图片系AI生成

不知有意还是无意，今年，火山引擎 Force Link AI 创新巡展的首站选在了杭州。这里既有新锐大模型独角兽DeepSeek，也有老牌云计算巨头阿里云，除了秀一秀肌肉之外，火山引擎还有更重要的讯息传递。

火山引擎总裁谭待表示，“如果说2024年是中国AI应用的元年，那么2025年，则极有可能是AI Agent应用的元年。”这不仅是火山引擎的洞察，也是全行业的共识，上一次大模型行业如此统一，可能还要追溯到“百模大战”。

技术和商业层面的共识有好有坏，好处是产业方向不再分散，所有资源投入到一个大方向，促进新技术的繁荣和新商业模式的构建；坏处是竞争快速从蓝海到红海，留给参与者的时间窗口越发紧张。

火山引擎是习惯于生长在产业共识之上的，最近IDC发布的《中国公有云大模型服务市场格局分析，1Q25》报告显示，2024年中国公有云大模型调用量，火山引擎以 46.4% 的市场份额位居中国市场第一。

该数据不计入海外用户模型调用量及产生在C端应用上的模型调用量，纯粹代表了火山引擎在B端客户的受欢迎程度，也可以理解为火山引擎在上一次产业共识中取得的成绩。

在当下Agent元年共识的大背景下，4月17日，火山引擎面向企业市场发布豆包1.5·深度思考模型，同步升级文生图模型 3.0、视觉理解模型，并推出 OS Agent 解决方案及AI云原生推理套件，帮助企业更快、更省地构建和部署Agent应用。

有意思的是，同一天OpenAI也发布了OpenAI 系列里能力最强的推理模型，o3 模型和 o4-mini 模型，o3 是第一代能够在思维链中使用图像进行推理的模型，还能自主调用工具，还表示未来将推出一系列编程工具。

大模型都在朝着适合Agent化的方向演进，新的共识竞争更深刻说明了一个道理，未来AI的竞争既在大模型，也在与之紧密相关的云平台。大模型厂商又踏入了同一条河流，火山引擎想继续争在上游。

“AI能够解决更复杂，更完整的问题，不再仅仅是对信息的感知、处理和生成，而是能端到端的处理任务，才能称之为一个合格的Agent。”谭待表示，要做好Agent，技术上需要做好三个准备。

首要核心是更强的模型，需要有能力做好思考、计划和反思，而且一定要支持多模态。因为真实世界的任务需要耳朵、嘴巴和眼睛来共同完成。

其次是要有更好的架构和工具，支持大模型操作数字和物理世界，构建好OS agent。

最后是通过AI云原生，不断降低模型推理的成本和延迟，让应用普及。

豆包深度思考模型，更适合Agent的大模型

模型本身是重中之重，此前大模型行业掀起的价格战，没能推动大模型广泛落地，本质上还是因为模型的能力有限。

深度思考模型向前走了一步，通过强化逻辑推理和思维链能力，能够更好地满足复杂场景需求，也证明了模型性能仍有潜力可挖，如推理速度、多模态能力、逻辑深度等。

当所有厂商都在“卷”深度思考模型时，深度思考模型的核心竞争力就是“效价比”，使用成本、技术门槛的降低以及性能的提高，在专业场景的可靠性和实用性等，为企业客户提供更多商业闭环的可能，这也是本次豆包大模型的更新方向。

本次豆包1.5·深度思考模型突出体现在效果好、低延迟和多模态，包括两个版本，一个版本是大语言模型Doubao-1.5-thinking-pro，一个是多模态版本Doubao-1.5-thinking-pro|m。前者推理能力更强，后者支持视觉推理，开发者可以按需使用。

豆包1.5·深度思考大语言模型采用了MoE架构，总参数为200B，激活参数仅20B，能够以较小参数实现媲美顶尖模型的效果。同时基于高效算法，豆包1.5·深度思考大语言模型能在提供行业极高并发承载能力的同时，实现20毫秒的极低延迟，在很多延迟敏感的场景，也能使用深度思考模型。

根据现场公布的数据来看，豆包1.5·深度思考模型在专业领域的推理任务中表现出色，数学推理AIME 2024 测试得分追平OpenAI o3-mini-high，编程竞赛和科学推理测试成绩也接近o1。在创意写作、人文知识问答等通用任务上，模型也展示出优秀的泛化能力。

