字節(jié)跳動(dòng)在春節(jié)點(diǎn)亮自己的 ChatGPT 時(shí)刻

真正的 AI 攻勢(shì)，是堅(jiān)決把自己變成一家科技企業(yè)。

文丨陳然

2026 年 2 月初，中國(guó)的兩大互聯(lián)網(wǎng)公司騰訊與阿里巴巴率先打響了新一年的 AI 大戰(zhàn)——騰訊的元寶端出 10 億元現(xiàn)金激勵(lì)，并上線新的 AI 社交功能 “元寶派”；阿里的千問(wèn)拿出 30 億元的福利，鼓勵(lì)用戶在 App 里點(diǎn)外賣(mài)。

盡管字節(jié)跳動(dòng)在這之前已經(jīng)靠火山引擎奪得了這一年央視春晚的總冠名，但在紅包與補(bǔ)貼的喧囂中，它并未成為輿論主角。直到農(nóng)歷春節(jié)前一周，視頻生成模型 Seedance 2.0 問(wèn)世，在創(chuàng)作者圈與行業(yè)討論中迅速發(fā)酵，把它重新推回了討論中心。2 月 14 日，字節(jié)跳動(dòng)陸續(xù)上線了豆包大模型 2.0 與圖像創(chuàng)作模型 Seedream 5.0 Lite。

除夕當(dāng)晚，字節(jié)跳動(dòng)又帶著火山引擎、豆包 App，以及 Seed 系列大模型來(lái)到了春晚舞臺(tái)上。從舞美視效、機(jī)器人說(shuō)話到播出保障，AI 第一次如此全面地滲透進(jìn)了春晚這場(chǎng)全民狂歡之中。

就連互動(dòng)玩法也被重新設(shè)計(jì)：觀眾需要調(diào)用豆包里的大模型生成圖片或文字才能獲得紅包福利。紅包里不只有現(xiàn)金，還有 3D 打印機(jī)、汽車(chē)、無(wú)人機(jī)、機(jī)器人等科技產(chǎn)品。

這是字節(jié)的春節(jié)戰(zhàn)役。

一位字節(jié)跳動(dòng)人士告訴我們，相比許多公司把春節(jié)當(dāng)作單純的增長(zhǎng)機(jī)遇，他們更希望在這個(gè)節(jié)點(diǎn)，創(chuàng)造關(guān)于 AI 和科技的集體記憶；也試圖告訴外界，做 AI 不是只做一、兩款應(yīng)用，而是要服務(wù)各個(gè)產(chǎn)業(yè)。據(jù)了解，春晚上送出去的科技產(chǎn)品都是豆包大模型的客戶。

官方數(shù)據(jù)顯示，除夕當(dāng)天豆包的 AI 總互動(dòng) 19 億。除夕前，備受?chē)?guó)內(nèi)外關(guān)注的視頻生成模型 Seedance 2.0 和最新的豆包大模型 2.0Pro 也接連第一時(shí)間接入豆包（『專(zhuān)家』模式），讓先進(jìn)的模型能力第一時(shí)間落到產(chǎn)品觸達(dá)用戶。

無(wú)論是與新春等生活場(chǎng)景的貼合，還是模型能力上限的提升，可以說(shuō)，豆包都已具備國(guó)民級(jí) AI 產(chǎn)品的特征。

在過(guò)去幾年的科技行業(yè)，最有說(shuō)服力的增長(zhǎng)故事從來(lái)不是借補(bǔ)貼堆出來(lái)的。2022 年 11 月，ChatGPT 掀起全球 AI 熱潮后，靠著模型迭代成為了一個(gè)周活躍用戶數(shù)達(dá) 8 億的超級(jí)產(chǎn)品；兩年多后走紅的 DeepSeek 在沒(méi)有任何廣告投放、沒(méi)有多模態(tài)能力的情況下，穩(wěn)定維持著超過(guò) 3000 萬(wàn)的日活躍用戶數(shù)。

字節(jié)跳動(dòng) CEO 梁汝波在年初的員工大會(huì)上將公司 2026 年的關(guān)鍵詞設(shè)定為了 “勇攀高峰”。他提到，AI 時(shí)代存在很多重要的機(jī)會(huì)，字節(jié)要追求其中最重要的，去攀登最高的高峰。

