字节AI的32条打法：不是模型最强，为什么拿下AI主场

判断一家AI公司能不能翻盘，看速度会看走眼，看加速度才看得准。

新眸原创·作者 | 叶静 桑明强

从2023年8月那个闷热的夏天算起，到豆包成为中国第一款日活破亿的AI产品，中间只隔了两年零四个月。若把这段路放进中国互联网的编年史，几乎找不到先例——今日头条用了四年，抖音用了一年半，而这一次，字节跳动把周期又压短了一截。

但真正让人好奇的，是一个近乎悖论的错位：在大模型这条赛道上，字节并非起跑最早的那一个，甚至在相当长一段时间里，它的通用大模型能力与海外头部还隔着一段公认的距离。

它一边承认落后，一边拒绝走捷径；一边被市场质疑"不够聪明"，一边冲刺2亿DAU。当行业还在为跑分榜单争吵不休时，豆包已经完成了另一场战争，一场关于普通人的战争。

这迫使我们重新追问：在模型不是最强的前提下，一家公司究竟凭什么突围？而答案也往往在那些最不性感的地方：一个名字的取舍、一堆没人愿意干的脏活，以及一家十多万人的公司如何与自己的惯性搏斗。

下面的30条判断，是我们从过去一年关于字节的高管专访、全员会与一线观察中提炼出的观察与思考。它们试图回答的，正是这个时代抛给所有AI从业者的同一个问题：当技术红利开始摊薄，什么才是真正的护城河。

关于行业与时代

先看清楚大势，再谈怎么做产品

判断1：坚决拒绝蒸馏，哪怕短期落后。

字节最高层对蒸馏的态度一致——反对。理由很直接：蒸馏改善的是短期榜单表现，本质是在复制领先者的已有能力，沿着这条路最多只能无限逼近，永远无法真正超越。因此字节宁可接受模型在一段时间内落后于行业，也要从更底层构建自己的AGI壁垒。这是典型的字节式取舍：短期排名可以不要，长期底座必须自己建。

判断2：别守存量，去抢AI增量市场。

面对"既然卖API能挣钱，为什么还要做云"的疑问，谭待反问："如果回到2012年字节成立那一年，你会在那个时间点大做PC搜索吗？"他判断，传统云可能还是1000亿美金的市场，而AI云可能是1万亿美金——云计算的第二次浪潮是智能化，大家都在同一条起跑线上，都要使劲跑。守着存量市场只会越卷越窄，AI增量才是下一个时代的门票。

判断3：竞争不是吃掉对手，是先把池塘做大。

面对价格战的标签，火山的态度是把蛋糕做大而非抢食。平台公司都是池塘里的鱼，鱼能长多大取决于池塘多大。MaaS市场每年还在以5到10倍的速度增长，远没到存量厮杀阶段，所谓竞争只是局部摩擦。判断一家AI公司的格局，就看他是在扩大池塘，还是在抢别的鱼。

判断4：大模型从"大哥大"走到了"功能机"。

2024年，谭待说大模型才刚到"大哥大"时代；两年后他改口："比大哥大好一点点，至少到功能机了吧。"大哥大时代只有少数人能用，功能机时代已有大量人把AI用起来，但还没到智能机时代。"AI带来的变化，比绝大部分人想的都要更大、更快。"

判断5：判断"模型卖得好"，先看能不能让人付费。

光喊"要对标谁谁谁"是没用的，真正的检验标准只有一个——用户愿不愿意掏钱。如果你真的追上甚至超越了，大家自然会为你付费，看ARR就知道有没有做到。嘴上说第一梯队没有意义，付费数据才是模型竞争力的硬通货。

判断6：AI不是替代旧行业，是把行业整体做大。

行业总把AI理解为替代，字节的看法是扩容。视频生成远没到战争定局的时候，因为AI真正创造价值的方式不是替代过去，而是让整个行业变得更大。视频生成模型对物理世界的精准还原，正在打开具身智能、无人驾驶这些过去难以触达的新市场——替代是零和，扩容才是增量。