为了提升模型的通用能力，豆包1.5·深度思考大语言模型优化了数据处理策略，把可验证数据与创意性数据进行了融合处理，满足各类任务的需求。此外，大规模强化学习是训练推理模型的关键技术，通过采用创新的双轨奖励机制，兼顾“对错分明”和“见仁见智”的任务，豆包1.5·深度思考大语言模型有效实现了算法的可靠优化。

推理和多模态，是目前公认的大模型两大方向，豆包1.5·深度思考模型多模态版本也具备了视觉推理能力，能像人类一样对看到的事物进行联想和思考，极大拓展了智能推理的应用边界。

谭待举例说明，“模型可以看懂复杂的企业项目管理流程图表，快速定位到关键信息，并以强大的指令遵循能力，严格按照流程图，回答客户的问题；分析航拍图时，能结合地貌特征判断区域开发可行性。有多模态能力的加持，豆包1.5·深度思考模型可以助力企业在更多场景实现智能化升级。”

此外，豆包·文生图模型升级为3.0版本正式向企业开放，已在即梦AI、豆包产品上线，支持2K分辨率直出，生图结构准确性、小字生成与排版、美感、真实度等方面具有优势，在近期登上了权威竞技场Artificial Analysis文生图榜单第一梯队。

Agent元年，意味着用户对模型的要求更高，在深度思考能力、多模态、推理成本、延迟存在短板的模型，将承受来自客户端的较大压力，这也是大模型落地过程中的确定趋势。

DeepSeek之后，为什么模型厂商呈“两极分化”

行业内一个广泛关注的现象是，DeepSeek之后，有的模型厂商已经转向垂类场景或应用领域，云厂商反而以更快的速度迭代。

这是因为，DeepSeek成功不只是模型算法的更新，更是AI infra的全链路优化，而目前做AI infra做得好的，以云厂商为最。

国内国外云巨头成为基础模型的主要参与者，AI独角兽也大多有云厂的直接投资，其中的显性逻辑是，大模型一定会高度消耗用云量。

谭待也提到，传统的云是伴随着互联网发展起来的，当时的云原生很多是互联网应用（如 web、APP）在实践中涉及的中间件、数据库、容器等方面。现在范式发生了变化，以前是人通过编写软件规则、中间件等来实现对业务的抽象，现在则是利用数据加上模型自动去解决更多的问题。

这种情况下，上层业务对云的要求越来越多，也催生出新的产品，火山引擎把这类产品叫做 AI 云原生。原来的云原生是为了适应互联网发展，现在的 AI 云原生是为了满足 AI 和 Agent发展的需求。

大模型要实现更好的效果，就要做底层大量创新算法和架构优化，基于新模型再做底层基础设施的优化，更好的模型呼唤更佳的底层基础设施，更具性价比的底层基础设施推动模型的广泛普及，这也是AI与云的飞轮效应。

起初很多人低估了云在AI的作用，从百模大战到六小龙，再到DeepSeek掀起的热潮，大模型发展至今，本质上是一个技术和资源的棋局，与其说DeepSeek对所有云厂商是一个带动算力消耗的利好，不如说是一个警醒，让所有人认识到，只有更好的AI infra，才能创造出效果更佳的大模型。

一个未经验证，却被广泛认可的事实是，开发者此前在火山引擎上调用豆包大模型，延迟低、成本低、效果也不错，大家不确定豆包大模型本身好还是火山引擎的云服务好，现在有了DeepSeek开源模型做对比，当所有云厂商接入DeepSeek，火山引擎也是其中更稳定、更快的厂商，验证了火山引擎的云服务能力。

回到模型本身，豆包大模型的迭代与火山引擎紧密相关，从数据、强化学习到AI Infra进行了更深入的探索，让模型在较小参数下，获得出色推理能力。AI和云是一体两面。

以云计算基本的三大件为例， AI 时代更多的计算变成以 GPU 为核心，旧有架构难以充分发挥 GPU 高算力、高带宽优势，同时 GPU 训练和推理场景，也对高速互联、在线存储和隐私安全提出了更高的要求。

AI 云原生，将以模型为中心重新定义云计算的技术架构与业务流程，通过云原生技术栈与AI能力的深度融合，模型的开发、部署、迭代等能力和效果，将成为基础设施比拼的核心维度。