“真正的 AI 攻勢(shì)，是堅(jiān)決把自己變成一家科技企業(yè)。” 上述字節(jié)跳動(dòng)人士說(shuō)。2026 年春節(jié)，這家公司正試圖點(diǎn)亮自己的 ChatGPT 時(shí)刻。

從水墨舞臺(tái)、機(jī)器人到算力洪峰，不一樣的春節(jié)戰(zhàn)役

作為少有的全民級(jí)晚會(huì)平臺(tái)，春晚在過(guò)去十年里一直是各互聯(lián)網(wǎng)公司重要的新用戶增長(zhǎng)渠道，它與一眾互聯(lián)網(wǎng)產(chǎn)品之間的合作也幾乎與 “紅包” 綁定。從 2015 年開(kāi)始，微信、支付寶、淘寶、京東、抖音、拼多多、快手等知名互聯(lián)網(wǎng)產(chǎn)品均在春晚上發(fā)放過(guò)紅包福利。

但在今年春晚，冠名方火山引擎接到的第一個(gè)任務(wù)卻是與舞臺(tái)視覺(jué)相關(guān)的。

一位字節(jié)跳動(dòng)人士告訴我們，今年春晚導(dǎo)演組一直在探索將最新科技和傳統(tǒng)文化藝術(shù)相結(jié)合。因此作為獨(dú)家 AI 云伙伴，火山引擎及其背后的字節(jié)跳動(dòng)不僅要以贊助方身份參與冠名，還要把 AI 與云計(jì)算能力嵌入到春晚節(jié)目的創(chuàng)作與制作流程中。

在《馭風(fēng)歌》這個(gè)節(jié)目里，歌手身后出現(xiàn)了一幅國(guó)寶級(jí)的駿馬水墨畫(huà)。節(jié)目籌備時(shí)，導(dǎo)演組并不滿足于將其當(dāng)作一個(gè)靜態(tài)背景，而是希望讓這些馬匹在舞臺(tái)空間里動(dòng)起來(lái)，并與歌手互動(dòng)。

為了達(dá)成這個(gè)效果，他們最初試過(guò)一些海外模型，但大多抓不住水墨畫(huà)的氣韻；國(guó)內(nèi)模型也同樣受限，水墨風(fēng)格的高質(zhì)量訓(xùn)練語(yǔ)料稀缺，生成出來(lái)的畫(huà)作風(fēng)格容易跑偏。更棘手的是運(yùn)動(dòng)一致性：馬要跑得流暢，卻又必須在每一幀都貼合原畫(huà)的筆觸與結(jié)構(gòu)、不變形；馬匹的數(shù)量、每匹馬之間的動(dòng)作都要始終保持一致。

轉(zhuǎn)折來(lái)自字節(jié)跳動(dòng)團(tuán)隊(duì)帶來(lái)的 Seedance 2.0。這個(gè)全新的視頻生成模型不僅能更好地遵循物理規(guī)律，讓馬的步態(tài)更接近真實(shí)，關(guān)節(jié)銜接自然、動(dòng)作連貫；還能很好地遵循導(dǎo)演的要求，實(shí)現(xiàn)像 “跑慢一點(diǎn)”“鬃毛飄動(dòng)輕一點(diǎn)” 這類(lèi)帶副詞的細(xì)微調(diào)度指令。它還有另一個(gè)重要的突破——模型不再是只能學(xué)單張圖的風(fēng)格，而是能同時(shí)學(xué)習(xí)大量不同風(fēng)格的多模態(tài)素材。

一位字節(jié)春晚項(xiàng)目組人士告訴我們，他們把導(dǎo)演組畫(huà)的草圖、水墨畫(huà)作，還有許多關(guān)于馬的影像素材一起喂給模型，通過(guò)參考生成的方式，實(shí)現(xiàn)畫(huà)風(fēng)與動(dòng)作能穩(wěn)定地在同一個(gè)標(biāo)準(zhǔn)之下生成。他們還繞開(kāi)了直接寫(xiě)提示詞的方式，改用 Seedance 2.0 與圖像生成模型 Seedream 協(xié)作：先由 Seedream 生成每一幀關(guān)鍵幀，再由 Seedance 在關(guān)鍵幀約束下生成動(dòng)態(tài)視頻，實(shí)現(xiàn)了風(fēng)格的一致性和運(yùn)動(dòng)的連貫性。

