「字節大模型的發展路徑是，先to C打磨產品，等模型能力具備有利競爭後，再to B拓展市場。」9月25日，火山引擎總裁譚待在接受包含【每日經濟新聞】記者在內的媒體群訪時表示。
基於這一發展路徑，在早期版本今年5月套用於剪映團隊研發的AI創作平台「即夢」後，豆包影片生成模型在9月24日的2024火山引擎AI創新巡展上正式亮相，並面向企業市場開啟邀測。
自Sora開啟了「影片的ChatGPT時代」後，國內快手、智譜AI、MiniMax和阿裏等大模型玩家相繼推出了同類產品，如今字節跳動入局，能否改變影片大模型的現有競爭格局？
透過釋出會現場對兩款影片生成模型的效果演示，譚待認為，無論是語意理解能力、多個主體運動的復雜互動畫面，還是多鏡頭切換的內容一致性，豆包影片生成大模型均已達到業界領先水平。
與此同時，「音樂生成模型」和「同聲傳譯模型」一並在會上釋出，再擴字節AI版圖。
作為業內率先進行大模型降價的選手，火山引擎在商業化上加速明顯。譚待向【每日經濟新聞】記者表示，to B呼叫量增長迅速。「對to C業務沒那麽清楚，但感覺也很順利。我認為AI能實作端到端地解決問題，to B、to C業務邊界沒有那麽明顯。」
【每日經濟新聞】記者從釋出會了解到，截至今年9月，豆包大模型日均Tokens使用量已超1.3萬億，日均生成圖片5000萬張，日均處理語音85萬小時。
字節進軍AI影片，「一落地就開始考慮商業化」
8月31日，「AI六小龍」之一的MiniMax釋出了影片生成模型video-1；9月19日，可靈AI完成第9次叠代，釋出「可靈1.5模型」，同天的雲棲大會上，阿裏雲再推全新的影片生成模型——不到一個月的時間裏，本就硝煙四起的影片生成模型領域又迎來了新玩家。
在9月24日的火山引擎AI創新巡展上，豆包影片生成-PixelDance和豆包影片生成-Seaweed兩款大模型一並釋出。
【每日經濟新聞】記者註意到，這兩款大模型支持的影片內容生成最長時長暫未公布，即夢App顯示支持3秒、6秒、9秒和12秒的影片內容生成。與之相比的是，可靈在6月21日上線了影片續寫功能，可讓影片延續約5秒，最長可生成約3分鐘影片。
釋出會現場 圖片來源：每經記者 楊昕怡 攝
「不同場景對影片時長要求不同，我們更關註針對不同行業的解決方案。」譚待在接受【每日經濟新聞】記者采訪時表示，豆包影片生成大模型在行業中的優勢主要在於指令遵循能力、多鏡頭切換的一致性以及影片生成的泛化能力等方面。
釋出會現場，多條官方影片的演示體現了上述能力：例如，在一條一男一女騎馬馳騁的演示影片中，在長達10秒的畫面裏，兩人表情、動作各異，但都表現得自然流暢。
值得關註的是，豆包影片生成大模型支持生成黑白、3D動畫、2D動畫、國畫、厚塗等多種風格的內容。
「對於影片生成模型來說，（生產內容的）不同風格是很難做的。技術之外，主要看資料來源的豐富程度。」一位大模型技術人員向【每日經濟新聞】記者表示。譚待將其歸因於「全棧能力的優勢、技術突破以及抖音和剪映對影片的理解」。
秉持實用主義原則，譚待表示，新款豆包影片生成模型「從一落地就開始考慮商業化」，使用領域包括電商行銷、動畫教育、城市文旅和微劇本。
在商業化上同樣「著急」的還有可靈。在8月20日晚間的二季度業績電話會上，快手聯合創始人、董事長兼CEO程一笑將可靈的商業化視作當務之急，「力爭盡快實作可觀的商業化變現規模」。
談及定價策略，譚待透露，豆包影片生成模型的價格未定。「影片模型和語言模型套用場景不同，定價邏輯也不同，要透過新體驗、遷移成本等來衡量產品價值，（產品）最終能否廣泛套用也取決於它是否比以前的生產力ROI（投資回報率）提升了很多。」
「價格已不是創新門檻」，雲廠商來到AI時代新戰場？
除了全新的影片生成模型，本次活動還釋出了豆包音樂模型和同聲傳譯模型。截至目前，豆包全模態大模型家族已涵蓋大語言模型、視覺大模型和語音大模型三大品類，共釋出了13個大模型。
但光有模型是不夠的，不乏業內人士稱，目前大模型廠商落地套用是「拿著錘子找釘子」。那麽，如何發現釘子、如何更省力地用合適的錘子釘釘子，這些都可能成為雲廠商在AI時代的新挑戰。
首先是橫亙在大模型廠商和企業之間的成本問題。
在5月的釋出會上，譚待宣布，豆包主力模型的推理輸入價格僅為0.0008元/千Tokens，比行業便宜99.3%，打響了大模型領域的價格戰。
「成本是關鍵，價格降十分之一，量就可能漲十倍。」在譚待看來，模型呼叫量和套用覆蓋是當前關註重點，「我們主要關註套用覆蓋，而不是收入，我們認為新場景的解鎖更有價值，例如聊天、陪伴、生產力等方面的場景升級和企業套用場景的拓展。」
不過，他也堅持，面向B端市場的業務前提一定是要可持續，「不能像to C業務一樣考慮靠廣告盈利」，「to B產品要實作正毛利，我們有能力也有信心做到。」
在豆包大模型率先降價後，阿裏通義千問、百度文心一言等模型也都陸續降價。今年雲棲大會上，阿裏雲百煉平台上的三款通義千問主力模型再次降價，阿裏雲CTO周靖人甚至表示「相比未來龐大的套用，還太貴了。」
對於這一行業現狀，譚待表示，降價後，從呼叫量來看，成本已不再是創新的阻礙，「接下來要做的是在這個價格基礎上，提高模型的質素和效能，質素指的是讓模型能力更強、更多元。」
經過一輪「普降」後，大模型行業將不再一味只「卷」價格，現階段要比拼的是模型效能，這一點也在客戶端的需求上得到了佐證。
據譚待觀察，對於大模型的落地，to B市場的需求變化緩慢，核心需求是降本增效。「企業套用AI時，以前是自上而下規劃，失敗概率大，現在需要自下而上創新。」
【每日經濟新聞】記者註意到，在輔助企業進行數碼化轉型的過程中，火山引擎今年聯合各方成立了智能終端大模型聯盟、汽車大模型生態聯盟、零售大模型生態聯盟，且外部客戶已覆蓋手機、汽車、金融、消費、互娛等30多個行業。
如今，字節手中又多了幾把稱手的「錘子」，怎樣找到各行各業中與之匹配的更多「釘子」，就是接下來對火山引擎的考驗了。
每日經濟新聞