为此，火山引擎一直在以AI云原生为理念推陈出新，譬如本次大会新发布的AI云原生推理套件ServingKit，整合了 AI 容器编排、AI 网关、推理全链路观测和 AI 加速套件的能力，支持在大规模 GPU 集群上运行推理工作负载，表现出更强的推理性能、更优的推理成本、更广泛的生态增强。

有意思的是，火山引擎可能比所有云厂商更早看清AI云原生趋势，字节跳动主营业务大量的搜索、广告、推荐，就是基于人工智能技术来实现的，火山引擎对技术预判的感知有天然优势。在大模型之前，外界多少有些看不清字节跳动为何要卷入云计算行业，结果火山引擎“等”到了大模型，新技术发展的脉络自有“巧合”。

火山引擎此前就表示，下一个十年，计算范式应该进入 AI 云原生的新时代。这在如今已经成为一个显学，而当通算时代的云生态被拆解，智算时代的云生态应当如何？

大模型，如何重塑云生态

如果说上一代通用算力体系培育了现在的应用生态，那么以云计算为代表的智算体系，理应孕育出AI应用生态。所有云厂商都在朝着这个方向演进，只是速度有快有慢，能力有好有坏。

云计算的能力决定大模型的天花板，大模型的能力上限决定应用的天花板，大模型的交付成本决定应用创新的加速度。

云厂商应该起到承上启下的作用，如前所述，对下，更强的大模型需要更强的AI infra能力，更强的AI infra能力进一步推进大模型的普及，火山引擎打造了以 AI 负载为中心的基础架构新范式。

对上，比大模型技术本身更重要的是，如何让大模型落地，这就离不开一个完整的应用生态，云厂商是为开发者提供大模型应用平台的最佳角色。

谭待也表示，云厂商需要有更好的模型、更低的成本，多模态也是更好模型的一种体现。但这还不够，从 AI 应用从聊天、信息处理到 Agent 的发展过程中，需要更多的解决方案，需要 Agent 操作电脑、手机，这就需要电脑和手机的相关组件，以及能够操作界面的模型。

此外，还包括强化学习框架、安全保障以及底层数据处理等方面。未来，火山引擎将围绕 AI 云原生，在存储、计算、数据、安全以及新的中间件等方面推出一系列的产品。

在本次大会上，火山引擎推出了OS Agent解决方案，并演示了由Agent操作浏览器，搜索商品页，实现iPhone比价的任务，甚至由Agent在远程计算机上用剪映进行视频编辑、配乐。

具体来看，OS Agent解决方案包含豆包1.5·UI-TARS 模型，以及veFaaS函数服务、云服务器、云手机等产品，可实现对代码、浏览器、电脑、手机以及其他Agent的操作。

其中，豆包1.5·UI-TARS 模型将屏幕视觉理解、逻辑推理、界面元素定位和操作整合在一起，突破传统自动化工具依赖预设规则的局限性，为Agent的智能交互提供了更接近人类操作的模型基础。

好的模型和工具能够加速Agent的落地，但Agent也会带来更大量的模型推理消耗。面对大规模推理需求，火山引擎打造的AI云原生·ServingKit推理套件，让模型部署更快、推理成本更低，GPU 消耗相比传统方案大幅下降。

在实际业务场景中，基于AI云原生·ServingKit推理套件，通过算子优化，DeepSeek R1满血版 TPS 提升超2.4倍；智能路由提供负载感知路由和 KVCache 感知路由，使 TTFT 降低60%；EIC 在多轮次对话中，TTFT 从3s 降低到1s，长文本推理 KVCache 命中率提升了10倍以上。

去年12月，豆包大模型的日均tokens调用量是4万亿。而截至今年3月底，这个数字已经超过了 12.7 万亿，自发布以来不到一年的时间里，实现了超过106倍的高速增长。金山办公、梅赛德斯-奔驰、浙江大学、杭州银行等不同行业的众多客户，都在火山引擎上使用豆包大模型，打造自己的AI业务生态。

AI时代云竞争的终局，是能够在底层大模型到上层应用生态的极致优化，这种价值才是难以复现的护城河。沉淀数年的火山引擎，终于在大模型时代露出了峥嵘，不是在通算时代内卷，而是在智算时代，用AI价值反向补全自己的能力版图。

当大模型厂商又踏入了同一条河流，关键的胜负手就不是一两次技术灵感的偶然，而是围绕全栈AI深度能力的多维竞争，火山引擎没有理由不争在上游。（本文首发于钛媒体APP）