2026.09.23 | 9K | LLM | ByteDance Model Expert: Volcano Revenue

摘要

火山引擎8月整体收入35亿到35.75亿元人民币，C端占24亿到25亿元，第三方模型转售升至4亿多元。豆包坚持自研并灵活引入第三方方案，Agent商业化仍受权限、隐私、合规和收费模式制约。

要点

1. 火山引擎8月整体收入为35亿到35.75亿元人民币，其中seedance收入24亿到25亿元，第三方模型转售收入从此前2,000万到3,000万元增至4亿多元，自有模型增速已放缓

1. 豆包2.1 Pro和Lite整体处于可用水平，2.2版本可能于12月发布并重点提升代码、逻辑识别、空间理解和多维校正，但暂不宜期待其强于市场上绝大多数模型

1. 整体资源池约有270万张卡，约40万到50万张通过火山引擎对外出租，今年预算上限为2,000多亿元、可能对应180万张卡，每月约入库12万到13万张并回撤5万到6万张外租卡

1. 基础模型投入没有弱化，数据标注和采集投入由2024年30多亿元、2025年50多亿元增至2026年可能超过200亿元，模型竞争预计持续3到5年，商品层面则灵活引入第三方模型满足需求

1. 国产模型可能仅落后领先模型3个月或6个月，训练算力并非完全短缺，真正压力在于训练和复杂推理均需高规格卡；反蒸馏难以彻底阻断答案获取，但原需100万Token的任务可能增至200万Token，账户获取和过程损耗才是主要成本

1. Muse、豆包手机等Agent产品的工程复制并不困难，长程任务、多轮执行和上下文窗口已逐渐可用，但跨应用权限、用户确认、隐私、监管与法务协调决定落地上限，免费不限额转向收费和分层后仍需验证留存

Q:能否介绍一下目前豆包的模型进展？下一代版本可能何时进行大版本更迭，主要会在哪些领域或应用场景取得较大提升？

A:不必抱有过高期待。基础模型涉及的范围很广，一年内的基本能力可能大致维持现状。原本预期8月发布，后来推迟到9月也未发布，这项工作的难度和工作量都很大。基础模型仍在持续研发，并未放弃。今年发布的豆包2.1 Pro和Lite相比基础版本有所提升，但还谈不上非常强，整体处于可用水平。当前仍在迭代思维链、原生多模态能力，以及从FP8向更低精度推进等升级方向。

1. 1版本仍是在一点几T参数规模的模型基础上进行二次强化。到年底的12月，可能会发布2.2版本；2.2可能基于第三季度的模型，基础模型能力会有所提升，重点包括代码、逻辑识别、空间理解和多维校正等方面。预计链路层面的性能会有所改善。与市场上的

部分模型相比，其表现各有优劣，整体可以评价为可用；但如果期待其成为强于市场上绝大多数模型的方案，目前还不宜抱有这种预期。

因此，7月、8月线上也在主推K3和部分5.3模型。除销售自有模型外，也对外转售第三方模型，销售情况很好。7月这部分模型的API收入可能只有两三千万元，8月已接近4亿元，增长很快。主要原因是其他模型的需求很多，而自有模型并非在所有方向上都足够 好。年底前，如果自有模型能力不足，就会将一部分预算用于第三方模型。现在很多技术不一定必须全部自行研发。Coding、仿真、EM等方向以及接近实体的底座模型仍会继续推进，但商业和工程链路也会滚动引入第三方方案。

视频方向仍然比较受关注，包括长程、多轮识别、多照应，以及从60秒、120秒向3分钟推进。视频模型目前面对的需求与不少机构和企业的需求相似，但部分需求尚不明确。由此衍生的方向还包括世界模型。近期汽车和游戏公司都在发布相关PR，视频模拟、仿真和 临时生成也可以延伸至硬件端。世界模型已成为可以讨论和投入的方向，有望在空间维度等方面取得更好的效果。研发也在持续投入组件能力和工程细节，并配置较多人力继续推进。

Q:关于第三方模型转售，这部分推理算力使用的是什么卡？此前市场普遍认为算力比较紧缺，但从您的观点看，目前又有部分算力可以对外销售。这部分算力使用的是国产卡，还是其他类型的卡？

