圖片系AI生成

不知有意還是無意，今年，火山引擎 Force Link AI 創新巡展的首站選在了杭州。這里既有新銳大模型獨角獸DeepSeek，也有老牌云計算巨頭阿里云，除了秀一秀肌肉之外，火山引擎還有更重要的訊息傳遞。

火山引擎總裁譚待表示，“如果說2024年是中國AI應用的元年，那么2025年，則極有可能是AI Agent應用的元年。”這不僅是火山引擎的洞察，也是全行業的共識，上一次大模型行業如此統一，可能還要追溯到“百模大戰”。

技術和商業層面的共識有好有壞，好處是產業方向不再分散，所有資源投入到一個大方向，促進新技術的繁榮和新商業模式的構建；壞處是競爭快速從藍海到紅海，留給參與者的時間窗口越發緊張。

火山引擎是習慣于生長在產業共識之上的，最近IDC發布的《中國公有云大模型服務市場格局分析，1Q25》報告顯示，2024年中國公有云大模型調用量，火山引擎以 46.4% 的市場份額位居中國市場第一。

該數據不計入海外用戶模型調用量及產生在C端應用上的模型調用量，純粹代表了火山引擎在B端客戶的受歡迎程度，也可以理解為火山引擎在上一次產業共識中取得的成績。

在當下Agent元年共識的大背景下，4月17日，火山引擎面向企業市場發布豆包1.5·深度思考模型，同步升級文生圖模型 3.0、視覺理解模型，并推出 OS Agent 解決方案及AI云原生推理套件，幫助企業更快、更省地構建和部署Agent應用。

有意思的是，同一天OpenAI也發布了OpenAI 系列里能力最強的推理模型，o3 模型和 o4-mini 模型，o3 是第一代能夠在思維鏈中使用圖像進行推理的模型，還能自主調用工具，還表示未來將推出一系列編程工具。

大模型都在朝著適合Agent化的方向演進，新的共識競爭更深刻說明了一個道理，未來AI的競爭既在大模型，也在與之緊密相關的云平臺。大模型廠商又踏入了同一條河流，火山引擎想繼續爭在上游。

“AI能夠解決更復雜，更完整的問題，不再僅僅是對信息的感知、處理和生成，而是能端到端的處理任務，才能稱之為一個合格的Agent。”譚待表示，要做好Agent，技術上需要做好三個準備。

首要核心是更強的模型，需要有能力做好思考、計劃和反思，而且一定要支持多模態。因為真實世界的任務需要耳朵、嘴巴和眼睛來共同完成。

其次是要有更好的架構和工具，支持大模型操作數字和物理世界，構建好OS agent。

最后是通過AI云原生，不斷降低模型推理的成本和延遲，讓應用普及。

豆包深度思考模型，更適合Agent的大模型

模型本身是重中之重，此前大模型行業掀起的價格戰，沒能推動大模型廣泛落地，本質上還是因為模型的能力有限。

深度思考模型向前走了一步，通過強化邏輯推理和思維鏈能力，能夠更好地滿足復雜場景需求，也證明了模型性能仍有潛力可挖，如推理速度、多模態能力、邏輯深度等。

當所有廠商都在“卷”深度思考模型時，深度思考模型的核心競爭力就是“效價比”，使用成本、技術門檻的降低以及性能的提高，在專業場景的可靠性和實用性等，為企業客戶提供更多商業閉環的可能，這也是本次豆包大模型的更新方向。

本次豆包1.5·深度思考模型突出體現在效果好、低延遲和多模態，包括兩個版本，一個版本是大語言模型Doubao-1.5-thinking-pro，一個是多模態版本Doubao-1.5-thinking-pro|m。前者推理能力更強，后者支持視覺推理，開發者可以按需使用。

豆包1.5·深度思考大語言模型采用了MoE架構，總參數為200B，激活參數僅20B，能夠以較小參數實現媲美頂尖模型的效果。同時基于高效算法，豆包1.5·深度思考大語言模型能在提供行業極高并發承載能力的同時，實現20毫秒的極低延遲，在很多延遲敏感的場景，也能使用深度思考模型。

根據現場公布的數據來看，豆包1.5·深度思考模型在專業領域的推理任務中表現出色，數學推理AIME 2024 測試得分追平OpenAI o3-mini-high，編程競賽和科學推理測試成績也接近o1。在創意寫作、人文知識問答等通用任務上，模型也展示出優秀的泛化能力。

