今天小編分享的互聯網經驗：DeepSeek兇猛，抖音暗渡陳倉，歡迎閲讀。
出品｜虎嗅黃青春頻道
作者｜商業消費主筆 黃青春
頭圖｜電影《華爾街之狼》
DeepSeek 猶如熱浪席卷而過，市場叙事不再局限于眼花缭亂的 " 新模型 " 以及枯燥的參數比拼，短期注意力開始轉移到 " 标配 DeepSeek" 的博弈上，其正從技術路線、落地場景層面對整個大模型競争格局產生深遠影響。
甚至，可以将 DeepSeek R1 視作針對互聯網企業的一次大考——因為所有平台幾乎同時拿到考題，在這個情況下，誰能适配產品給出最優解變成一場公開檢驗，不再像以往各家只是沉迷于自説自話、缺乏公允的參照标準。
要知道，連微信、百度在内的超級入口都搶着接入 DeepSeek ，但豆包仍在堅持自研深度思考模型，説明字節仍未被 DeepSeek" 征服 "：
一方面，字節内部認為，客户需求不會被一家模型公司全部滿足，豆包的技術路線和 DeepSeek 存在差異；其次，評價一個模型有幾十個不同維度，OpenAI、Claude、Google 也是某些方面強，某些方面弱一些。
另一方面，字節也留有 " 後手 "，抖音作為掀起短視頻浪潮的超級應用，逐漸解構了微信公眾号在圖文時代奠定的絕對優勢，其對網友注意力及時間的擠占越發明顯；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、實現產品跳轉互通（近日，抖音直接在短視頻界面放開豆包入口，與點贊、評論、轉發等功能并列），DeepSeek 之于移動市場的統治力便會被撕開一條口子。
事實上，DeepSeek 之前推出 V2 時，國外就比較關注，但國内卻直到 V3 才徹底引爆，大模型浪潮的公眾接受度迅速得以普及，應用場景也滲透到更下沉群體——需要指出的是，即便用户日常在網頁端和手機端會經常使用大模型支撐的功能，但 C 端感知呈現畢竟不夠直接，直到 DeepSeek 憑一己之力做出最好的開源模型，才徹底捅破夾在 B 端與 C 端這層 " 窗户紙 "。
在火山引擎智能算法負責人吳迪看來，AI 就像未來的水和電一樣，提供水、電的公司，并不會因為部門利潤高帶動變革，而是要整個行業通水、通電賺取服務利潤才能長久。
這個邏輯就像移動互聯網 3G、4G、5G 的普及一樣，變革需要建立在使用場景、心智滲透充分的基礎上——尤其，2023~2024 年大模型烈火烹油，每月都有新進展刺激着媒體的 " 腎上腺素 "。
字節跳動 CEO 梁汝波曾在去年 All Hands 全員會上表示，字節在應對這波大模型浪潮時顯得遲鈍——有趣的是，2024 年初開完這個會，字節便開始奮起直追，年末媒體的叙事就變成張一鳴見技術大牛、看論文，字節不動聲色從遲緩切換到一騎絕塵的姿态，而字節年内的大模型叙事也搖身一變成了 " 逆襲樣本 "。
對此，吳迪認為，這是一個未來 10 年、20 年的事業，眼下走得快一點或慢一點，放在一個很長的歷史周期來看沒有太大差别，只是 C 端用户及媒體非常在意、不斷進行審視和解讀。
" 做好自己的產品更重要，比如 B 端客户關注好產品性價比，C 端客户關注好產品體驗，即用户用哪個 APP 感覺更舒服、更有用、更務實就好了。" 吳迪説道。
當然，過去兩年大模型走到噴薄而出的黃金視窗期，各家習慣堆算力、堆資源，然後用產品進行心智卡位；然而今年春節後，騰訊元寶通過 " 鈔能力 " 在 APP Store 免費榜先超豆包、再超 DeepSeek，最終登頂（3 月 3 日晚，騰訊元寶超越 DeepSeek 與豆包登頂中國區 APP Store 免費榜），一切似乎又回到了移動互聯網卷投放、搶渠道入口的 " 暴力燒錢 " 路徑。
對此，吳迪認為，不管下載榜上是什麼位置，這些短期波動不能代表一款產品最真實的用户使用情況，長期決定一個產品日常體量的一定是用户體驗，以及能不能解決 C 端用户和 B 端客户的真實訴求，才是核心。
" 火山更看重的是‘成功的早期信号’，AI 如同一場馬拉松，早期不可能瞄着最終目标去做事，要找的一定是‘成功的早期信号’——基于此，團隊重心主要會放在產品優化上，跟客户互動、傾聽反饋，自然能搞清楚是不是在‘成功的早期道路上’。" 吳迪説道。
