回顾豆包大模型近两年的AI征程，可以看到一条从技术验证、到平台构建、再到生态扩张的清晰轨 迹。 自2023年大模型热潮席卷全球以来，中国科技巨头纷纷入局。在众多玩家中，字节跳动旗下的豆包大模 型及其背后的技术平台火山引擎，走出了一条独特路径——不是简单地堆参数、刷榜单，而是以"模型 即服务"（MaaS）为基座，向企业级应用和终端设备双向渗透，构建覆盖"云-管-端"的全栈AI能力体 系。 截至2025年12月，豆包大模型日均Tokens使用量已突破50万亿，位居中国第一、全球第三；超过100家 企业在其平台上累计调用量超一万亿Tokens。这一数据背后，是一场持续两年、从技术演进到商业落地 的系统性布局。 谭待：AI市场将扩容10倍 在2025年冬季的FORCE原动力大会上，火山引擎总裁谭待正式提出"以模型为中心的AI云原生架构"， 并发布豆包大模型1.8、视频生成模型Seedance1.5Pro，以及AgentKit、HiAgent"1+N+X"体系等一系列支 撑智能体（Agent）规模化落地的基础设施。其技术叙事已从"拥有一个强大的模型"，升级为"提供一整 套让任何企业都能高效、经济地部署和管理自己AI智能 ...

" Agent Infra 之战，被火山推上了新高度。 " 作者丨林觉民 编辑丨 Kash 云厂商突围，今天已迫在眉睫。 在市场厮杀多年，云市场早已被"钳"得窒息——难以遏止的恶性价格战、难以标品化的项目、难以规模化 的高投入商业模式，就像一个泥潭，让厂商们深陷其中。 而被市场"炒了又热，热了又炒"的大模型，会是云厂商冲破泥潭的突破口吗？许多人如此相信，但如何突 围，答案还并不明朗。 12 月 18、19 日，字节火山引擎召开了 2025 年的冬季 Force 大会，以豆包大模型 1.8、视频生成模型 Seedance 1.5 pro 等新进展，决心在行业的坚壁上砸开一条"渠"，把 AI 的"活水"引进行业。 可以说，Agent 是今天 AI 实现突破的"超级共识"，但怎么发展 Agent，却仍然是厂商们众说纷纭的"多 元叙事"。 Agent Infra 平台——"AgentKit"，则是火山为了这场"大考"给出的答案。 今天，Agent 开发者平台不少，火山做 AgentKit 背后的逻辑是什么？这一切，或许早就可以从火山引擎 的发展史中，找到暗藏的草蛇灰线。 01 火山 MaaS 登顶 No.1，主要是抓 ...

AI Agent行业现状 - 2025年被普遍认为是"Agent元年"，To C和To B类型Agent成为行业焦点，To B类型Agent更贴近商业需求和真实场景 [2] - 行业呈现两极分化：一方面Agent应用繁荣，另一方面许多企业仍面临算力成本高、数据孤岛、场景价值模糊等落地难题 [2] - 2024年智能体构建平台中标项目570个，公开金额项目372个，总金额23.52亿元；2025年上半年中标项目已达371个，是去年同期3.5倍，接近去年全年三分之二 [3] - 火山引擎自2024年下半年起连续夺得中标数量第一，2025年上半年同时获得中标金额与数量双项第一 [3] 技术发展与商业路径 - 大模型产业从基础设施层向应用层延伸是必然趋势，应用层被视为更快拥抱新技术的路径 [4] - 企业更愿意为看得见的价值付费，自上而下的业务驱动模式更受青睐 [5] - 大模型商业模式演进：从卖算力(卡时)→按token收费→按使用量/订阅制→最终将按效果和价值收费 [6] - 智能体爆发需要达到技术临界点(大模型能力)、商业生态完善(工具使用协议等) [6] - 模型与智能体开发平台相辅相成，共同决定应用上限 [6] 企业落地实践 - 企业高层普遍高估AI Agent，一线人员容易低估，且多数企业将AI Agent视为传统软件工程，忽视其持续学习调优特性 [8] - 企业发挥新技术价值需要付出与技术服务商相当的精力，大模型生态分工尚未明确 [9] - 火山引擎HiAgent定位为"一站式智能体工作台"，提供数字员工全生命周期管理，实现从模型到应用全链路打通 [11] - HiAgent 2.0升级体现在"上下左右"迭代：向上提供行业模板库(0.8到1)，向下模应一体融入模型工具链，向左统一智能体入口，向右实现开发运营一体化 [15][16] 行业应用前景 - IDC预计2025年生成式AI优先落地办公助手等生产力场景，其次是金融、能源、零售、制造等垂直行业 [7] - 企业AI化路径：先迭代软件/硬件工具→业务流程变革→商业模式和组织形态变化 [7] - 没有通用智能体，智能体高度依赖场景，面临模型能力边界探索、工程实践缺乏等挑战 [7] - 未来软件应用将呈现Agent与传统模式长期共存的状态 [18] - 企业级Agent在垂直领域纵深远超消费级应用，并发能力等成为关键指标 [18] 基础设施与生态 - 大模型早期发展需要端到端把控，从芯片到云基础设施到大模型本身都不能有短板 [10] - Agent更依赖全栈基础设施，火山引擎注重模型效果和推理性价比投入 [20] - Agent天然具有用户黏性，源于数据沉淀形成的长期记忆和知识库 [21] - 相比传统云计算，Agent可能增加云厂商价值厚度，因其对基础设施的强依赖性 [20][21]