為了提升模型的通用能力，豆包1.5·深度思考大語言模型優化了數據處理策略，把可驗證數據與創意性數據進行了融合處理，滿足各類任務的需求。此外，大規模強化學習是訓練推理模型的關鍵技術，通過采用創新的雙軌獎勵機制，兼顧“對錯分明”和“見仁見智”的任務，豆包1.5·深度思考大語言模型有效實現了算法的可靠優化。

推理和多模態，是目前公認的大模型兩大方向，豆包1.5·深度思考模型多模態版本也具備了視覺推理能力，能像人類一樣對看到的事物進行聯想和思考，極大拓展了智能推理的應用邊界。

譚待舉例說明，“模型可以看懂復雜的企業項目管理流程圖表，快速定位到關鍵信息，并以強大的指令遵循能力，嚴格按照流程圖，回答客戶的問題；分析航拍圖時，能結合地貌特征判斷區域開發可行性。有多模態能力的加持，豆包1.5·深度思考模型可以助力企業在更多場景實現智能化升級。”

此外，豆包·文生圖模型升級為3.0版本正式向企業開放，已在即夢AI、豆包產品上線，支持2K分辨率直出，生圖結構準確性、小字生成與排版、美感、真實度等方面具有優勢，在近期登上了權威競技場Artificial Analysis文生圖榜單第一梯隊。

Agent元年，意味著用戶對模型的要求更高，在深度思考能力、多模態、推理成本、延遲存在短板的模型，將承受來自客戶端的較大壓力，這也是大模型落地過程中的確定趨勢。

DeepSeek之后，為什么模型廠商呈兩極分化

行業內一個廣泛關注的現象是，DeepSeek之后，有的模型廠商已經轉向垂類場景或應用領域，云廠商反而以更快的速度迭代。

這是因為，DeepSeek成功不只是模型算法的更新，更是AI infra的全鏈路優化，而目前做AI infra做得好的，以云廠商為最。

國內國外云巨頭成為基礎模型的主要參與者，AI獨角獸也大多有云廠的直接投資，其中的顯性邏輯是，大模型一定會高度消耗用云量。

譚待也提到，傳統的云是伴隨著互聯網發展起來的，當時的云原生很多是互聯網應用（如 web、APP）在實踐中涉及的中間件、數據庫、容器等方面。現在范式發生了變化，以前是人通過編寫軟件規則、中間件等來實現對業務的抽象，現在則是利用數據加上模型自動去解決更多的問題。

這種情況下，上層業務對云的要求越來越多，也催生出新的產品，火山引擎把這類產品叫做 AI 云原生。原來的云原生是為了適應互聯網發展，現在的 AI 云原生是為了滿足 AI 和 Agent發展的需求。

大模型要實現更好的效果，就要做底層大量創新算法和架構優化，基于新模型再做底層基礎設施的優化，更好的模型呼喚更佳的底層基礎設施，更具性價比的底層基礎設施推動模型的廣泛普及，這也是AI與云的飛輪效應。

起初很多人低估了云在AI的作用，從百模大戰到六小龍，再到DeepSeek掀起的熱潮，大模型發展至今，本質上是一個技術和資源的棋局，與其說DeepSeek對所有云廠商是一個帶動算力消耗的利好，不如說是一個警醒，讓所有人認識到，只有更好的AI infra，才能創造出效果更佳的大模型。

一個未經驗證，卻被廣泛認可的事實是，開發者此前在火山引擎上調用豆包大模型，延遲低、成本低、效果也不錯，大家不確定豆包大模型本身好還是火山引擎的云服務好，現在有了DeepSeek開源模型做對比，當所有云廠商接入DeepSeek，火山引擎也是其中更穩定、更快的廠商，驗證了火山引擎的云服務能力。

回到模型本身，豆包大模型的迭代與火山引擎緊密相關，從數據、強化學習到AI Infra進行了更深入的探索，讓模型在較小參數下，獲得出色推理能力。AI和云是一體兩面。

以云計算基本的三大件為例， AI 時代更多的計算變成以 GPU 為核心，舊有架構難以充分發揮 GPU 高算力、高帶寬優勢，同時 GPU 訓練和推理場景，也對高速互聯、在線存儲和隱私安全提出了更高的要求。

AI 云原生，將以模型為中心重新定義云計算的技術架構與業務流程，通過云原生技術棧與AI能力的深度融合，模型的開發、部署、迭代等能力和效果，將成為基礎設施比拼的核心維度。

