悄然變化。火山引擎智能算法負(fù)責(zé)人吳迪提供了一個演化路徑：

“可能到了2027，2028年，一個普通的C端用戶從AI助手得到的很多的信號就是視覺的，你不會看到大段大段的文字了。那么，到時候LLM會以coding和agent的形式下沉到整個數(shù)字世界的底層運行邏輯里。”

換言之，Token會分層，LLM會向下成為底座，多模態(tài)的視覺、交互Token將在上層涌現(xiàn)。

這就會讓Token成為一個持續(xù)增長的指標(biāo)，也是一個有效指標(biāo)。吳迪預(yù)測，到2030年，國內(nèi)市場的Token消耗量將是現(xiàn)在的百倍以上。屆時，衡量企業(yè)智能化程度的核心指標(biāo)，將從其擁有的GPU數(shù)量轉(zhuǎn)變?yōu)橄牡腡oken總量，因為它是唯一能同時穿透“模型能力、使用頻率和真實需求”的統(tǒng)一指標(biāo)。

1

云設(shè)施必須以模型為中心重構(gòu)

更多Token意味更多智能，那么如何讓企業(yè)客戶更好生成它們需要的Token，就是火山作為從字節(jié)內(nèi)部走出的“AI云原生”基礎(chǔ)設(shè)施的任務(wù)。

過往云計算所習(xí)慣的一整套體系也因此出現(xiàn)“不適”，它更多是一個圍繞算力設(shè)計的體系，而火山認(rèn)為新的需求注定是圍繞模型的。

“傳統(tǒng) IaaS、PaaS、SaaS分層規(guī)劃的IT架構(gòu)不再有效，以模型為中心的AI云原生架構(gòu)正在形成?！弊T待說。

此次的一整套體系也由此誕生。

火山推出了“推理代工”，企業(yè)可將訓(xùn)練好的模型托管至火山，按實際Token消耗付費，無需自建推理集群；

Agent開發(fā)套件（ADK） 全面升級，支持動態(tài)運行時、多會話共享、強(qiáng)身份傳遞與內(nèi)置工具鏈；

智能端點（Endpoint） 支持模型路由，可根據(jù)效果、成本等策略自動分流至豆包、DeepSeek、Kimi等多模型后端；

方舟平臺進(jìn)一步升級，支持客戶在自有場景中做RL 強(qiáng)化學(xué)習(xí)等的微調(diào)。

而且這一系列產(chǎn)品里的很多細(xì)節(jié)，都體現(xiàn)出很多根本性差異。

例如，Agent開發(fā)套件（ADK） 的動態(tài)運行時設(shè)計，直接挑戰(zhàn)了行業(yè)慣例。AWS AgentCore為每個會話啟動一個獨立運行時，而火山采用多會話共享模式。

火山引擎云基礎(chǔ)產(chǎn)品負(fù)責(zé)人田濤濤直言，這是一個行業(yè)慣性的問題，AgentCore為每個session起一個Runtime，過去可以，但進(jìn)入模型時代就太奢侈了，而火山對成本敏感，字節(jié)自己內(nèi)部就一直有不同的更AI原生的需求，因此本就有不同的設(shè)計，現(xiàn)在可以推廣給更多模型用戶。

在火山看來，人們最終會“躍過”對算力的關(guān)注，最終直接沖著模型而來。

“你很難想象五年后新的創(chuàng)業(yè)者還會去云上租GPU、開數(shù)據(jù)庫。到時候在他們創(chuàng)業(yè)的第一天，他們會直接向云服務(wù)商‘要Token’，直接要的就是調(diào)用模型和配套工具?！?/b>吳迪說。

“我們已經(jīng)把像Response API、分布式的KV Cache、良好的P/D分離、一大堆高品質(zhì)的內(nèi)置Tools組裝好了，等著你把你的一個齒輪裝上來，這輛車就能跑?！?/p>

火山還配套改進(jìn)了模型服務(wù)的定價模式，推出了一個“AI節(jié)省計劃”，讓企業(yè)達(dá)到模型使用成本的全局最優(yōu)解。

“客戶只需要為用了的Token付錢?！?/p>

1

模型訓(xùn)練和市場需求一桿子打通

現(xiàn)在我們可以來看看字節(jié)和火山今天已經(jīng)有了什么：

• 最大規(guī)模的云計算需求：內(nèi)部支撐抖音等國民級產(chǎn)品帶來的規(guī)模效應(yīng)和成本優(yōu)勢。

• 最多用戶的大模型產(chǎn)品：豆包。而且在火山的視角，它也是一個最大的Agent產(chǎn)品。

• 第一的Token調(diào)用量：50萬億/天，且還在猛漲。

• 以及支持著豆包app和抖音這種巨量真實需求的多模態(tài)和推理大一統(tǒng)的豆包大模型。

這種全棧系統(tǒng)能力是今天最重要AI玩家必備的能力，橫向?qū)Ρ?，可以把目前的玩家分為三種路線：

1. OpenAI + 微軟路線：模型自己的，云設(shè)施是戰(zhàn)略伙伴的。

2. 阿里云路線：開源模型長在自己云上，然后近期在強(qiáng)推產(chǎn)品。

3. Google路線：全部自研，模型閉源，產(chǎn)品到研發(fā)直接全面打通。

這里面，字節(jié)的路線很像Google。

豆包就對應(yīng)著Gemini，一個大一統(tǒng)的多模態(tài)agent模型。Seedance 1.5緊跟Veo3，甚至超過了對方。這一切的技術(shù)基礎(chǔ)也和Google類似，都長在自己的以AI為核心的機(jī)器學(xué)習(xí)平臺和云服務(wù)上，然后這些“Gemini同款”和“豆包同款”細(xì)化成產(chǎn)品再提供給外界。