把理想中的效果表現(xiàn)出來(lái)只是第一步。春晚的每個(gè)節(jié)目迭代頻率都極高，因此字節(jié)團(tuán)隊(duì)常遇到的情況是，剛交付一版滿意的畫(huà)面，導(dǎo)演組馬上提出：“能不能再往前走一步”。這些節(jié)目還需要經(jīng)歷反復(fù)過(guò)審與驗(yàn)收，這也意味著他們每次都必須拿出更好的版本?！罢w節(jié)奏基本得按 ‘周’ 來(lái)迭代推進(jìn)。” 上述字節(jié)春晚項(xiàng)目組人士說(shuō)。

很快新的難題又出現(xiàn)了。雖然《大鬧天宮》《小蝌蚪找媽媽》等上美影經(jīng)典作代表了手繪全動(dòng)畫(huà)的巔峰，但在 AI 數(shù)字化生成的語(yǔ)境下，如何在高幀率、高分辨率的現(xiàn)代廣播標(biāo)準(zhǔn)中，讓水墨這種 ‘無(wú)邊界’ 的藝術(shù)形式在高速大運(yùn)動(dòng)下不閃爍、不崩壞，是行業(yè)公認(rèn)的難題。

考慮到主流視頻生成模型通常輸出 720p 或 1080p 分辨率、24 幀/秒的視頻，字節(jié)團(tuán)隊(duì)將突破點(diǎn)放在后處理鏈路，借助火山引擎視頻點(diǎn)播的畫(huà)質(zhì)增強(qiáng)能力升級(jí)畫(huà)質(zhì)：先通過(guò)超分技術(shù)，在不改變畫(huà)面內(nèi)容的前提下將較小尺寸的畫(huà)面放大至 6K 或 8K；再通過(guò)插幀技術(shù)將幀率從 24FPS 提升至 50FPS。這套處理也非一刀切的通用算法，而是能根據(jù)每一幀畫(huà)面的畫(huà)質(zhì)與內(nèi)容特點(diǎn)做專(zhuān)屬優(yōu)化。最終他們順利解決了這個(gè)難題。

除了舞美，字節(jié)團(tuán)隊(duì)還將 AI 能力帶入了春晚的多個(gè)環(huán)節(jié)。舞臺(tái)上出現(xiàn)的機(jī)器人接入了豆包的視覺(jué)大模型、文本大模型和語(yǔ)音識(shí)別模型，語(yǔ)音側(cè)采用了豆包的合成與復(fù)刻模型。模型讓它們不僅有了 “大腦”，還裝上了 “嘴巴” 和 “耳朵”。

他們還提前收集了舞蹈演員的 3D 素材，再利用了空間視頻技術(shù)，將舞蹈演員制作成 3D 數(shù)字分身，在舞臺(tái)上實(shí)現(xiàn)真人 3D 克隆效果讓觀眾難辨真假。最后又加上了字節(jié)自研的 4D 高斯算法、豆包大模型優(yōu)化光影效果。

豆包 App 是今年春晚與觀眾互動(dòng)的核心載體。與往年常見(jiàn)的在互聯(lián)網(wǎng)產(chǎn)品上搖紅包、搶紅包不同，今年互動(dòng)流程改為，用戶需先在豆包上用大模型生成頭像或新春祝福，再搶紅包。這樣的變化極大抬高了成本——以往紅包互動(dòng)形式的主要開(kāi)銷(xiāo)集中在網(wǎng)絡(luò)、IO 和實(shí)時(shí)連接，現(xiàn)在則在原有基礎(chǔ)上疊加了龐大的算力請(qǐng)求與算力支出。

調(diào)控算力資源的難題也在大幅上升。一位字節(jié)的春晚項(xiàng)目組人士保守測(cè)算，用戶生成一條新春祝福或一張圖片，一次請(qǐng)求就需要完成 10 TOPS（每秒 10 萬(wàn)億次操作）的計(jì)算量。而以往類(lèi)似互動(dòng)請(qǐng)求的計(jì)算量?jī)H約 1/100000 TOPS，兩者在算力需求上相差了整整 100 萬(wàn)倍。與此同時(shí)，他們?cè)诔Ξ?dāng)晚還要應(yīng)對(duì)抖音、今日頭條等產(chǎn)品春節(jié)活動(dòng)帶來(lái)的大模型調(diào)用。