A:对绝大多数使用者而言，底层使用什么卡并不重要，用户也无须关注。线上可能有大约三百四五十万的量，最终约一百七八十万能够承载，因此会有大量芯片资源投入其中。不同模型不一定明确绑定底层卡，但部分原生参数规模达到两点几T、瞬时算力需求较强的模型 ，可能会使用HB，甚至B300。K3在部署和推理环节的参数成本较高，因此需要使用相对高规格的卡，售价也更高，但用户的接受能力较强。

整体算力在一个大资源池中统一调度。早期可能有1万多张卡，包括A120、A800、B300，也包括部分国产卡和其他规格。不能简单认为所有国产模型和所有卡都可以完全统一调度，而是需要通过工程优化和资源调度持续降低成本。此前不做第三方推理并非没有 能力，而是自身需求较多，资源主要被内部业务占用。

原来火山引擎一年大约有47万张、接近50万张卡在提供服务。现在整体约有270万张卡，其中一部分用于训练，约40万到50万张通过火山引擎对外出租，其余资源用于公司内部的搜索、推理和仿真。今年预算上限为2,000多亿元，对应的可能是180万张卡 ；每月约有12万到13万张卡入库。此外，火山引擎此前对外出租的很多卡正在回撤，不再继续出租，每月可能回撤5万到6万张。因此，每月有十几万张新增卡补充到特定集群，资源相对充裕。

此前相关业务月环比可能增长2%，现在月环比增长约20%，但总量没有下降太多，收入结构已经发生变化，因此有较多资源可以用于第三方业务。普通客户通过该渠道采购第三方模型，价格可能约为原厂定价的6.5折，之后基本按原价销售，利润较为可观。短期内， 如果自有模型无法胜过第三方模型，就先向客户销售第三方模型，避免客户流失；未来自有模型能力提升后，再将需求承接回来。自有模型不会放弃，同时也不会停止满足客户需求，处于“既要又要”的状态。市场对第三方模型的需求确实比预想的多不少。

Q:独立国产模型公司上市后可能会更加追求AI营收和利润。以豆包或相关系统为例，公司在战略上如何定位自有模型？您刚才提到既不会放弃自有模型，又会输出算力和销售第三方模型，目前的整体定位是什么？

A:自有模型一定要做，而且一定要做好。基础模型的投入没有任何弱化。不只是单一公司，腾讯、阿里、字节、百度、小米等很多公司都没有暂停基础模型迭代。文字基础模型、代码、长程任务、上下文窗口等组件和方向仍在持续推进。

数据方面，2024年投入30多亿元，2025年投入50多亿元，2026年可能投入200多亿元，用于数据标注和采集。视频、FSX、混合结构、3D等方向也都在推进，但全面投入并不代表所有方向都一定能做好。模型迭代存在一定随机性，商业化推进过程中 也涉及运气。如果多年研发后效果仍不理想，就继续投入。模型竞争可能3到5年都无法结束，并非1到2年或2到3年就能完成。基础模型能力初步实现后仍会继续提升，自我强化过程中也依然需要人类进行优化。

研发路径是各个方向都推进。如果能够做出具有竞争力的模型，商业化和内部使用都会优先采用自有模型；如果暂时做不出来，就引入第三方模型。商品层面的策略非常灵活，以满足用户需求为主。但在研发层面，招人、数据投入、采购算力卡和硬件投入均未发生变化。最 终能否做出来，取决于运气、工程能力以及收敛过程中的随机性。只要研发仍在持续，问题就不会特别大。

Q:有些专家对未来半年到一年的国产模型相对悲观，认为瓶颈一是算力，二是数据，因为模型蒸馏会受到反蒸馏限制。您提到模型研发存在随机性，应如何理解？另外，目前的冗余算力是否更多只能用于推理，且主要是规格较低的卡，无法用于预训练？您如何看待反蒸馏以及此前所说的“不蒸馏”？

A:没有必要过于悲观，也没有必要过于乐观。只要其他公司能够做出来，国内模型就一定可以跟上，可能落后3个月或6个月，期间会反复拉扯。第一，训练层面的算力并没有那么紧张。如果真的被逼到缺少一张卡都无法完成训练，可以削减部分算力业务。现在很多公司 的大量算力卡仍用于推理，因此不能简单认为训练完全没有可用算力。