以下為虎嗅與火山引擎智能算法負責人吳迪溝通實錄（部分表述因方便閲讀需要有所删減和調整）：
字節仍不服 DeepSeek
Q：現在其他應用都在積極接入 DeepSeek，豆包為什麼仍然在堅持做自研模型？
吳迪：您覺得世界上需要一家模型公司就夠了嗎？首先，從服務企業客户的視角來看，豆包的技術路線和 DeepSeek 存在不小的差異；其次，評價一個模型像評價一個人，很難十全十美，評價一個模型有幾十個不同的維度，任何模型都不可能所有方面做到最好， OpenAI、Claude、Google 都是某些方面強，某些方面弱一些。
豆包在文案生成潤色、信息抽取等方面表現優秀，尤其 vision （視覺理解方面）能力在國内非常靠前。舉個例子，熟食店櫥窗需要攝像頭監測食品擺盤，任何盤子把底露出來就會自動通知補貨，這原本要專用模型、成本高，現在豆包不僅适配，還能在工具化和準确度方面大幅提升。
所以，從 B 端需求來看，火山的客户覆蓋廣泛，很多企業應用方向主要是數據分析、離線抽取、聊天對話、市場信息處理，這些維度豆包強于 DeepSeek RI 模型。
而且，DeepSeek RI 模型和豆包模型可以形成互補，DeepSeek 有推理優勢，豆包模型強的地方 DeepSeek RI 模型也有一些不足，所以很多客户會同時選擇多家大模型。
今天火山還發布了 DeepSeek 版的一體機，針對金融行業普遍的私有化部署需要，AI 一體機通過搭載輕量化統一底座 veStack，支持豆包大模型、DeepSeek、MaaS、HiAgent、大模型防火牆、輕量機器學習平台產品，提供大模型部署、管理、推理、微調、蒸餾、應用開發等產品能力。
Q： 各家标配接入 DeepSeek 會不會改變大模型廠商格局，甚至影響以後的路線？
吳迪：大模型產品格局每個月都在變，AGI 發展速度也非常快，它會因為各種各樣不同的原因推動格局變化。
Q：火山與 Flow 部門在業務邏輯、產品策略、商業化方面的差異？
吳迪：這個差異特别好理解，豆包大模型團隊和基礎工程技術就像一個大中台， Alex 帶領的 Flow 團隊（Flow 是與抖音、火山、飛書等平級的主要業務部門，由朱俊領導）專攻把平台的能力往 C 端導；火山是賦能 B 端，把能力提供給企業端、開發者端。
Q：字節 Flow 團隊剛成立不久，分工是最近拆分還是之前 C 端能力在另一個團隊？
吳迪：這個之前集團就有共識，不僅僅是大模型能力，公司各業務的基礎能力都是通過火山引擎走向企業，這是整個組織協同的默契和共識。
Q：去年 6 月份大模型價格戰，外界注意力是字節掀起了大模型價格戰，然後阿裏、騰訊、百度相繼跟進，其實是 DeepSeek 最先主導的降價，為什麼大家當時沒有注意到？
吳迪：傳播有時候像 " 薛定谔的貓 "，你大致可以判斷出來有一件事情可能會在某個時刻發生，但是當你最後去預測的時候，往往（卡點）不夠準确。
至于去年豆包全家桶掀起的行業降價，誰率先發起（降價）無關緊要，重要的是推動整個行業扎扎實實去把性價比做好。
Q：價格戰不是某一家主動為之，而是行業推動的結果，為何字節會遭受百度高管的 " 炮轟 "？
吳迪：過去 14 個月 OpenAl 價格降到 14 個月前的 4%，模型能力變強了 N 倍，怎麼沒人去炮轟它打價格戰？不同公司對這個事情的認知不太一樣。
在我看來，AI 就像未來的水和電一樣，提供水、電的公司，并不會因為部門利潤高而活得長久，而要整個行業都通水、通電賺取服務利潤才更長久。火山在 Deep Learning 方面有很長時間的積累，有非常健康的毛利。
還有個重要考慮，很多人都沒有意識到客户要試錯。比如一家電子商務公司，知道兩年後一定會大量使用大模型，但具體在什麼地方以什麼形态用無法确定，所以這時候就要試錯，我們的價格定在這個水位線上是考慮了客户的試錯成本，試錯 100 次只要成功一次，場景就能建立。
因為字節自己做 APP，有豐富的業務，從字節一系列孵化的 APP 場景，或者是產品功能上慢慢去調優出一個區間，所以可以站在客户的角度，感同身受。