由于時(shí)間緊迫，字節(jié)沒(méi)辦法靠臨時(shí)堆機(jī)器頂住算力洪峰。好在火山方舟頂了上來(lái)，這是字節(jié)統(tǒng)一調(diào)度算力的總控臺(tái)，長(zhǎng)期在字節(jié)和外部客戶的各類(lèi)高并發(fā)場(chǎng)景中沉淀了資源調(diào)度能力。火山方舟的一個(gè)特點(diǎn)是將推理、訓(xùn)練和離線任務(wù)放進(jìn)同一資源池統(tǒng)一統(tǒng)籌，因此在春節(jié)算力與流量峰值來(lái)臨時(shí)，系統(tǒng)能把可延遲的負(fù)載錯(cuò)峰挪開(kāi)，為各類(lèi)春節(jié)活動(dòng)騰出更多資源。

這不是件容易做到的事情。它涉及到海量場(chǎng)景、多個(gè)機(jī)房、多種機(jī)型和多類(lèi)模型，還要持續(xù)動(dòng)態(tài)分配資源。一位火山引擎人士把這個(gè)過(guò)程形容為 “裝箱”：一方面，不同流量的延遲要求不同、對(duì)異構(gòu)硬件的依賴不同，約束極多、解空間巨大；另一方面，大模型推理不像傳統(tǒng) CPU 服務(wù)那樣資源類(lèi)型相對(duì)統(tǒng)一，同一個(gè)推理服務(wù)里也可能混用多種硬件。更麻煩的是，GPU 的遷移不是單點(diǎn)動(dòng)作，存儲(chǔ)、網(wǎng)絡(luò)、上游負(fù)載均衡等配套資源也要協(xié)同遷移，否則算力挪過(guò)去也接不住流量。

“冠名春晚對(duì)字節(jié)來(lái)說(shuō)，不再是一場(chǎng)簡(jiǎn)單的增長(zhǎng)活動(dòng)，它更像一次真正的技術(shù)試煉。” 一位字節(jié)跳動(dòng)人士說(shuō)。

AI 時(shí)代，靠紅包換增長(zhǎng)的模式失靈了

字節(jié)跳動(dòng)今年與春晚合作方式的變化，似乎再一次說(shuō)明：AI 時(shí)代的增長(zhǎng)邏輯正在改寫(xiě)。

移動(dòng)互聯(lián)網(wǎng)時(shí)代，巨頭崛起不是靠時(shí)刻引領(lǐng)創(chuàng)新，而是靠在有人驗(yàn)證了某個(gè)需求后，成體系地做出同款產(chǎn)品，以更高效率大量拉來(lái)用戶，再根據(jù)用戶反饋快速迭代改進(jìn)體驗(yàn)。更好的體驗(yàn)帶來(lái)更多的收入，這些收入又被拿來(lái)投放，獲得更多用戶，如此循環(huán)。撒錢(qián)則是最直接的增長(zhǎng)手段。

“核心是極速增長(zhǎng)、極速迭代、極速變現(xiàn)的飛輪?！?一位互聯(lián)網(wǎng)公司的產(chǎn)品經(jīng)理說(shuō)。

對(duì)互聯(lián)網(wǎng)產(chǎn)品而言，越快拉新，產(chǎn)品體驗(yàn)越快提升?！岸鄶?shù)情況下，推薦算法是發(fā)現(xiàn)你和另一個(gè)用戶偏好相似，然后把他喜歡的東西展示給你?！?一名推薦產(chǎn)品經(jīng)理說(shuō)。用戶增加，可供算法學(xué)習(xí)、發(fā)現(xiàn)關(guān)聯(lián)的數(shù)據(jù)隨之增加。這既適用于推薦視頻、小說(shuō)，也適用于推薦商品卡、帶貨直播間。微信支付的崛起是另一個(gè)例子，它用紅包把支付變成了社交的一部分，想?yún)⑴c就得綁卡、能轉(zhuǎn)賬。人越多，越常用，久而久之就成了默認(rèn)的支付工具。

交易型產(chǎn)品同樣受益于此。一個(gè)打車(chē)平臺(tái)會(huì)同時(shí)補(bǔ)兩端：一邊補(bǔ)司機(jī)提高供給，一邊補(bǔ)乘客拉動(dòng)需求。司機(jī)密度上來(lái)后，乘客等待時(shí)間縮短；訂單密了，司機(jī)空駛更少，平臺(tái)的履約成本也會(huì)隨之下降，用戶體驗(yàn)也更好。

