文：王智远 | ID:Z201440

今天火山引擎 FORCE 大会。

我虽然没去上海现场，但在朋友圈，已经感受到了「挤不进去」的热度；朋友发来的照片里，连门口都站满了人。

上午，听完直播后，感触最深的是冷冰冰的数据：

豆包日均调用量突破了 50 万亿 tokens，一年涨了 10 倍；这意味着 AI 彻底告别了「文青时代」，进入了流水线计件的「重工业时代」。

01

很多人盯着 50 万亿的数字流口水，觉得字节的胜利，其实，你得看透这背后的「潜规则」。

以前企业用 AI，像去米其林餐厅吃顿大餐，那是偶尔显摆一下的“奢侈品”；现在日均 50 万亿 tokens 的规模意味着，AI 已经变成了路边的兰州拉面，成了天天得吃的“刚需”。

你会发现，已经有超过 100 家企业累计用量过万亿了，这意味着在这些公司里，AI成了流水线上天天「计件干活」的苦力。

但问题是，如果这“拉面”一碗卖几百块，谁特么天天吃得起？火山这次干的第一件事，把这笔账给算到了“地缝”里。

来看看一组市场份额，火山在公有云大模型调用量的份额已经占到了 49.2%，相当于中国公有云上每产生两个 tokens，就有一个来自火山。

别看现在各家模型都在卷性能，但市场是会「用脚投票」的；用的人越多，模型调优就越快，成本就压得越狠，这是一个停不下来的「规模效应」。

为了让这把火烧得更旺，火山搞了个「AI 节省计划」，这逻辑非常「字节」。

不管你用自家豆包，还是用 DeepSeek 这些外面的开源模型，只要你在火山上跑，所有用量都给你算在一起打阶梯折，用得越多，省得越多，最高能省快一半（47%）。

这解决了老板们最大的一个心病：试错焦虑。

以前你想换个新模型试试，心里得盘算半天，之前钱是不是白花了？现在启动成本高不高？现在好了，换模型不影响折扣，反正你只要在火山这个场子里玩，我就保你越玩越便宜。

再一个，他们还首创了「按思考长度付费」，这把 AI 的脑力活和体力活分开了，让每一分钱都花在刀刃上，底层逻辑就一句话：

只有当一个 token 的价格低到让企业心不疼的时候，AI 才能真正跑进烟火人间。

智远看那 100 多家「万亿 tokens 俱乐部」的成员就在干这事儿，海底捞让 AI 当用餐管家，华泰证券让 AI 生成播客，连猿辅导都让 AI 去批改作业了，这些是实实在在帮你省人力的「数字民工」。

可账算明白了，活儿就一定能干好吗？智远跟很多企业聊过，他们不差那点 tokens 钱，他们怕「工程大坑」。就好比你有钱买砖头，但你没本事让施工队在烂泥地上盖出一栋五星级酒店。

02

那为什么 Agent 总出不了实验室？有三个扎心的真相：身份权限搞不清、模型确定性差、还有那堆陈年旧系统的接入成本太高。

这还只是表象，最底层的第一道坑，「算力消耗」的隐形成本能直接把你拖垮。

吴迪在演讲里算了一笔极度现实的账：以前你想在核心业务里跑 AI，得自建推理集群，初期投入起码数百万，折腾几个月才能上线。

更要命的是，业务流量是有波峰波谷的，你为了应对那点高峰买了一堆昂贵的显卡，等流量一过，就只能看着它们在那儿白白吃灰。

所以，火山提出了一个新词：「推理代工」。

你来训练，火山来跑。你只要把加密后的模型传上去，底层的 GPU 运维、网络调度你全都不用管。火山的算力池子大，能做到分钟级的算力伸缩。

你的流量蓝线怎么走，它的算力绿线就怎么贴着你长；根据实测，用这种「云上代工」模式代替自建集群，硬件和运维成本能降下一半，吞吐量还能提升 1.6 倍。

搞定了算力，第二道坑就是「工程化」的烂泥地。

谭待在现场直言：现在大家缺的不是强模型，是为 Agent 规模化运行而设计的基础设施。

你想想，一个 Agent 要进入生产环境，它得知道自己是谁（身份）、能干什么（权限）、在什么地方干活（环境）；如果你没法解决这些问题，Agent 在公司系统里永远是个「黑户」，谁敢放权给它？