关于经营与方法论

字节做事的底层逻辑

判断7：降价不是价格战，是模型只值那个价。

2024年火山的降价被贴上价格战标签，但谭待给出了完全不同的定价逻辑：当年所有模型只能做Chatbot，模型就只值那个价；如今模型进入核心生产环节、能创造更大价值，自然可以定更高价格。定价不是按毛利率反推，而是看Token能创造多少真实价值。

能力决定价格，价值决定定价，这才是厘时代的本质。

判断8：坚决不要没有毛利的规模。

互联网公司习惯先规模后盈利，火山却把有毛利的规模当成铁律——没有毛利的规模坚决不要。谭待看得清楚：toB行业的收入就是当下卖出去的量，靠亏损换规模的路，没有任何一家toB公司走通过。规模是结果不是目的，可持续才是商业模式的前提。

判断9：降价靠的不是贴钱，是工程效率。

"厘时代"降价如何实现：算法上采用更好的模型结构、用更低成本做更复杂推理；工程上靠规模化调度把波峰波谷错峰；软硬件结合把不同推理过程分离到不同池化资源；再加上供应链管理。"每一个环节都有好几倍的效率提升"，综合下来毛利依然为正。

判断10：需求从用户和客户来，不从实验室来。

字节被戏称AI工厂，产品线多到数不清，但方向从来不是拍脑袋定的。需求来自两处：抖音、头条海量C端用户的使用场景，和火山众多企业客户的生产痛点。需求催生研发方向，反馈反哺技术进步——这是典型的字节式循环：先有用户，再有产品，然后才有技术。

判断11：每一个功能是用户来的理由，体验是留下的理由。

DeepSeek以简单功能反超豆包时，团队一度陷入自我怀疑——做了这么多精致功能，却被功能简单的对手超过。一位豆包人士给出答案："每一个功能都是用户来的理由，而每一个功能的打磨和更好的体验，是用户留下来的理由。"

判断12：好的产品是"演化"出来的，不是规划出来的。

豆包教穿搭、刻薄点评长相先后出圈，"我们都懵了，因为这完全不是决策出来的"。一位豆包员工总结："好的产品是演化出来的。"最重要的规则是用户选择——用户把功能玩出新花样，热门玩法再被自动采集进评测集重点优化，形成演化闭环。

字节把抖音时代验证过的用户选择机制搬进了AI：产品跟着用户长，而不是产品领导用户走。

判断13：愿意做脏活，才能把体验做得足够好。

模型能力不够时，豆包用最笨的办法补位：写代码生成标准口算竖式、建题库解决读图、逐个标注网站可信度、手把手教模型拆搜索关键词。这些脚手架式的脏活不性感，却真实撑起了用户体验。行业里愿意做脏活的人不多，而这恰恰是豆包把体验做到稳定的原因。

关于产品、业务与商业模式

豆包赢在产品，不输在模型

判断14：AI助手的核心竞争力是"拟人化"。

朱骏为豆包定义的第一条产品设计原则就是"拟人化"——"大模型带来的新能力和新交互方式，让产品拥有类似人的温度"。名字从Grace改成"豆包"，因为要像"用户对一个亲密朋友日常称呼的昵称"；语音像选角一样筛选素人音色，方言细化到区县一级。

判断15：主入口够用就别硬造生态，多不如精。

豆包曾力推"多bot"、设想过"Bot宇宙"，但一场实验改变了方向：将豆包以外的智能体全部下架，"结果用户活跃、留存没有受到任何影响"。对AI助手来说，主入口本身已能覆盖绝大多数需求，团队随后把精力收回到主智能体上。

很多AI产品死于功能铺太开，豆包赢在懂得收。

判断16：给模型建一套几十万题的"考卷"。

豆包把用户的高频需求自动纳入模型评测集——相当于给模型建了一套几十万道题的考卷，覆盖知识问答、办公、健康等真实场景，每月甚至每周更新，由数千人数据标注团队清洗校验。别人的评测集来自论文榜单，豆包的评测集来自用户真实提问。考卷决定模型的进化方向。

