不甘只做AI 应用工厂，字节跳动补课大模型
声明:本文来自于微信公众号光锥智能（ID:guangzhui-tech），文|郝 鑫，编|王一粟，授权站长之家转载发布。
光锥智能获取最新独家消息，继2023年8月首发后，今年4月，字节跳动旗下的大语言模型云雀大模型即将迎来重要版本的升级更新。
八个月一次的更新频率放在大模型市场确实少见，在这样内卷的大模型中，字节显得有些另类，冲刺迅猛如百川智能，前期平均一个月发布升级一款大模型。
但回顾过去一年，字节并不甘愿躺平，与国内外大模型公司“先通用大模型，后产品应用”的思路不同，素有“应用工厂”的字节选择在有一个云雀大模型的基础上，狠、准、快地押注AI原生应用。
先是从组织层面着手，2023年下半年，字节开始整合大模型团队和其他业务小组，成立专注于AI创新业务的新部门Flow，部门也成为字节在AI技术研究和研发产品的排头兵。
再是像一架庞大制造机器，半年多的时间里，字节疯狂地向国内外市场输送了十几款AI产品;与此同时，也在产品研发过程中积累和发表了一批图像生成、视频生成的基础技术研究成果。
如今，字节就像是在产品和市场领域摸爬滚打完一圈后回来，带着更多元化的视角来审视基础大模型本身。
作为互联网新贵，字节没有经历过2016年兴起的大厂AI实验室浪潮，反而是用AI算法技术和图文、视频结合，相继创造出了今日头条和抖音的爆款应用。
据最新披露，字节2023年Q3营收309亿美元，已经超过了腾讯。新王登基后，摆在字节面前的问题也很清晰，如何利用自己的优势补齐落下的课，赶上新一波的AI浪潮?
AI应用制造工厂
半年上线十一款产品
“加强危机感，始终创业，逃逸平庸的重力”，2024年伊始，字节CEO梁汝波就定下了全年的目标。
要说最贴合梁汝波所说的创业属性的，莫过于字节去年成立的Flow。
去年8月云雀大模型正式发布，并同时宣布开始对外测试AI对话产品“豆包”，字节立即奔赴至下一个应用的战场，云雀大模型逐渐隐去在了铺天盖地的消息中，转而成为了豆包等一系列AI产品背后的“底座”。
九月份，字节新成立的Flow接棒成为主力。据公开报道信息梳理，字节抽调了大量高管人才掌舵，大模型团队的负责人朱文佳同时负责Flow的业务线，字节技术副总裁洪定坤负责Flow的技术线，字节产品与战略副总裁朱骏负责该部门的产品线，同时还有飞书的产品副总裁齐元俊加盟。
（光锥智能根据公开报道梳理制成）
在字节大举进军之下，实现了多个应用，多点开花的局面。据光锥智能不完全统计，从去年八月到现在，半年多的时间内，字节在海内外共测试、上线了十一款AI应用产品，一款图像类的产品Picpic还未上线，这其中由Flow团队主导研发的产品有八款。
从产品类型来看，字节选择的方向主要集中在Chatbot、虚拟角色、Agent和图像四个主要方向，基本覆盖了去年大火的应用层创业方向，比如Chatbot领域有一骑绝尘的效率产品 ChatGPT，虚拟角色领域有用户数量可观的Character.AI，Agent方向上有OpenAI推出的GPTs等等。
多个方向出击，遍地开花，这样的画面仿佛一夜又回到了抖音诞生的前夕。入局AI应用赛道，字节再次采用了“内部赛马”的策略，国内通过云雀大模型提供能力，国外基于GPT提供服务。很多时候把海外当试验田，先国内一步上线类似的产品，去跑市场和用户数据，为国内上线作准备。
此外，字节也很清楚自身的优势在哪里，抖音和Tiktok两个流量大池，天然成为了字节引流和拉新的利器。据光锥智能观察，字节专门开设了豆包的“带货直播间”，向进入直播间的用户介绍豆包的功能，宣传可免费下载App。此外，字节也邀请了大量的抖音达人为豆包站台，在段子里植入了豆包的新功能。
（图源:抖音）
或许正是因为流量的牵引，发布时间晚的豆包在认知度和月活上已经超过了百度的文心一言。据报道，有消息人士透露豆包的月活已于去年12月增长至200万，2024年1月份则在此基础上翻了一番，豆包的月内平均日活已经完成了对文心一言的反超。