为了填平这些坑，火山这次把 Agent Kit 给彻底翻新了。

你不用纠结怎么给 Agent 建办公室（Runtime），也不用担心它聊两句就忘事，因为系统自带了一个记性极好、反应极快的「超级大脑」（Memory）。

最绝的是，以前老古董 CRM 系统，Agent 根本听不懂，现在配个「网关」就能实现即插即用，直接把老古董翻译成 Agent 能秒懂的方言。

连「监工」的事儿火山都替你想好了。它内建了安全护栏（Guardrail）和实时监控（Observability），就是为了防止模型在那儿胡言乱语。

所以，这种「精装房」模式最直观的结果是什么？一句话总结即：代码量的断崖式下跌。

火山现场演示了这次 FORCE 大会的报名和签到 Agent；如果按老办法写，起码得折腾一两千行代码，累死累活还容易崩。

在 Agent Kit 模式下，因为复杂能力都是开箱即用的，Agent 本身的逻辑代码只用了 50 行，后端串联只用了 11 行；加起来一共 61 行代码，砍掉了 96% 的工作量。

这就是，为什么别人还在实验室里慢吞吞地搓 Demo，而火山的 Agent 已经能出来帮几千人办会、签到、做总结了。

底座稳了，代码少了，那接下来该看什么了？得看「数字员工」的智商到底够不够。 这次豆包和多模态都进行了升级。

03

智远先强调一点：很多人看模型升级，习惯盯着榜单上的跑分看；说实话，对于企业来说，跑分高几分没意义，能不能把活儿干成才是唯一的指标。

这次豆包没有拿跑分炫技，底层逻辑非常清晰：它是面向 Agent 场景进行定向爆破的。

什么意思呢？

以往我们用 Agent 跑长任务，最怕「断流」。你想想，一个复杂的任务需要调用十几次工具，Agent 跑着跑着，上下文窗口就爆了，tokens 满了，它就开始胡言乱语或者直接断掉。

为了解决「短路」问题，豆包 1.8 出了一个杀手锏：「智能上下文管理」。根据你设定的策略，自动清理掉没用的历史信息，只留下最核心的逻辑。

现场演示了一个场景，处理十多个立项报告长任务，传统模型很快就撞到了天花板，任务被迫终止；但豆包 1.8 靠着这个策略，tokens 始终控制在安全线内，稳稳地把活儿干完了。

这就是从「聪明」到「专业」的跨越。

在 Tool-use（工具调用） 和复杂指令遵循上，豆包 1.8 在全球主流评测集上都拿到了领先的成绩，甚至在通用智能体测评中领跑全球。

不仅大脑进化了，豆包的「五官」也更灵敏了。

火山这次发布的视频生成模型 Seaweed 1.5 Pro，解决了一个行业公认的顽疾：「张口不发声」。

以前很多模型生成视频，画面很美，配上音效后口型对不上，或者语义不一致；Seaweed 1.5 Pro 做到了原生的音画同步，能支持多人跨语言对白，四川话、粤语、上海话随你挑，口型精准得吓人。

为什么要卷这个？因为字节看透了，未来商业内容生产是需要「灵魂」的。

还有一个很有体感的例子：豆包 1.8 能通过低帧率看完一个一小时长的监控视频，然后通过工具精准定位，帮你找出是谁划了你的车。

抽象吧？以后谁划拉你车，问豆包。这种对超长视频的理解能力，直接让 AI 从「看热闹」变成了「能断案」。

所以，模型升级的本质为了让 Agent 在真实业务场景里，不仅有「智商」，还得有「体力」和「眼力」。

但是，当你的 AI 员工既聪明又勤快时，问题又来了：你敢把核心数据交给它吗？企业数据的「信任危机」怎么破？

04

你去问一个企业老板：要不要用 AI 提效？他肯定点头。但你问，敢不敢把公司积攒了十年的核心知识库、财务报表、合同细节全喂给云端的大模型？

他大概率会陷入沉默。

这是所谓的「信任赤字」。中国企业生意就这样，很多企业为了安全，宁愿花大价钱搞私有化部署，哪怕算力利用率低得吓人，哪怕模型升级慢得像蜗牛。

火山引擎这次也给解决了；他们在现场给出的方案叫 Mars on AICC（机密计算）。

啥意思呢？

底层逻辑在云端服务器里，给你的数据和模型套了一个「隐形保险箱」，通过硬件级别的加密技术（CPU 和 GPU 内存加密），数据在传输和计算的过程中，除了你，没有任何人能看到里面的内容。

