今天小编分享的互联网经验：DeepSeek凶猛，抖音暗渡陈仓，欢迎阅读。
出品｜虎嗅黄青春频道
作者｜商业消费主笔 黄青春
头图｜电影《华尔街之狼》
DeepSeek 犹如热浪席卷而过，市场叙事不再局限于眼花缭乱的 " 新模型 " 以及枯燥的参数比拼，短期注意力开始转移到 " 标配 DeepSeek" 的博弈上，其正从技术路线、落地场景层面对整个大模型竞争格局产生深远影响。
甚至，可以将 DeepSeek R1 视作针对互联网企业的一次大考——因为所有平台几乎同时拿到考题，在这个情况下，谁能适配产品给出最优解变成一场公开检验，不再像以往各家只是沉迷于自说自话、缺乏公允的参照标准。
要知道，连微信、百度在内的超级入口都抢着接入 DeepSeek ，但豆包仍在坚持自研深度思考模型，说明字节仍未被 DeepSeek" 征服 "：
一方面，字节内部认为，客户需求不会被一家模型公司全部满足，豆包的技术路线和 DeepSeek 存在差异；其次，评价一个模型有几十个不同维度，OpenAI、Claude、Google 也是某些方面强，某些方面弱一些。
另一方面，字节也留有 " 后手 "，抖音作为掀起短视频浪潮的超级应用，逐渐解构了微信公众号在图文时代奠定的绝对优势，其对网友注意力及时间的挤占越发明显；但用户仍需跳出抖音使用豆包，若抖音全面接入豆包的 AI 能力、实现产品跳转互通（近日，抖音直接在短视频界面放开豆包入口，与点赞、评论、转发等功能并列），DeepSeek 之于移动市场的统治力便会被撕开一条口子。
事实上，DeepSeek 之前推出 V2 时，国外就比较关注，但国内却直到 V3 才彻底引爆，大模型浪潮的公众接受度迅速得以普及，应用场景也渗透到更下沉群体——需要指出的是，即便用户日常在网页端和手机端会经常使用大模型支撑的功能，但 C 端感知呈现毕竟不够直接，直到 DeepSeek 凭一己之力做出最好的开源模型，才彻底捅破夹在 B 端与 C 端这层 " 窗户纸 "。
在火山引擎智能算法负责人吴迪看来，AI 就像未来的水和电一样，提供水、电的公司，并不会因为部門利润高带动变革，而是要整个行业通水、通电赚取服务利润才能长久。
这个逻辑就像移动互联网 3G、4G、5G 的普及一样，变革需要建立在使用场景、心智渗透充分的基础上——尤其，2023~2024 年大模型烈火烹油，每月都有新进展刺激着媒体的 " 肾上腺素 "。
字节跳动 CEO 梁汝波曾在去年 All Hands 全员会上表示，字节在应对这波大模型浪潮时显得迟钝——有趣的是，2024 年初开完这个会，字节便开始奋起直追，年末媒体的叙事就变成张一鸣见技术大牛、看论文，字节不动声色从迟缓切换到一骑绝尘的姿态，而字节年内的大模型叙事也摇身一变成了 " 逆袭样本 "。
对此，吴迪认为，这是一个未来 10 年、20 年的事业，眼下走得快一点或慢一点，放在一个很长的历史周期来看没有太大差别，只是 C 端用户及媒体非常在意、不断进行审视和解读。
" 做好自己的产品更重要，比如 B 端客户关注好产品性价比，C 端客户关注好产品体验，即用户用哪个 APP 感觉更舒服、更有用、更务实就好了。" 吴迪说道。
当然，过去两年大模型走到喷薄而出的黄金視窗期，各家习惯堆算力、堆资源，然后用产品进行心智卡位；然而今年春节后，腾讯元宝通过 " 钞能力 " 在 APP Store 免费榜先超豆包、再超 DeepSeek，最终登顶（3 月 3 日晚，腾讯元宝超越 DeepSeek 与豆包登顶中国区 APP Store 免费榜），一切似乎又回到了移动互联网卷投放、抢渠道入口的 " 暴力烧钱 " 路径。
对此，吴迪认为，不管下载榜上是什么位置，这些短期波动不能代表一款产品最真实的用户使用情况，长期决定一个产品日常体量的一定是用户体验，以及能不能解决 C 端用户和 B 端客户的真实诉求，才是核心。
" 火山更看重的是‘成功的早期信号’，AI 如同一场马拉松，早期不可能瞄着最终目标去做事，要找的一定是‘成功的早期信号’——基于此，团队重心主要会放在产品优化上，跟客户互動、倾听反馈，自然能搞清楚是不是在‘成功的早期道路上’。" 吴迪说道。