从字节自身业务角度来看，除了Flow，飞书、剪映、字节新加坡公司、巨量引擎、大力教育等多个部分也在试水和上线AI工具和产品。自从Sora问世以后，AI视频赛道再燃战火，字节的剪映业务也被寄与了厚望，张楠辞任抖音集团CEO一职领队剪映团队，从目前来看，剪映已经上线了 AI 克隆音色、AI 作图、AI 绘画、AI 生成口播等功能。
（图源:剪映）
字节在 AI 视频上推出产品也许只是早晚的事情，在技术储备方面，字节已经积累了视频生成模型MagicVideo-V2、视频编辑Boximator、视频生成研究 PixelDance，并从谷歌视频生成模型团队挖过来了对口人才。
已有消息称，字节正在AI大模型领域秘密研发多个产品，其中包括多模态数字人产品以及AI生图、AI生视频产品。
字节不急于改旧业务，而利用单点的能力放射去内部赛马，一方面是为了测试市场，一方面也在探索如何把AI嵌入到原有的业务流中。
比如在飞书业务线中推出了“智能伙伴”，用Agent的技术来改变传统的工作流，实现办公场景下的内容创作、内容总结、数据分析等功能，达到个人和企业的降本增效。哪些地方要发挥 Agent的能力，哪些地方要运用文生图的能力，哪些场景要调用对话推理的能力，这些都要在落地过程中去检验。
飞书CEO谢欣曾在发布会上表示，未来AI的能力一定会变得非常强大，各行各业都会发生巨大变革。但目前AI能力还很有限，不一定能让每一项任务都如期所愿，“当下更重要的是先让自己做到AI Ready”。
重回主战场
补课大模型
梁汝波在2023年底年会上反思，“字节对技术的敏感度不如创业公司，直到2023年才开始讨论GPT。而业内做得比较好的大模型创业公司，都是在2018年至2021年创立的。”
梁汝波的言外之意是，字节的大模型慢了。
去年3月百度发布文心一言，随后华为、阿里迅速跟进发布大模型，而直到8月中旬，抖音云雀大模型才姗姗来迟。
关于字节大模型团队消息，最早可追溯至去年1月份，36氪曾报道，字节在当时组建了首个大模型团队，包括语言大模型团队和图片大模型团队。其中，语言大模型团队由字节搜索部门牵头，图片大模型团队由产品研发与工程架构部下属的智能创作团队牵头。
彼时，ChatGPT和Midjourney都已经爆火出圈。或许是看到了这两类背后路径不同的产品，再考虑到旗下的一系列产品如何改造，字节从最初组建团队，就选择了技术、产品两条腿走路。但大模型是大部分AI应用的底座，想要研发产品首先得有一个大模型。
云雀大模型正好承担了这样的角色，大模型刚一落地，字节就迅速同时开启了AI应用研发，但大模型性能上的不成熟，也一定程度上影响了AI应用的落地。
首先是从时间线上来看，相同功能的产品，国外上线的时间要早于国内，比如类GPTs平台扣子国内开放时间比国外滞后了两个月。即便国内的扣子上线后，但还是有很多中国用户选择国外版的Coze，原因在于可以直接调用 GPT-4turbo的能力。
模型能力的高低之分，也会体现在产品的使用效果上，比如近期剪映海外版CapCut也推出了文生成视频功能，但有用户反馈，该功能在视频清晰度、对提示词理解和生成等待时间方面都差强人意。
这就导致了，在产品战场大杀四方的字节，不得不回过头来补课大模型。
不过对字节而言，对标OpenAI 没有太大意义，思考适合自己的大模型路线才是出路。
从公开资料来看，字节在AI方向的发力点还是集中在图像、视频领域。大模型方面，字节目前推出了通用大语言模型云雀和支持文本、图像、音频三种模态的多模态大模型BuboGPT;图像视觉方向上，去年推出的MagicVideo-V2视频生成模型曾经在国内外掀起了一波热度，可以实现让静态图片中的人物动起来。字节之后的研究继续在视频方向上延伸，包括如何通过输入文本控制人物动作，如何增进视频的动态效果等。
（光锥智能根据公开报道梳理制成）
由此看来，字节还是借鉴了OpenAI的做法，也就是在GPT大模型之外，把各种单点能力拉到最满——语音方向有Whisper模型，图像方向有DALL·E系列，视频方向有Sora。