另一方面，随着模型参数增大、规模和结构更加复杂，以及长程任务增加，很多推理任务也无法依靠小卡解决，需要使用大量高规格算力卡。真正令人悲观的是，训练需要大卡，日常推理同样需要大卡，而市场上的大卡数量有限，只能进行压缩和量化，这也是很多公司适配 国产硬件的原因。在内地提供服务的算力需要在内地备案上线，因此推理侧也需要更多适配国产方案。推理端并非全部使用小卡，虽然L20、Pro60，5090一类卡较多，但随着35X、视频模型以及可能推出的500B模型出现，小卡也未必能够承载。推理算力 缺口是行业共性，算力采购量较大的公司可能相对好一些。

关于蒸馏，即使对方不开放思维链，模型的输出结果仍然需要呈现。可以要求模型使用人类能够理解的语言，输出大致过程和结果。这种方式甚至可能更加合理:如果模型的实际运行机制无法通过人类语言完整呈现思考过程，思维链的信息可能会越来越难以理解，类似于黑 话，还需要额外翻译。除模型公司外，其他主体甚至未必拥有对应的码本。

这里存在一个悖论:如果认为被蒸馏的思维链本身具有价值，但后续模型输出已无法被人类理解，那么这一思考过程的意义就会下降。与其如此，不如在结果层面要求模型作出反应并直接提问。一个账号不回答，可以使用其他账号继续询问。只要对方仍对外提供服务，就很 难彻底阻断正确答案的获取，也不可能关闭所有账号。因此，蒸馏仍然存在可行的方法和策略，只是策略可能变得更复杂、更精细。

Q:如果需要增加破解、重新破解和翻译等手段，模型蒸馏的整体成本是否会大幅提升？

A:相关成本一直存在，其中购买账户的成本最高。蒸馏过程中消耗Token本身花不了太多钱，真正的成本在于过程损耗和大量消耗性账户，而这些账户现在很难获得。以前可能直接使用即可，现在原来100万Token可以完成的事情，可能需要200万Toke n。假设一次训练循环成本为100元，过去可能用30元获得数据，现在花20元或50元也属合理。无论是否隐藏思维链，模仿其他模型都需要付出成本，因为数据量很大，而且模型结果也不容易获取。

因此，应将蒸馏与反蒸馏放在整个产业发展过程中看待，既不必悲观，也不必乐观。即使模型技术从当前水平开始完全没有进展，新的应用场景出现后，产业也不会停止发展。只要模型训练仍有少量更新，市场使用量就可能继续增加。

Q:刚才提到的豆包4亿多元营收，是包括转售其他模型的收入，还是仅包括自有模型收入？

A:刚才所说的是火山引擎转售其他模型的收入，8月为4亿多元。8月整体收入为35亿到35.75亿元人民币，其中第三方模型收入为4亿多元，此前只有2,000万到3,000万元，增长确实很快。自有模型的增速已经有所放缓。

Q:这30多亿元是否包含Seedance业务，还是只包括豆包业务？

A:目前可以认为包含Seedance业务。

Q:Seedance业务的规模其实也不小，对吗？

A:以当前时间节点和业务表现来看，Seedance每月收入为24亿到25亿元，规模并不小。并非只有Coding能够产生收入，视频生成模型也可以盈利。只是目前海外上线节奏没有那么快，但这些业务并非不能赚钱。

Q:也就是说，约35亿元的整体收入中，4亿多元来自第三方模型转售，Seedance业务约占24亿到25亿元，其余部分来自自有模型API等业务，对吗？

A:对。

Q:您是否使用或测试过Meta的Muse、Muse Spark和Muse Code？如何评价这些产品？

A:使用过，体验很好，但海外市场对这类产品的反应有些少见多怪。其热度较高，可能是因为海外用户此前很少体验此类产品。内地应用市场的竞争比海外激烈得多，只要愿意向应用开放全部权限，内地公司也可以实现类似能力。豆包手机采用的也是相似思路。一旦用户 愿意将内容、权限和使用习惯交给模型，很多任务就可以完成，但隐私泄露也会成为问题。

内地很多公司已经拥有类似产品，腾讯和字节均有相关布局。当前热度可能只是阶段性的，年初OpenCloud也曾非常热门，但两个月后热度便有所下降。不过，整体趋势是正确的:从Manus、OpenCloud到Meta目前的产品，发展路径非常相似。基 础模型能力提升后，长程任务、多轮执行和上下文窗口都逐渐达到可用水平；再加上用户愿意开放隐私信息和权限，很多任务自然可以完成。关联软件和Copilot类产品也是如此，只要获得足够权限，软件公司就能满足相应需求。