以下为虎嗅与火山引擎智能算法负责人吴迪沟通实录（部分表述因方便阅读需要有所删减和调整）：
字节仍不服 DeepSeek
Q：现在其他应用都在积极接入 DeepSeek，豆包为什么仍然在坚持做自研模型？
吴迪：您觉得世界上需要一家模型公司就够了吗？首先，从服务企业客户的视角来看，豆包的技术路线和 DeepSeek 存在不小的差异；其次，评价一个模型像评价一个人，很难十全十美，评价一个模型有几十个不同的维度，任何模型都不可能所有方面做到最好， OpenAI、Claude、Google 都是某些方面强，某些方面弱一些。
豆包在文案生成润色、信息抽取等方面表现优秀，尤其 vision （视觉理解方面）能力在国内非常靠前。举个例子，熟食店橱窗需要摄像头监测食品摆盘，任何盘子把底露出来就会自动通知补货，这原本要专用模型、成本高，现在豆包不仅适配，还能在工具化和准确度方面大幅提升。
所以，从 B 端需求来看，火山的客户覆盖广泛，很多企业应用方向主要是数据分析、离线抽取、聊天对话、市场信息处理，这些维度豆包强于 DeepSeek RI 模型。
而且，DeepSeek RI 模型和豆包模型可以形成互补，DeepSeek 有推理优势，豆包模型强的地方 DeepSeek RI 模型也有一些不足，所以很多客户会同时选择多家大模型。
今天火山还发布了 DeepSeek 版的一体机，针对金融行业普遍的私有化部署需要，AI 一体机通过搭载轻量化统一底座 veStack，支持豆包大模型、DeepSeek、MaaS、HiAgent、大模型防火墙、轻量机器学习平台产品，提供大模型部署、管理、推理、微调、蒸馏、应用开发等产品能力。
Q： 各家标配接入 DeepSeek 会不会改变大模型厂商格局，甚至影响以后的路线？
吴迪：大模型产品格局每个月都在变，AGI 发展速度也非常快，它会因为各种各样不同的原因推动格局变化。
Q：火山与 Flow 部门在业务逻辑、产品策略、商业化方面的差异？
吴迪：这个差异特别好理解，豆包大模型团队和基础工程技术就像一个大中台， Alex 带领的 Flow 团队（Flow 是与抖音、火山、飞书等平级的主要业务部门，由朱俊领导）专攻把平台的能力往 C 端导；火山是赋能 B 端，把能力提供给企业端、开发者端。
Q：字节 Flow 团队刚成立不久，分工是最近拆分还是之前 C 端能力在另一个团队？
吴迪：这个之前集团就有共识，不仅仅是大模型能力，公司各业务的基础能力都是通过火山引擎走向企业，这是整个组织协同的默契和共识。
Q：去年 6 月份大模型价格战，外界注意力是字节掀起了大模型价格战，然后阿里、腾讯、百度相继跟进，其实是 DeepSeek 最先主导的降价，为什么大家当时没有注意到？
吴迪：传播有时候像 " 薛定谔的猫 "，你大致可以判断出来有一件事情可能会在某个时刻发生，但是当你最后去预测的时候，往往（卡点）不够准确。
至于去年豆包全家桶掀起的行业降价，谁率先发起（降价）无关紧要，重要的是推动整个行业扎扎实实去把性价比做好。
Q：价格战不是某一家主动为之，而是行业推动的结果，为何字节会遭受百度高管的 " 炮轰 "？
吴迪：过去 14 个月 OpenAl 价格降到 14 个月前的 4%，模型能力变强了 N 倍，怎么没人去炮轰它打价格战？不同公司对这个事情的认知不太一样。
在我看来，AI 就像未来的水和电一样，提供水、电的公司，并不会因为部門利润高而活得长久，而要整个行业都通水、通电赚取服务利润才更长久。火山在 Deep Learning 方面有很长时间的积累，有非常健康的毛利。
还有个重要考虑，很多人都没有意识到客户要试错。比如一家电子商务公司，知道两年后一定会大量使用大模型，但具体在什么地方以什么形态用无法确定，所以这时候就要试错，我们的价格定在这个水位线上是考虑了客户的试错成本，试错 100 次只要成功一次，场景就能建立。
因为字节自己做 APP，有丰富的业务，从字节一系列孵化的 APP 场景，或者是产品功能上慢慢去调优出一个区间，所以可以站在客户的角度，感同身受。