由于单点能力的突破也依赖于底层大模型的能力，特别是Sora提供了一种思路，即Transformer大模型架构可以与图像生成模型相结合，这意味着大模型的推理、理解能力会影响最后的视频生成逻辑。所以，在基础大模型上，包括字节在内的所有大模型公司，都依然不能忽视。
除了在视频模型上补足能力，字节也从团队人才配置上下足了功夫。组建初期，抽调原新加坡负责TikTok技术负责人朱文佳带领大模型团队，后又令其同时负责Flow的业务线。一个排头兵性质的部门Flow，集结了字节的技术副总裁、产品与战略副总裁、飞书产品副总裁。近期，又被曝出谷歌视频生成模型VideoPoet研究负责人蒋路加入了智能创作团队，据悉，VideoPoet的思路与Sora世界模型的思路有很大的相似性。
Sora爆火后，有不少人将抖音前CEO张楠亲自带队的剪映与其相提并论，但实际上，张楠仍然是更侧重于产品层面。而真正的字节版Sora，必须要在上述这些科学家和技术负责人带队的团队中诞生。
广告&云业务
AI对字节的影响比想象中更大
去年一年，字节跳动创始人张一鸣将主要精力都花在了AI上，这对于受益于上一代AI技术（推荐算法）的最大受益者来说，的确具有不同凡响的重要意义。
AIGC最终生成的是内容，天然就是对内容生产形式的变革。相对于其他公司原有的电商、搜索、社交等业务属性，抖音的基因本身就是内容，因此，这波大模型浪潮对字节的战略意义，可能会远大于其他公司。
虽然，ChatGPT-4诞生刚满一年，大模型和 AIGC 技术落地产业仅迈出了第一步，但是关于未来公司业务增长的想象力或许才刚打开。
以百度为例，其刚发布的2023年全年财报数据显示，AI 已经给百度带来了实际的效益。All in 大模型的这一年，让百度搜索、广告等老业务焕发生机，曾经低迷的云计算业务也看到了新的增长动力。
2023年百度核心收入1034.65亿元，归属百度核心的净利润274亿元，同比增长38%;大模型正在给百度带来越来越多的商业收入，四季度内，仅大模型带来的收入增长就达到了6.6亿元，百度智能云的营收也来到了84亿元;根据摩根士丹利的预估，2024年百度的广告收入有望实现7%的同比增长。
虽然对字节来说，这点增长远远纳入不了自己的眼睛，但不少业务线也依然具有一定的借鉴和参考价值。
据光锥智能了解到，受大模型浪潮影响，字节的云计算业务火山引擎的营收增长也比较可观。得益于字节前期储备了大量英伟达的GPU，很多大模型创业公司都愿意主动加入到火山引擎的生态中，从而拉动了火山引擎的增长。
虽然第一波先靠卖算力赚到第一桶金，但对火山引擎来说，未来靠使用这些大模型公司的算法而再次为云计算业务付费的客户，才是更吸引人的。
而对字节赖以生存的广告业务而言，大模型的影响力还尚未施展。目前，已经有百度、网易有道在内的几家公司都提到，大模型对其广告转化都有促进作用。这对抖音、今日头条等业务，无疑也是一个好消息。
为了提升营销效率，抖音旗下的营销平台巨量引擎，也在1月23日，发布自动化技术品牌 UBMax（优必投），立足应用下载、线索留资、电商引流三个场景。
另外，火山引擎也推出了非常具有字节特色的产品——火山引擎智能创作云，这是一个批量生成视频的智能SaaS平台，主要帮助电商卖家批量生成商品素材。虽然目前市场上做此类产品的公司非常多，也有一些是抖音的深度合作伙伴，但对于同时拥有技术和场景的公司，也只能是字节才能做到。
综上所述，总体来看，字节在AI的投入上还是趋于保守，更注重对实际业务能产生价值的产品，而对前沿技术的投入才刚刚起步。
这也和字节近一年的聚焦战略有关，近一年，字节几乎清退或削减了所有与核心业务无关的业务条线，比如Pico、游戏。
核心业务强势的时候，发展可以掩盖一切问题。字节季度营收依然可以保持40%以上的同比增长，已经羡煞其他所有国内公司，但对字节和张一鸣来说，梦想还是要有的。