互聯(lián)網(wǎng)產(chǎn)品的成本也不會(huì)隨著用戶增加而線性上漲；新增開(kāi)銷(xiāo)主要在帶寬、存儲(chǔ)和機(jī)器資源上，它還會(huì)隨著用戶規(guī)模的提升而被攤薄。

但 AI 產(chǎn)品幾乎是互聯(lián)網(wǎng)產(chǎn)品的另一面。

2025 年初，字節(jié)跳動(dòng) CEO 梁汝波曾在集團(tuán)全員會(huì)上提到，豆包沒(méi)顯出 “越多人用越好用” 的互聯(lián)網(wǎng)產(chǎn)品特性。這部分因?yàn)?chatbot 產(chǎn)品不是社交網(wǎng)絡(luò)或平臺(tái)。

用戶數(shù)量增長(zhǎng)帶來(lái)的新數(shù)據(jù)也有限。一個(gè)短視頻產(chǎn)品，只要用戶還在上下刷，就會(huì)產(chǎn)生一組組數(shù)據(jù)供推薦算法優(yōu)化；但 chatbot 類(lèi)產(chǎn)品生成一段回復(fù)，只有極糟時(shí)，用戶才有動(dòng)力多點(diǎn)下按鈕反饋。能收集來(lái)數(shù)據(jù)，也不保證它們能讓底層模型更聰明。“多數(shù)用戶的問(wèn)題高度重合，又沒(méi)什么深度，沒(méi)辦法提高模型能力。” 一位互聯(lián)網(wǎng)公司的 AI 產(chǎn)品經(jīng)理說(shuō)?！氨热绱a方向，公司就會(huì)在內(nèi)部找程序員寫(xiě)案例。”

大模型的專(zhuān)業(yè)能力早已超過(guò)大多數(shù)人類(lèi)，它們不能通過(guò)收集普通人的數(shù)據(jù)改善自己，就像 AlphaGo 不需要和普通人對(duì)弈來(lái)提升技藝——它后來(lái)的變種 AlphaGo Zero 甚至連世界冠軍的數(shù)據(jù)都不用，只是機(jī)器訓(xùn)練機(jī)器就能贏過(guò)所有人。即便 ChatGPT 應(yīng)用的月活躍用戶量比 Claude 高出 100 多倍，但這沒(méi)有讓 OpenAI 的模型比 Claude 好用哪怕一倍。

AI 還無(wú)法像互聯(lián)網(wǎng)產(chǎn)品那樣，靠用戶量攤薄成本。一位深入研究 AI 的二級(jí)市場(chǎng)人士曾測(cè)算，目前的主流 AI 產(chǎn)品如果服務(wù) 1 億日活用戶，每天的模型推理成本就要幾千萬(wàn)元。這個(gè)計(jì)算還沒(méi)有考慮新的 Agent 產(chǎn)品，如果類(lèi)似 Manus 的產(chǎn)品開(kāi)始流行，單個(gè)用戶每天需要的算力可能還會(huì)再翻幾倍。

最關(guān)鍵的是商業(yè)化難題。在海外，ChatGPT、Gemini、Claude 砸下了巨額投資以滿足復(fù)雜計(jì)算，用戶也必須付錢(qián)，低一檔 17-20 美元/月，高一檔可以到數(shù)百美元/月。但愿意為軟件服務(wù)支付這般費(fèi)用的中國(guó)用戶很少，字節(jié)和阿里等公司更多是靠云服務(wù)賺回在 AI 上投入的錢(qián)——把模型能力做成云上的 API/托管服務(wù)與行業(yè)解決方案，企業(yè)按調(diào)用量、并發(fā)、存儲(chǔ)與算力時(shí)長(zhǎng)付費(fèi)。

根據(jù)官方數(shù)據(jù)，2025 年 12 月，火山引擎上的豆包大模型日均 Token 處理量超過(guò) 50 萬(wàn)億，半年增長(zhǎng)超 200%。增長(zhǎng)的動(dòng)力不只來(lái)自字節(jié)旗下豆包、即夢(mèng)等 AI 應(yīng)用快速發(fā)展，還有一批外部客戶在深入使用大模型：累計(jì)使用上萬(wàn)億 Token 的超過(guò) 100 家，比全球云計(jì)算巨頭 AWS 還多了一倍。