这类产品确实好用，但完整执行链路和意图判定也会产生成本。免费阶段的体验很好，一旦开始收费，市场表现仍需观察。豆包在内地也能实现类似功能，只是完成度可能没有这么高，不能认为内地没有同类产品。模型发展到一定阶段后，这类产品自然会出现。个人助理需 要长期保存用户信息，例如购物偏好和出行安排；Agent执行长程任务也会增加存储和请求需求。预计今年下半年或明年会出现越来越多此类应用，但市场可能仍然比较混乱。

传统软件公司的处境可能会更加困难，定向工具类产品可能直接受到模型和数据服务的冲击。相关商业形态和软件生态仍需重新观察。截至目前，“模型会吞并大量应用”这一判断还不够清晰，因为用户未必会放弃独立应用入口，模型产品能否长期留住用户也存在不确定性 。

Q:从全新入口的角度看，豆包手机和Muse是否都属于探索性尝试？您认为哪一种思路可能更好？

A:两者都是很好的尝试和积极探索。行业投入了大量资金，需要寻找合理的商业化路径。不能简单认为内地用户的付费意愿低，或者内地付费软件没有商业通道。内地有1亿、2亿甚至更多中产白领，这部分群体的付费意愿其实很强，大量用户正在为模型工具支付月费， 相关使用习惯也已逐渐形成。内地人口基数大，中产用户规模也很可观，只要公司能够做好产品，就有机会盈利。Manus寻求上市也具有合理性，因为这类工具确实存在需求。

Q:应如何看待隐私问题？例如亚马逊第一时间屏蔽Muse，后续其他APP厂商会接受这一趋势，还是大型平台仍会继续限制？

A:可以参考豆包手机一代，去年几乎被直接限制。海外市场如果处理不当也会面临同样情况，应用可以直接拒绝访问，并默认关闭相关请求。内地比海外早经历了半个到一个版本:豆包手机上线后，需要逐一与应用协调，允许调用的应用可以正常调用，不允许调用的则需 要绕开或采用其他方式。有些程序不作限制，有些则需要进一步协调。最终结果取决于各方的话语权。

此外还存在监管和法务问题，欧盟、美国和中国分别适用不同规则。开发此类应用，真正困难的不只是算力、成本和功能，还包括大量合规协调。部分平台上的产品是否完全合规，以及是否可能因监管原因被封禁，都存在不确定性。

Q:如果腾讯或字节在内地推出类似Muse的产品，哪些方面较难复制或落地？跨应用权限、支付履约、任务执行和长期记忆是否属于技术难点？

A:工程实现本身没有问题，可以通过购买或租用豆包二代手机进行体验，相关能力都能够实现。但在履约、交付和执行阶段，必须取得用户确认，或者由用户亲自操作，不能完全代替用户作出决定。内地并非没有隐私保护，密码、交易、银行和蚂蚁等环节如果不允许自动 操作，就仍然不能执行。内地与海外面临的问题基本相似。

Q:如果AI Agent代替用户订餐或购物，而用户事后声称这不是自己作出的决策，法律责任是否也会产生争议？

A:因此，在最终交付和执行阶段仍需用户确认。Manus目前只是利用了一个阶段性的规则空档，海外用户此前没有体验过此类产品，因此现阶段可以充分使用；后续很多应用可能会采取限制措施。海外很多软件公司没有预料到会如此迅速地受到冲击，其反应和经营调 整可能慢于内地移动APP。内地APP一旦发现情况不利，可能会立即采取封禁措施。

Q:Muse第一周在免费榜的排名并不高，第二周排名反而上升。这是由真实用户的自然传播推动，还是投入了较多资金买量？

A:我倾向于相信这是由真实用户口碑和使用体验推动的。产品免费且效果不错，用户无须订阅会员，也没有广告，因此自然愿意支持。低价是重要优势，但这种状态能维持多久，我并不看好。

Q:您是不看好它的长期发展，还是认为目前仍然较难判断？

A:我不看好其长期维持当前状态，主要因为后续会开始收费和设置限额。现在的良好体验建立在用户较少、免费、不限额和开放使用的基础上，但Meta不可能永远维持这种模式，一定会实施用户分层。豆包也是类似情况，普通版本与更高版本的效果会存在差异，因此 仍需进一步讨论。