判断17：模型会犯错，反而是产品力。

豆包把用户裤腿卷到大腿根，还一本正经夸"休闲又有范儿"，成了数十万点赞的热门视频。"深刻不受欢迎，得傻瓜、得有趣。"一位豆包人士总结。模型犯错反而让用户觉得有趣，病毒式传播每天给豆包带来数百万新用户。

在C端，让用户开心的产品，比让用户惊叹的产品更长寿。

判断18：AI产品没有规模效应，用的人越多越烧钱。

这是AI产品与互联网产品最根本的分野：互联网用户越多边际成本越低，AI用户越多推理成本越高。

豆包每天总使用时长不到B站1/8，维持运行的算力成本却超过整个B站的经营成本；一次生成祝福的请求就要完成10TOPS计算量，是过去类似互动的100万倍。

规模对AI既是护城河，也是不断吞噬现金的黑洞。

（数据为媒体披露口径）

判断19：烧钱的AI应用，暂时要靠能赚钱的模型养。

豆包DAU超2亿，每天电商交易额却只有约1000万元，付费订阅被用户质疑"笨还收费"。而视频生成模型Seedance年化收入（ARR）已达20亿美元、毛利率约70%，绝大多数收入来自企业客户，据测算"差不多抵消豆包的算力成本"。

（数据为媒体测算口径）

判断20：C端免费攒规模，B端收费养技术。

C端豆包将持续免费，付费只面向生产力专业模式；营收重任则落在B端MaaS上。这套免费加收费组合的背后是同一个底座：C端海量真实使用数据反哺模型进化，B端收入反哺算力投入，形成双向飞轮。ToC与ToB的协同，不只是品牌互借，更是在实战中积累别的公司学不走的know-how。

赵祺接管豆包后不到一年，豆包月活从不到1亿冲到3.82亿（QuestMobile口径），超过第二和第三之和，跻身全球AI应用月活第二；付费订阅标准版68元/月、专业版500元/月，上线当天用户评论区当场分化。

关于组织与人才，人对了，事就对了

判断21：字节的文化可能不适合创新，但非常擅于解题。

一位曾在Seed的人士说："字节的文化可能不适合创新，但非常擅于解题。"Seedance解开了第一道题——第一个完整采用MoE架构的视频生成模型，字节现在想用同样的方法解下一道：把语言模型参数规模一次推到同行的数倍，争取领先位置。

判断22：大模型要独立成军，不向业务部门汇报。

2023年，字节把AI拆成Flow（产品）与Seed（模型研发），与抖音、TikTok、火山引擎平级，"不向任何既有部门汇报，是一个创始人工程"。独立的组织让AI跳出字节原本的扩张节奏、薪酬结构和考核机制，更能对抗过往的惯性。

大公司做AI最难的不是技术，是摆脱既有组织的惯性——字节用另立山头解决了这个问题。

判断23：先把人招进来，再想让他做什么。

早期字节招AI人才的习惯是"先把人抢进来，至于进来做什么，后面再匹配"：

制作应届生人才地图、每年全球招10到20个最优秀毕业生、启动收编创业者计划。Seed为应届博士开3-1职级、百万级薪资，还专门设计"豆包股"虚拟股激励，增强核心人才留任力。

AI战争的本质是人才密度之争，字节把人才优先做到了极致。

判断24：最懂业务的人去做HR，往往能搭出别人搭不了的人才体系。

字节AI人才体系的幕后操盘者，正是现任豆包产品负责人赵祺。2022年字节AllinAI、Flow和Seed疯狂扩招、组织管理跟不上时，张一鸣需要一个信得过、懂业务、懂增长的人去理顺AI条线。

赵祺是北大计算机博士，却从豆瓣产品经理起步，经历过豌豆荚、车来了，在字节做过增长中台和穿山甲商业化，他操盘抖音从3000万日活涨到6亿，被称为中国互联网最能花钱的人。

转任HR后，他没有走传统HR老路，而是带团队用技术跟踪加论文打分的方式，把全球AI行业的人才图谱摸了一遍，谁在做什么方向、什么水平、愿不愿意来全部数据化，字节那几年能从谷歌、OpenAI、各大高校持续挖到人，背后有他一份功劳。