而尚未被太多關(guān)注到的另一個“相似”，則是對待模型技術(shù)的方式上。

Google在Gemini 3的“翻身仗”后分享了很多內(nèi)部復(fù)盤，其中最重要一個因素就是模型、研發(fā)、產(chǎn)品和需求的統(tǒng)一打通。而字節(jié)如何訓(xùn)練模型此前并未被外界了解，它與大多模型公司一個非常大的不同是，它把真實市場需求直接一桿子打通到了模型訓(xùn)練層面。

火山引擎作為模型對外統(tǒng)一的出口，也有自己的算法人員，他們和字節(jié)的模型部門Seed緊密合作，甚至是“混合辦公”和各種靈活的配合方式，而火山引擎團(tuán)隊所獲取到的市場需求情況，可以直接影響模型研發(fā)方向和決策。

火山的模型策略團(tuán)隊會把市場上的需求反饋收集和抽象出來，直接影響到模型的重要功能和研發(fā)方向。

這都直接體現(xiàn)在豆包大模型的身上：

豆包之所以是一個大一統(tǒng)的模型，除了技術(shù)路線的選擇，也是從客戶體驗出發(fā)：火山的客戶們認(rèn)為模型版本太多了，甚至字節(jié)內(nèi)部的“用戶”都搞不清楚各方面的區(qū)別，所以這個模型必須all in one來降低選擇成本。

字節(jié)認(rèn)為，今天訓(xùn)練模型最重要的是評估體系，而它絕對不應(yīng)該只是公開的benchmark，必須用真實業(yè)務(wù)價值來衡量模型能力。字節(jié)內(nèi)部已經(jīng)為B端建設(shè)了大量benchmark，模型開發(fā)成果必須真正符合實際的經(jīng)濟(jì)價值要求。

于是Seedance會在模型層面增加一個Draft樣片的能力，讓用戶不是抽卡，而是提前做預(yù)覽判斷；豆包模型在建設(shè)工具調(diào)用能力之外，直接在配套API中就配套做了許多built in的工具。128k上下文這種看起來能用來炫技但事實上實際需求并不高的能力，就會被去掉。

“在25年，有超過100萬家企業(yè)和個人使用了火山引擎的大模型服務(wù)，覆蓋了100多個行業(yè)，我們也對他們在火山方舟上的用量進(jìn)行了匿名統(tǒng)計，我們發(fā)現(xiàn)，有超過100家企業(yè)在火山引擎累計Tokens使用量超過了1萬億?！弊T待在發(fā)布會上說。

這可能是比市場份額增長更值得玩味的一組數(shù)據(jù)。 它最能體現(xiàn)字節(jié)這種用需求指引模型發(fā)展的方式所帶來的收益。

所以，如果我們來拆解一下，字節(jié)的Token經(jīng)濟(jì)學(xué)就是：

1. 越多的Token意味越高智能

Token是智能的度量衡，其增長與結(jié)構(gòu)變化指引技術(shù)演進(jìn)。

2. 服務(wù)AI的云必須以模型為中心重構(gòu)

傳統(tǒng)云廠商的慣性已經(jīng)太大，而火山服務(wù)的最大客戶就是字節(jié)自己，字節(jié)就是一個長在AI和模型上的公司，火山解決的一直是AI的需求，現(xiàn)在這些需求變成外界的廣泛需求，它的技術(shù)思路就可以用來重構(gòu)整個云行業(yè)的方案。

3. Agent的普及會讓Token從原材料變?yōu)楦呒壍闹悄軉卧M(jìn)而帶來更大價值

譚待曾經(jīng)形容，目前基于Token的商業(yè)模式還很原始，而今天他認(rèn)為，隨著Agent的進(jìn)步和在企業(yè)里的普及，Token最終會走出今天“原材料”的定位。

Agent 可將模型串聯(lián)，云平臺和中間件進(jìn)一步把Tokens組裝成Agents，并實現(xiàn)Agent和現(xiàn)有工作流、Agent和Agent之間的智能互通，以 API 或完整 Agent 的方式提供服務(wù)，從更高抽象層次創(chuàng)造價值。

“今天討論Token，是從底層操作系統(tǒng)角度看，是在 IT 預(yù)算環(huán)節(jié)考慮；而抽象成 Agent 后，可從 BPO （業(yè)務(wù)流程外包）角度看待，那么它就是在擴(kuò)大整個市場的規(guī)模了?！弊T待說。

“人們常說的10萬億Agent市場，核心就是這個邏輯?！?/p>

點個“愛心”，再走 吧