當(dāng)下，AI 產(chǎn)品體驗(yàn)提升幾乎全部來(lái)自底層模型能力提升。AI 代碼編輯器 Cursor 能出圈，前提是它接入了 Claude 系列模型代碼能力大幅提升。OpenAI 的 Deep Research 體驗(yàn)驚艷，也是靠底層模型學(xué)會(huì)了長(zhǎng)鏈思考、分步解題。

如果大模型能持續(xù)進(jìn)步，許多精心調(diào)教后的產(chǎn)品能力成為龐大模型的一部分，用戶直接說(shuō)幾句話就能實(shí)現(xiàn)想要的效果，那大模型本身就是終極產(chǎn)品。ChatGPT 與 DeepSeek 的成功都在說(shuō)明，靠投流、補(bǔ)貼去搬運(yùn)用戶的老辦法越來(lái)越吃力，真正能拉開(kāi)差距的，還是模型與產(chǎn)品體驗(yàn)的硬實(shí)力。

唯一的解法：更堅(jiān)定地成為一家科技公司

2017 年的一次 CEO 面對(duì)面上，有字節(jié)跳動(dòng)的員工問(wèn)算法技術(shù)負(fù)責(zé)人楊震原：公司在人工智能上與 BAT 的差距在哪里？楊震原回答說(shuō)，“今日頭條本來(lái)就是一家人工智能公司?！?他進(jìn)一步解釋?zhuān)鲂畔⒎职l(fā)就是需要人工智能，今日頭條想通過(guò)機(jī)器和人結(jié)合的方式提升創(chuàng)作、分發(fā)、討論等每個(gè)環(huán)節(jié)的效率。

當(dāng)時(shí)，AI 在字節(jié)跳動(dòng)的產(chǎn)品中已經(jīng)有一些應(yīng)用，比如推薦、內(nèi)容創(chuàng)作、抖音的 AR 效果、 內(nèi)容審核、廣告系統(tǒng)、頭條號(hào)自動(dòng)生成封面、時(shí)光相冊(cè)和東方 IC 對(duì)圖片的篩選功能等等。

2022 年底，ChatGPT 橫空出世帶來(lái)了新的 AI 熱潮。字節(jié)跳動(dòng)是這一輪里投入最大的中國(guó)科技巨頭之一。它迅速訂購(gòu)了大量 GPU、組建全新的 AI 部門(mén)，從 infra、數(shù)據(jù)、模型、產(chǎn)品到人才全方位追趕硅谷公司。兩年后，字節(jié)的模型數(shù)量、迭代速度和表現(xiàn)明顯提升。

技術(shù)的躍升很少一蹴而就，背后需要堅(jiān)定的長(zhǎng)期投入。一位字節(jié)跳動(dòng)人士回憶，Seedance 1.5 推出時(shí)，外界對(duì)它的評(píng)價(jià)并不高：人物在運(yùn)動(dòng)中容易崩壞，細(xì)節(jié)也不夠穩(wěn)定。后來(lái) Seedance 2.0 的效果明顯提升，有人猜測(cè)這是團(tuán)隊(duì)調(diào)整了 Benchmark，把更影響用戶體驗(yàn)的指標(biāo)排在了更前面。

“其實(shí)大家都忽略了基礎(chǔ)工作的重要性。” 上述人士說(shuō)。以運(yùn)動(dòng)崩壞為例，團(tuán)隊(duì)需要反復(fù)驗(yàn)證不同方案，找到更有效的路徑，這類(lèi)工作很耗時(shí)，卻是必須補(bǔ)齊的基礎(chǔ)能力?！熬拖褚粋€(gè)很聰明的小朋友，未來(lái)也許能解大學(xué)題，但如果基礎(chǔ)知識(shí)沒(méi)學(xué)完，現(xiàn)在硬讓他做，結(jié)果肯定不會(huì)好?！?/p>

另一個(gè)例子是豆包的語(yǔ)音合成模型（Seed TTS）。2024 年，團(tuán)隊(duì)在做 Seed TTS 1.0 時(shí)的目標(biāo)是讓模型能自然流暢地復(fù)刻說(shuō)話者特征，尤其在跨語(yǔ)種時(shí)也能保持相似度與韻律。當(dāng) 1.0 達(dá)到可用水平后，新的問(wèn)題又暴露出來(lái)了：模型的語(yǔ)氣表達(dá)太平淡。但這個(gè)難題在當(dāng)時(shí)無(wú)法快速解決，于是他們?cè)谘邪l(fā) 2.0 版本時(shí)，把重點(diǎn)放在了將理解與思考能力融入端到端語(yǔ)音鏈路上。直到 2025 年中 Seed TTS 2.0 發(fā)布，模型才具備了更強(qiáng)的情感表達(dá)能力。