有些云厂商，脱离实际业务比较久，慢慢就把自己当成一个纯粹的服务商，自然习惯 " 在商言商 "。
不 care 短期波动
Q：如何看待腾讯元宝在 APP Store 免费榜超过豆包？
吴迪：我个人观点，不管短期豆包在下载榜上是什么位置，长期决定一个产品日常体量的一定是用户体验，一定是如何解决 C 端用户和 B 端客户的真实诉求。
相对市场投放行为，短期波动真谈起来没那么重要，其实用户是非常聪明的，他们有很敏锐的感知，他们能够 sense 到，能感知到什么样的体验是好的，什么体验是差的，我们今年的主要目标是追求智能的上限。
Q：阿里计划未来三年至少投入 3800 亿元，字节有没有这种规划或者目标？
吴迪：第一，长期的云基础和算力规划肯定有，我们一般是往三年、五年甚至更长时间去做，但不会对外先宣布数字；第二，我不太清楚，阿里投入 3800 亿具体怎么落实、怎么分配，比较模糊。
Q：移动浪潮起来的互联网巨头擅长利用资源培养用户心智和产品习惯，应用变现能力很强，但技术底层创新动力不足，字节也有这种路径依赖吗？
吴迪：DeepSeek 在技术架构方面有创新，MLA 是一个好的 attention 方面的改进和尝试，但世界上有数十种不同的 attention 的变种和优化， 我相信未来还会有更多更有创新的想法出现，这是第一点。
第二点是什么呢？火山更关注对整个企业服务市场的务实普惠，比如去年将每百万个 Token 价格降到 8 毛，这肯定是让整个行业受惠受益的一件事情，我们更关注和针对是在 B 端客户服务体验和成本下沉。
Q： 现在很多厂商强调接入 DeepSeek 是满血版，凸显的是什么？
吴迪：首先凸显是答题准确率，比如 100 道数学题能做对多少，所谓满血版就是 DeepSeek 官方版本作为参照，准确率在 95%-100% 之间，要看效果、要看智能水平，火山能做到 95%。
Q：标配 DeepSeek 对云厂商格局短期影响如何？会大幅提升应用落地速度和服务效率吗？
吴迪：我觉得有两个影响，一是客户更容易看出来谁在 AI 的基础能力上强一些，谁在 AI 的基础能力上弱一些，因为这是开卷考；二是 DeepSeek 进一步激发了中国市场对算力和大模型的需求，去年我有很多的工作时间都在鼓励客户多用、敢用，去积极拥抱 AGI，现在 DeepSeek 帮我把这个工作难度降低了，客户会更积极地去尝试 AGI。
现在，很多客服对话系统都在使用大模型，只是它没有以一个显性的东西摆在你面前。不管是算法精度还是并发处理能力、响应速度、语言深度都是看大模型整个的智能的水平高低去决定的。
智能水平要不断地变高，不断地 scaling 上去，这是至关重要的；然后在智商不断提高的前提下，系统越做越快、越做越便宜、越做越稳定，最终千行百业都能从中受益。
Q：如果将接入 DeepSeek 视作一次大考，在落地场景、商业化方面影响如何？
吴迪：今天上午团队开会还聊起这个话题，其实接入 DeepSeek R1 主要看稳定性、响应速度等。
为什么说 DeepSeek R1 是一次面向行业的大考？因为所有平台几乎同时拿到考题，在这个情况下，谁能够把这道试卷答得更好就变成一次公开检测，不再像以往各家只能自说自话、缺乏公允的客观评价。
比如在第三方评测中，完整回复率指所有 prompt 得到完整答复，没有中断、没有失败；准确率指拿 100 道数学题去问各个平台的 DeepSeek RI 模型，看答对多少题。结果很多号称满血版的 DeepSeek R1 测出的智力水平参差不齐，完全像两个模型，这很可能是为追求稳定性，对 DeepSeek R1 的精度裁剪太狠了。
其次，是响应速度，长思考模型最关键的一点是吐字过程特别长，每个 Token 延迟非常重要，火山引擎在保证准确率前提下，吞吐速度是很多友商的两三倍。
Q：这个指标应对的是奥数推理，像 DeepSeek 强的是逻辑能力，它侧重的点不同会导致数据差异性？
吴迪：其实现阶段看三方面能力，一是写代码，二是做数学题、物理题，三是长文本或长报告的深度总结和分析。