这有什么现实意义？谭代在现场举了上汽大众的例子。

他们有 5 万多份机密的内部知识库，搞私有化，那成本简直是天文数字；于是他们直接用了这套机密计算方案，在公有云上跑。 结果很有意思：

安全感拉满了，实现了端到端的加密，企业可以像在私有化环境里一样安全地使用云端模型；账面太好看了，相比于全套私有化方案，这套方案帮上汽大众节省了 60% 以上的成本。

这就是智远想说的「安全红利」。以前安全是企业的「负重」，你得为了它牺牲效率和金钱；现在通过技术创新，安全成了 AI 规模化的「加速器」。

不仅汽车行业，联想也在用这套方案搞 AI PC 的机密推理，OPPO 也在搞业界首款支持机密 AI 推理的智能手机。

当AI 员工在云端办公室里戴着「防窥膜」干活，而且老板手里还攥着唯一的钥匙时，信任危机才算真正解除了。

账算清楚了，房子盖好了，安全也保障了，这个 AI 员工就完美了吗？也未必；很多企业发现，AI 员工刚入职那天最惊艳，结果干了一年还是那副老样子。

05

那怎么让新Agent越干越聪明呢？火山引擎拿出了两把钥匙。

第一把钥匙，让 Agent 像人类一样通过练习来升级。 吴迪在现场分享了一个非常硬核的产品：Serverless RL（强化学习平台）。

火山把它做成了「冰山模式」，复杂算力调度、算法框架全沉在水下，用户在水面上只需要关注业务逻辑、数据闭环和 Reward（奖励函数）。

抖音客服就靠这个，让模型模拟真人客户不断跟它对话、纠错。 结果模型不仅学会了情绪识别，问题解决率还直接涨了 10 个百分点。

这就是「以赛代练」，让 Agent 在实战中从新兵磨成老兵。

第二把钥匙，让 Agent 真正懂你的生意。

以前AI 助手只能读读文档，根本碰不到公司商品库和真实用户行为；这次，火山深度升级了 Viking AI 搜索，把「搜索、推荐、问答」三合一，让 Agent 真正绑定企业的核心经营数据。

比如：服饰零售员工问 AI「下季度发哪些款」，AI会去分析库存，对比潮流数据，直接告诉你，这几款搜得多但库存不够，得赶紧补货。

这种不仅有智商、更有「业务感」的表现，才是真正的数字员工。

当然，光有钥匙还不够，你还得有个「管家」来盯着这帮 AI 员工。

所以，火山甩出了这次的重头戏，Hi Agent（企业智能体工作站）。 其中AgentSphere 预览版能帮企业打造一个统一的 AI 调度中心，不管财务、HR 还是产品经理，都能在这个空间里协同办公。

再加上那个能把豆包最核心的搜索、语音能力全部开放出来的 豆包助手 API，企业基本上是「开箱即用」。

说白了，火山这次通过Hi Agent、Viking 搜索、强化学习平台这一整套组合拳，给企业递上了一份实实在在的 AI 时代「员工入职手册」。

整场大会听下来，我最触动的是微山县小学。

通过豆包和 Hi Agent，孩子们能用 AI 画出怪想法，平均成绩提升了 10 分以上。这让我意识到，AI应该是老师手里的教具、老板手边的助手。

2026 年，火山引擎计划和 500 家企业机构合作，去推动 Agent 的落地；说实话，火山的方案很有意思：用一个 AI 助理（豆包）去疯狂练习、蒸馏出 Agent 的能力，然后，打通企业老掉牙的传统软件。

这让 Agent 真正长出了手脚，成了能进系统、干脏活的数字员工；再复用这一切，有意思的行业解决方案。