有些雲廠商，脱離實際業務比較久，慢慢就把自己當成一個純粹的服務商，自然習慣 " 在商言商 "。
不 care 短期波動
Q：如何看待騰訊元寶在 APP Store 免費榜超過豆包？
吳迪：我個人觀點，不管短期豆包在下載榜上是什麼位置，長期決定一個產品日常體量的一定是用户體驗，一定是如何解決 C 端用户和 B 端客户的真實訴求。
相對市場投放行為，短期波動真談起來沒那麼重要，其實用户是非常聰明的，他們有很敏鋭的感知，他們能夠 sense 到，能感知到什麼樣的體驗是好的，什麼體驗是差的，我們今年的主要目标是追求智能的上限。
Q：阿裏計劃未來三年至少投入 3800 億元，字節有沒有這種規劃或者目标？
吳迪：第一，長期的雲基礎和算力規劃肯定有，我們一般是往三年、五年甚至更長時間去做，但不會對外先宣布數字；第二，我不太清楚，阿裏投入 3800 億具體怎麼落實、怎麼分配，比較模糊。
Q：移動浪潮起來的互聯網巨頭擅長利用資源培養用户心智和產品習慣，應用變現能力很強，但技術底層創新動力不足，字節也有這種路徑依賴嗎？
吳迪：DeepSeek 在技術架構方面有創新，MLA 是一個好的 attention 方面的改進和嘗試，但世界上有數十種不同的 attention 的變種和優化， 我相信未來還會有更多更有創新的想法出現，這是第一點。
第二點是什麼呢？火山更關注對整個企業服務市場的務實普惠，比如去年将每百萬個 Token 價格降到 8 毛，這肯定是讓整個行業受惠受益的一件事情，我們更關注和針對是在 B 端客户服務體驗和成本下沉。
Q： 現在很多廠商強調接入 DeepSeek 是滿血版，凸顯的是什麼？
吳迪：首先凸顯是答題準确率，比如 100 道數學題能做對多少，所謂滿血版就是 DeepSeek 官方版本作為參照，準确率在 95%-100% 之間，要看效果、要看智能水平，火山能做到 95%。
Q：标配 DeepSeek 對雲廠商格局短期影響如何？會大幅提升應用落地速度和服務效率嗎？
吳迪：我覺得有兩個影響，一是客户更容易看出來誰在 AI 的基礎能力上強一些，誰在 AI 的基礎能力上弱一些，因為這是開卷考；二是 DeepSeek 進一步激發了中國市場對算力和大模型的需求，去年我有很多的工作時間都在鼓勵客户多用、敢用，去積極擁抱 AGI，現在 DeepSeek 幫我把這個工作難度降低了，客户會更積極地去嘗試 AGI。
現在，很多客服對話系統都在使用大模型，只是它沒有以一個顯性的東西擺在你面前。不管是算法精度還是并發處理能力、響應速度、語言深度都是看大模型整個的智能的水平高低去決定的。
智能水平要不斷地變高，不斷地 scaling 上去，這是至關重要的；然後在智商不斷提高的前提下，系統越做越快、越做越便宜、越做越穩定，最終千行百業都能從中受益。
Q：如果将接入 DeepSeek 視作一次大考，在落地場景、商業化方面影響如何？
吳迪：今天上午團隊開會還聊起這個話題，其實接入 DeepSeek R1 主要看穩定性、響應速度等。
為什麼説 DeepSeek R1 是一次面向行業的大考？因為所有平台幾乎同時拿到考題，在這個情況下，誰能夠把這道試卷答得更好就變成一次公開檢測，不再像以往各家只能自説自話、缺乏公允的客觀評價。
比如在第三方評測中，完整回復率指所有 prompt 得到完整答復，沒有中斷、沒有失敗；準确率指拿 100 道數學題去問各個平台的 DeepSeek RI 模型，看答對多少題。結果很多号稱滿血版的 DeepSeek R1 測出的智力水平參差不齊，完全像兩個模型，這很可能是為追求穩定性，對 DeepSeek R1 的精度裁剪太狠了。
其次，是響應速度，長思考模型最關鍵的一點是吐字過程特别長，每個 Token 延遲非常重要，火山引擎在保證準确率前提下，吞吐速度是很多友商的兩三倍。
Q：這個指标應對的是奧數推理，像 DeepSeek 強的是邏輯能力，它側重的點不同會導致數據差異性？
吳迪：其實現階段看三方面能力，一是寫代碼，二是做數學題、物理題，三是長文本或長報告的深度總結和分析。