增长的本质是供需匹配：买量匹配流量与用户，广告匹配商家与流量，招人匹配人才与方向——同一门手艺，换了个赛道。

判断25：管理从管控走向ContextoverControl。

梁汝波把ContextoverControl（情境优先于管控）写进管理理念：减少多层审批、弱化只传话不解决问题的二传手式中层，用透明信息与统一目标替代层级约束，让听得见炮火的人自主决策。新版10条领导力原则全部纳入晋升与年度考核。大公司病的解药不是加管控，而是给一线更多上下文、更少束缚。

判断26：AI要渗透各行各业，不能纯靠IT背景的人。

AI落地各行各业，光靠程序员远远不够。比如给视频生成团队招导演。Seedance的3D白模预演功能，正来自一位业内知名导演的建议。AI是通用技术，但每个行业的know-how藏在行业人手里——懂创作流程的人，才能做出创作者要的工具。

人才多样性，是AI公司最容易忽视的护城河。

关于客户、市场与未来判断

判断27：日活破亿不是终点，是真正挑战的开始。

豆包是中国唯一日活破亿的AI产品，但破亿那天团队"没有任何庆祝，就是平凡的一天"。"豆包真正的挑战其实是在日活破亿之后才会到来。"一位豆包人士说——破亿之后，用户质量、留存与商业化成为新命题。

如今挑战有了具体落点：飞书并入豆包、TRAE与扣子归入豆包体系，字节把AI办公产品线集中到赵祺麾下，豆包工作上线，想让办公从AI里长出来。B端这门科学，赵祺还没考过试。

判断28：增长太快不是福气，AI要算成本账。

春节冲刺2亿DAU时，员工半开玩笑："别涨了，涨得我有点害怕了。"AI产品没有传统互联网的规模效应——用的人越多推理成本越高，收入却不同步增长。

随后字节调整AI资源分配，重心从面向大众的产品转向服务企业的产品。

判断29：把C端打法和B端战场，交给同一个人，是重用也是豪赌

去年赵祺从HR转岗一线接管豆包；一年后豆包跻身全球AI应用月活第二。今年7月，飞书产品并入豆包、谢欣改向赵祺汇报，随后TRAE与扣子也并入豆包体系，字节把AI办公产品线归口到赵祺一人。

但这是一场豪赌：赵祺所有战绩都在C端，而飞书是B端生意，讲的是客户成功、续约率、ARPU，不认DAU；他面对的对手同样凶险，腾讯WorkBuddy由马化腾亲自督战，阿里千问办公靠钉钉企业盘下压。

全员会上赵祺表态：大模型的市场潜力很大，因此不担心经济回报，但收入还是重要的。一家公司把最难的两场仗先后交给同一个人，它是在重用他，还是在消耗他，这个问题的答案，要等豆包在B端的成绩来揭晓。

判断30：别把MaaS和云对立起来，未来的云是Agent调度。

字节强调"MaaS就是云的一部分，不要把MaaS和云对立起来看"。未来的云"更可能是用Agent去调度IaaS、PaaS、SaaS"，"基于模型和Agent构建的新负载，可能是传统云的10倍、20倍大"——IaaS还会在，只不过变成Agent在调用。

判断31：模型粘性来自进生产系统，不来自API本身。

都说MaaS没有忠诚度，模型可以随时换，但这只是用得浅的假象。如果只拿模型做Coding提效、不深绑生产系统，粘性确实很弱；但当模型进入公司安全或其他核心生产系统，耦合性就会变得很深。API是随时可换的零件，生产系统才是不可替代的底座——粘性来自深度集成，不来自接口本身。

判断32：比速度更重要的是加速度。

谈到追赶海外头部模型，谭待提醒，"是看当下的距离、速度，还是加速度？我觉得最重要的是加速度。有时候加速度在短期内是不好看的，因为存在滞后效应……但只要加速度起来了，实质上的差距是在缩小的。"

追赶者最怕的不是起步晚，而是加速度不够。判断一家AI公司能不能翻盘，看速度会看走眼，看加速度才看得准。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

更多内容，点击下方关注