字節(jié)也是少有愿意在基礎(chǔ)研究上投入資源的中國(guó)科技公司。一位接近字節(jié)高層的人士曾告訴我們，字節(jié)目前的 infra （工程化能力）已經(jīng)比國(guó)內(nèi)任何一家公司都要強(qiáng)。但和全球比，最大的問(wèn)題是缺少 OpenAI 里那種能提出方向、能做前沿探索的人，比如 GPT 4o、Sora。

“中國(guó)過(guò)去沒(méi)有真正的企業(yè)研究院是因?yàn)槊駹I(yíng)企業(yè)盈利能力有限，現(xiàn)在終于可以試一試了?！?上述人士說(shuō)。

2025 年 1 月下旬，字節(jié)正式設(shè)立了代號(hào)為 “Seed Edge” 的研究項(xiàng)目，核心目標(biāo)是做比預(yù)訓(xùn)練和大模型迭代更長(zhǎng)期、更基礎(chǔ)的 AGI 前沿研究。該計(jì)劃設(shè)定了更寬松的考核機(jī)制：字節(jié)本來(lái)每半年考核一次績(jī)效，而 Seed Edge 則在項(xiàng)目取得突破進(jìn)展后，再做最終評(píng)估。

字節(jié)在考察 AI 項(xiàng)目時(shí)，ROI 依然重要，但周期更長(zhǎng)了。一位字節(jié) AI 產(chǎn)品團(tuán)隊(duì)人士告訴我們，字節(jié)現(xiàn)在會(huì)以 AI 產(chǎn)品一定周期后的單用戶價(jià)值作為考核系數(shù)，以測(cè)算未來(lái)收益，不同產(chǎn)品的考核周期不同，長(zhǎng)的甚至可以到 5 年；但字節(jié)也沒(méi)對(duì)這種考核方式做強(qiáng)制要求。

商業(yè)和科技史上無(wú)數(shù)次驗(yàn)證過(guò)了，想要拿下用戶、市場(chǎng)，或者是更大的機(jī)會(huì)，靠的永遠(yuǎn)是技術(shù)的躍遷與產(chǎn)品的硬實(shí)力。

二十多年前，Google 因擔(dān)心微軟殺入搜索市場(chǎng)，在內(nèi)部制定了 “芬蘭計(jì)劃”。這套計(jì)劃的核心不是守城，而是逼自己持續(xù)做出更有創(chuàng)造力、把體驗(yàn)打到極致的產(chǎn)品——哪怕在 Windows 這 樣的主場(chǎng)上，也要做出比微軟自帶工具更好用的瀏覽器。最終，在沒(méi)有產(chǎn)品迭代優(yōu)勢(shì)、沒(méi)有網(wǎng)絡(luò)效應(yīng)的背景之下，Google 硬是靠著出色的工程技術(shù)能力做出了 Chrome 并贏得了戰(zhàn)爭(zhēng)的勝利。

在與微軟的競(jìng)爭(zhēng)中，Google 還鍛造出一套強(qiáng)大的商業(yè)化系統(tǒng) AdSense，把源源不斷的現(xiàn)金流與生態(tài)網(wǎng)絡(luò)牢牢綁定在自己身上，并在此后多年逐步沉淀為難以撼動(dòng)的壁壘。

2024 年，OpenAI 聯(lián)合創(chuàng)始人、前首席科學(xué)家伊爾亞·蘇茨克維 (Ilya Sutskever) 曾提到，“2010 年代是擴(kuò)大規(guī)模的時(shí)代，現(xiàn)在我們?cè)俅位氐搅诵枰孥E和新發(fā)現(xiàn)的時(shí)代?！?對(duì)字節(jié)跳動(dòng)來(lái)說(shuō)，它用 13 年長(zhǎng)成中國(guó)最大的互聯(lián)網(wǎng)公司；如今又遇到一場(chǎng)上限足夠高的新游戲，需要用真正的技術(shù)與產(chǎn)品去再次證明自己——這樣的機(jī)會(huì)，它不會(huì)錯(cuò)過(guò)。

題圖來(lái)源：視覺(jué)中國(guó)