雖然（模型的）每道測試題肯定有偏重，但數學解題維度差異大，長文本深度分析差異會小嗎？這個很難。因為各平台部署都号稱滿血版，是官方 671B 模型，若模型一樣但得分差異大，只能説明在精度上損失嚴重。
火山等待 " 爆發 "
Q：去年字節 CEO 梁汝波在 All Hands 全員會上説團隊在這波大模型浪潮中比較遲鈍，是投入不足錯失了視窗期嗎？
吳迪：2023~2024 年大模型（烈火烹油），每月都有新變化，根本原因是公司目标高，越重要的業務肯定要得到來自 CEO 更高的要求。
當然，如果我們在 thinking 方面投入能夠更早、更快的話，也可以拿出更好的成績單。
Q：有趣的是，後面媒體的叙事裏又變成張一鳴見技術大牛、看論文，字節在這波大模型戰又被塑造成 " 逆襲樣本 "？
吳迪：一方面，豆包模型在過去一年中肯定是得到了大家越來越廣泛的認可，包括豆包 APP 的用户體驗；另一方面，萬裏長征才走出了第一步，這是一個未來 10 年、20 年的深耕方向，眼下走得快一點或慢一點，放在一個很長的歷史視窗來看沒有太大差别。
團隊更關注自己的產品體驗、產品性能、精準度、并發處理能力、響應速度等等，這些才是大模型更重要的點，它們會影響 B 端客户，最終體現在大模型產品極致的性價比。
Q：之前各家都在堆算力、堆資源、堆人力，認為大模型是通過資源累積、搶時間視窗、產品心智卡位，但是 DeepSeek 似乎證明不是這樣一套路徑？
吳迪：DeepSeek 獲得大量關注，一言以蔽之就是：非常精幹的團隊做出了世界上最好的開源模型，這是根本。
Q：火山整個 API 接入情況如何？目前需求旺盛的行業主要是哪些？
吳迪：以整個火山方舟平台對公有雲客户提供的 Token 市場占比來講，應該在國内最高。2024 年 12 月對外發布過一組數據，豆包全家桶（包含自用）當時 Token 每天消耗量是 4 萬億。
目前，大模型應用比較積極的行業，一是聊天陪伴類產品，二是大量離線數據分析需求，三是和 education 有關、教育相關，四是電商客服這類場景相關。
Q：現在整個團隊規模情況？接下來火山有沒有什麼新模型或者新業務節點？
吳迪：火山這邊 AML 要去 learning 企業服務，團隊還是比較精幹的，大概研發工程師 100 出頭，包含 RD， QA、 SRE， 然後算法工程師大概五六十人，同時負責方舟上的大模型服務， 以及火山機器學習平台。
當然，新模型肯定會持續不斷地出，然後也會在一些城市巡展會，或者是每年春季和冬季 force 大會上向大家再批量地公布一些模型方面的進展。下一次對外做產品發布可能要到 5、6 月份，這中間會有一些中小型活動或者是有些新的發布。
Q：這個人員規模相比外界感知到火山能力過于精簡？
吳迪：我們在争取和吸引最優秀人才方面肯定毫不手軟，而且非常有競争力，我一直認為一個團隊也好，或者一個公司也好，不管它規模有多大，一年能夠真正實實在在做好的大事情，也就是三五件事。
所以，團隊絕對不會為了争取市場快速擴張，然後在非常早的時候把團隊搞得特别臃腫，（那是）非常愚蠢的事情。一個精簡的團隊，大家配合得非常默契、信息非常透明，像創業團隊一樣把代碼寫好、把產品做好，這樣的團隊才能走得更長久。
Q：這是在梁汝波倡導 " 要保持創業精神，逃逸平庸的重力 " 之後，還是此前團隊秉承的理念？
吳迪：我們團隊（一以貫之），這對 leader 的判斷力要求特别高， leader 必須搞清楚什麼事情是重要的，要大力做三年、五年，什麼事情是不重要的那就堅決不投入。舉個例子，火山引擎的機器學習平台網頁很簡潔，從來不搞花哨的 Feature。
譚待（火山引擎總裁）更看重的是 " 成功的早期信号 "，AI 如同一場馬拉松，早期不可能瞄着最終目标去做事，要找的一定是 " 成功的早期信号 " ——基于此，團隊重心主要會放在產品優化上，跟客户頻繁互動、虛心傾聽反饋，自然能搞清楚是不是在 " 成功的早期道路上 "。
# 虎嗅商業消費主筆黃青春、黃青春頻道出品人，關注文娛社交、遊戲影音等多個領網域，行業人士交流加微信：724051399，新聞線索亦可郵件至 [email protected]