虽然（模型的）每道测试题肯定有偏重，但数学解题维度差异大，长文本深度分析差异会小吗？这个很难。因为各平台部署都号称满血版，是官方 671B 模型，若模型一样但得分差异大，只能说明在精度上损失严重。
火山等待 " 爆发 "
Q：去年字节 CEO 梁汝波在 All Hands 全员会上说团队在这波大模型浪潮中比较迟钝，是投入不足错失了視窗期吗？
吴迪：2023~2024 年大模型（烈火烹油），每月都有新变化，根本原因是公司目标高，越重要的业务肯定要得到来自 CEO 更高的要求。
当然，如果我们在 thinking 方面投入能够更早、更快的话，也可以拿出更好的成绩单。
Q：有趣的是，后面媒体的叙事里又变成张一鸣见技术大牛、看论文，字节在这波大模型战又被塑造成 " 逆袭样本 "？
吴迪：一方面，豆包模型在过去一年中肯定是得到了大家越来越广泛的认可，包括豆包 APP 的用户体验；另一方面，万里长征才走出了第一步，这是一个未来 10 年、20 年的深耕方向，眼下走得快一点或慢一点，放在一个很长的历史視窗来看没有太大差别。
团队更关注自己的产品体验、产品性能、精准度、并发处理能力、响应速度等等，这些才是大模型更重要的点，它们会影响 B 端客户，最终体现在大模型产品极致的性价比。
Q：之前各家都在堆算力、堆资源、堆人力，认为大模型是通过资源累积、抢时间視窗、产品心智卡位，但是 DeepSeek 似乎证明不是这样一套路径？
吴迪：DeepSeek 获得大量关注，一言以蔽之就是：非常精干的团队做出了世界上最好的开源模型，这是根本。
Q：火山整个 API 接入情况如何？目前需求旺盛的行业主要是哪些？
吴迪：以整个火山方舟平台对公有云客户提供的 Token 市场占比来讲，应该在国内最高。2024 年 12 月对外发布过一组数据，豆包全家桶（包含自用）当时 Token 每天消耗量是 4 万亿。
目前，大模型应用比较积极的行业，一是聊天陪伴类产品，二是大量离线数据分析需求，三是和 education 有关、教育相关，四是电商客服这类场景相关。
Q：现在整个团队规模情况？接下来火山有没有什么新模型或者新业务节点？
吴迪：火山这边 AML 要去 learning 企业服务，团队还是比较精干的，大概研发工程师 100 出头，包含 RD， QA、 SRE， 然后算法工程师大概五六十人，同时负责方舟上的大模型服务， 以及火山机器学习平台。
当然，新模型肯定会持续不断地出，然后也会在一些城市巡展会，或者是每年春季和冬季 force 大会上向大家再批量地公布一些模型方面的进展。下一次对外做产品发布可能要到 5、6 月份，这中间会有一些中小型活动或者是有些新的发布。
Q：这个人员规模相比外界感知到火山能力过于精简？
吴迪：我们在争取和吸引最优秀人才方面肯定毫不手软，而且非常有竞争力，我一直认为一个团队也好，或者一个公司也好，不管它规模有多大，一年能够真正实实在在做好的大事情，也就是三五件事。
所以，团队绝对不会为了争取市场快速扩张，然后在非常早的时候把团队搞得特别臃肿，（那是）非常愚蠢的事情。一个精简的团队，大家配合得非常默契、信息非常透明，像创业团队一样把代码写好、把产品做好，这样的团队才能走得更长久。
Q：这是在梁汝波倡导 " 要保持创业精神，逃逸平庸的重力 " 之后，还是此前团队秉承的理念？
吴迪：我们团队（一以贯之），这对 leader 的判断力要求特别高， leader 必须搞清楚什么事情是重要的，要大力做三年、五年，什么事情是不重要的那就坚决不投入。举个例子，火山引擎的机器学习平台网页很简洁，从来不搞花哨的 Feature。
谭待（火山引擎总裁）更看重的是 " 成功的早期信号 "，AI 如同一场马拉松，早期不可能瞄着最终目标去做事，要找的一定是 " 成功的早期信号 " ——基于此，团队重心主要会放在产品优化上，跟客户频繁互動、虚心倾听反馈，自然能搞清楚是不是在 " 成功的早期道路上 "。
# 虎嗅商业消费主笔黄青春、黄青春频道出品人，关注文娱社交、游戏影音等多个领網域，行业人士交流加微信：724051399，新闻线索亦可邮件至 [email protected]