Q:这是否也说明，只要找到合适的应用场景，即使模型能力只是达到“能用”的水平，商业化方面也会存在市场？

A:对，商业化没有问题，是可行的。

Q:这一趋势会对头部的Anthropic和OpenAI产生什么影响？

A:关键要看免费模式能够持续多久。对这些公司而言，2B业务受到的影响可能不会太大，因为它们原本就在招聘销售人员并服务大型客户。C端可能是后续较难获得高额利润的方向。如果优秀的C端应用能够带来较大使用量，即使暂时无法盈利，只要后续能够形成标准 化回款和规模增长，也是可以接受的。

Q:在购物场景中，亚马逊可能会屏蔽Muse，但Shopify这类平台只要获得流量并完成交易就会受益，因此不会屏蔽这种免费流量，是这样吗？

A:对，我认为是这样。

Q:还有哪些软件或应用场景可能受益于Muse这类产品？除Shopify外，还有哪些潜在受益者？

A:目前还很难判断。可能受益的还包括主动提供信息或流量的数据源、公开数据库，以及其他数据源服务，这些方向具有一定可行性。

Q:大型厂商都不会放弃模型投入。腾讯更换新的模型业务负责人后，您如何评价其目前的进展？

A:腾讯混元在内地模型中能力不算差，但也不宜过于乐观。只能说其现阶段的技术和基础性能尚可，模型肯定能够使用；但在部分高难度场景和效果方面会弱一些，属于能用但还没有达到非常好用的水平。针对腾讯自身业务进行优化后，其内部应用效果不错，使用量也较 大。

Q:未来2到3年，内地可能仍会出现很多表现不错的模型。海外市场看起来可能由两家头部公司占据大部分份额，但内地竞争格局有所不同，您对此怎么看？

A:海外这两家公司也会因为内地开源模型而失去大量市场。它们提出监管等问题，正是因为确实受到了内地模型的冲击。其模型为什么能够维持高价、模型是否理应采用如此高的定价，都值得讨论。内地模型将成本和价格降下来之后，这些公司的价格未必还能维持原有水 平。

Q:这两家头部公司是否仍会在高精尖或能力要求较高的场景中保持较好位置？未来从全球Token总量看，它们的份额可能下降，但营收和利润是否仍能维持？您如何判断整体AI营收格局？

A:Token总量增长是确定的。后续很多公司会逐步转向竞争市场份额和Token总量。至于收入和毛利，截至目前，似乎还没有任何公司能够在这一市场形成绝对领先并长期获得超额毛利。现阶段，部分头部公司仍然拥有相对不错的商业位置，这一点目前比较清晰 。

Q:豆包手机目前在内部的定位是什么？这一方向是否仍会继续推进，不会放弃？

A:不会放弃，仍会继续推进。

Q:如果在自有体系内应用这种模型或类似Muse的产品，是否设想过推出某种产品，打通不同应用场景？

A:目前来看，手机方案与Muse这类产品的设计不完全相同，可能会将更多能力串联起来。此前的豆包工作类产品也可能向这一方向发展，但手机本身未必需要完全采用同一种形态。从当前效果和工程实践看，还很难明确判断现有方案是否最优，很多路径和组件仍在分 别推进。

如果内地公司要开发类似产品，工程上实现一个功能相近的产品并不困难。真正的难点不是工程，而是用户使用习惯和明确需求，豆包手机目前也面临类似问题。海外市场后续能否始终保持顺利仍不确定，因为欧盟等地区的监管及其他不可控因素很多。

Q:如果各种应用都由同一家公司掌握，是否会相对容易？例如产品可以直接调用并打通该公司的内部应用。

A:这种理解是正确的，但从整个行业来看，目前仍然难以判断。各家厂商推出的产品都比较相似，很难直观看出明显差距。当前缺少的未必是产品质量，更可能是用户对产品的认知、产品形态以及交付层面的确定性，部分问题仍需单独观察。

Q:Coding目前可能是规模较大的市场。接下来还有哪些值得推进的方向？哪些场景的市场空间可能较大，或者更有可能实现商业化？

A:目前部分方向仍然看不清楚。从工程实践和实际使用角度看，如果可以忽略部分链路隐私和行为链路数据等问题，这些方向可以继续推进；但如果行为链路隐私和数据受到较多限制，很多工程链路就难以进一步发展。

类似的爆款应用和产品形态仍需继续观察，至少需要观察半个月到1个月。很多应用刚推出时各项表现都很好，但运行一段时间后，监管、合规和策略限制等问题可能陆续出现，进而影响继续使用和规模扩张。因此，这些方向仍需进一步验证。

以上仅供交流探讨，不构成投资建议