為此，火山引擎一直在以AI云原生為理念推陳出新，譬如本次大會新發布的AI云原生推理套件ServingKit，整合了 AI 容器編排、AI 網關、推理全鏈路觀測和 AI 加速套件的能力，支持在大規模 GPU 集群上運行推理工作負載，表現出更強的推理性能、更優的推理成本、更廣泛的生態增強。

有意思的是，火山引擎可能比所有云廠商更早看清AI云原生趨勢，字節跳動主營業務大量的搜索、廣告、推薦，就是基于人工智能技術來實現的，火山引擎對技術預判的感知有天然優勢。在大模型之前，外界多少有些看不清字節跳動為何要卷入云計算行業，結果火山引擎“等”到了大模型，新技術發展的脈絡自有“巧合”。

火山引擎此前就表示，下一個十年，計算范式應該進入 AI 云原生的新時代。這在如今已經成為一個顯學，而當通算時代的云生態被拆解，智算時代的云生態應當如何？

大模型，如何重塑云生態

如果說上一代通用算力體系培育了現在的應用生態，那么以云計算為代表的智算體系，理應孕育出AI應用生態。所有云廠商都在朝著這個方向演進，只是速度有快有慢，能力有好有壞。

云計算的能力決定大模型的天花板，大模型的能力上限決定應用的天花板，大模型的交付成本決定應用創新的加速度。

云廠商應該起到承上啟下的作用，如前所述，對下，更強的大模型需要更強的AI infra能力，更強的AI infra能力進一步推進大模型的普及，火山引擎打造了以 AI 負載為中心的基礎架構新范式。

對上，比大模型技術本身更重要的是，如何讓大模型落地，這就離不開一個完整的應用生態，云廠商是為開發者提供大模型應用平臺的最佳角色。

譚待也表示，云廠商需要有更好的模型、更低的成本，多模態也是更好模型的一種體現。但這還不夠，從 AI 應用從聊天、信息處理到 Agent 的發展過程中，需要更多的解決方案，需要 Agent 操作電腦、手機，這就需要電腦和手機的相關組件，以及能夠操作界面的模型。

此外，還包括強化學習框架、安全保障以及底層數據處理等方面。未來，火山引擎將圍繞 AI 云原生，在存儲、計算、數據、安全以及新的中間件等方面推出一系列的產品。

在本次大會上，火山引擎推出了OS Agent解決方案，并演示了由Agent操作瀏覽器，搜索商品頁，實現iPhone比價的任務，甚至由Agent在遠程計算機上用剪映進行視頻編輯、配樂。

具體來看，OS Agent解決方案包含豆包1.5·UI-TARS 模型，以及veFaaS函數服務、云服務器、云手機等產品，可實現對代碼、瀏覽器、電腦、手機以及其他Agent的操作。

其中，豆包1.5·UI-TARS 模型將屏幕視覺理解、邏輯推理、界面元素定位和操作整合在一起，突破傳統自動化工具依賴預設規則的局限性，為Agent的智能交互提供了更接近人類操作的模型基礎。

好的模型和工具能夠加速Agent的落地，但Agent也會帶來更大量的模型推理消耗。面對大規模推理需求，火山引擎打造的AI云原生·ServingKit推理套件，讓模型部署更快、推理成本更低，GPU 消耗相比傳統方案大幅下降。

在實際業務場景中，基于AI云原生·ServingKit推理套件，通過算子優化，DeepSeek R1滿血版 TPS 提升超2.4倍；智能路由提供負載感知路由和 KVCache 感知路由，使 TTFT 降低60%；EIC 在多輪次對話中，TTFT 從3s 降低到1s，長文本推理 KVCache 命中率提升了10倍以上。

去年12月，豆包大模型的日均tokens調用量是4萬億。而截至今年3月底，這個數字已經超過了 12.7 萬億，自發布以來不到一年的時間里，實現了超過106倍的高速增長。金山辦公、梅賽德斯-奔馳、浙江大學、杭州銀行等不同行業的眾多客戶，都在火山引擎上使用豆包大模型，打造自己的AI業務生態。

AI時代云競爭的終局，是能夠在底層大模型到上層應用生態的極致優化，這種價值才是難以復現的護城河。沉淀數年的火山引擎，終于在大模型時代露出了崢嶸，不是在通算時代內卷，而是在智算時代，用AI價值反向補全自己的能力版圖。

當大模型廠商又踏入了同一條河流，關鍵的勝負手就不是一兩次技術靈感的偶然，而是圍繞全棧AI深度能力的多維競爭，火山引擎沒有理由不爭在上游。（本文首發于鈦媒體APP）