行业趋势 - 2025年企业级AI Agent成为技术落地价值的关键标准，市场关注点转向AI与业务流程深度融合及可衡量的投资回报(ROI) [1] - AI Agent赛道出现分化，包括技术基座型、生态连接型以及价值实现型等不同路径 [7] 迈富时 (02556HK) AI-Agentforce - 聚焦企业AI应用的"最后一公里"，提出"交付即运营"的智能体中台理念，强调可部署性、可运维性与可持续优化能力 [2] - AI-Agentforce 20深度融合Agentic工作流编排、RAG知识引擎与智能体DevOps全生命周期管理，支持自然语言快速生成并管理Agent [2] - 平台以"业务价值实现"为导向，提升线索转化、客户服务、运营效率等关键指标，获得光大证券、华安证券等机构认可 [2][3] 字节跳动HiAgent - 构建标准化、可拓展的通用智能体操作系统，支持大规模部署和跨场景复制 [4] - 集成"对话理解—逻辑判断—任务执行"三段式执行链，兼容字节系大模型并开放主流模型接入 [4] - 已在内部应用于内容审核、客服自动化、办公流程辅助等场景，逐步向外部企业提供SaaS化产品 [4] Dify - 开源智能体中台项目，主打"私有化部署+插件生态"，适配客服机器人、知识问答、业务助手等场景 [5] - 支持自然语言流程编排、数据调用、RAG问答、外部API插件接入，开发者可低成本构建适配自身业务的智能体系统 [5] - 在医疗、政务、制造等需要私有化部署的领域具备天然适配性，未来有望成长为中小企业智能助手中台底座 [6] 市场竞争格局 - 百度、华为走技术基座型"重"路线，阿里、腾讯依托生态系统构建"宽"路径 [7] - 迈富时代表的价值实现派通过回答AI如何解决业务问题及创造收益，成为关键竞争者 [7]

AI在医疗行业的应用 - 医疗是与人们日常生活关联最紧密的AI落地场景之一 大模型带来了从供给端改变医疗资源紧张的契机 [1] - 北京美中爱瑞肿瘤医院积极探索用AI重塑医院流程 依托火山引擎提供的豆包大模型和HiAgent等AI产品 提高医生作业效率和患者治疗体验 [1] AI提升临床诊疗效率 - 肿瘤病人病情复杂 医生需花费20-30分钟梳理病历资料 豆包大模型搭建"AI预问诊"智能体 患者可提前上传病史资料 大模型直接结构化总结给医生 [3] - 豆包大模型可筛选病患病例和临床实验入组条件 准确匹配符合试验条件的患者 无需医生逐一核对信息 [4] - 大模型多模态能力可评估患者面部表情疼痛级别 根据Wong-Baker量表实现AI分析疼痛等级 [4] AI助力医生知识迭代与科研 - 肿瘤领域临床医生年均参与超3,000例MDT会议 单次会议需调阅10余个医疗系统的关联数据 高频次跨系统信息检索导致诊疗效率边际递减 [5][6] - 豆包大模型和HiAgent平台探索学科专家"医助"、学习"助手"、科研"助手"等智能体 辅助医生进行病情研判 降低认知负荷 [6] - 大模型帮助医生基于语义快速找到目标文献 做论文精读泛读 高效筛选整理医学知识 为医生精准推送有价值信息 [6] 智能化医院平台建设 - 美中爱瑞联手火山引擎打造"智能化医院平台" 包括智能医疗云平台和数据平台 提升院内服务和管理效率 [7] - 火山引擎提供从基础设施、AI技术到应用编排及安全产品的全场景服务 涵盖数据集成到数据建模全过程 [7] - 火山引擎形成从需求洞察到方案落地的完整服务体系 包括基础云资源建设、安全合规保障、数据治理等多个维度 [7]

算力平权运动 - DeepSeek-V3以557.6万美元预训练成本追平硅谷巨头数亿美元研发的顶尖模型，标志"算力平权运动"开启 [1] - ASML首席执行官指出AI模型训练成本从数亿美元压缩至百万级将催生指数级市场扩容 [2] - 算法创新与开源生态协同瓦解算力垄断，技术民主化使创新成果流向中小企业与个人 [4] - 云厂商通过构建跨平台模型市场、优化调度算法等措施编织去中心化算力网络 [5] - 中国算力产业链重构，华为云昇腾AI集群将云计算基础设施价值提升至数字经济治理层面 [5] 火山引擎技术突破 - 火山引擎实现DeepSeek模型高度对齐官方，精度不打折，支持V3/R1等不同尺寸模型 [8] - 在AIME测试中成为唯一实现"满血可联网版"服务商，复杂多轮对话能力与原生模型无异 [9] - 推理延迟压降至30ms，目标稳定在15-30ms区间，API响应性能全面领先行业 [11] - 实现完整回复率100%，API可用性达99.83%，服务稳定性行业最优 [12] - 提供500万TPM限流阈值，支持每分钟1250次复杂推理请求，突破传统API吞吐限制 [14] 金融行业应用 - 已服务60余家金融机构包括国信证券、平安证券等，覆盖投研投顾、风控合规等场景 [15] - AI一体机提供私有化部署方案，搭载veStack统一底座保障金融数据安全 [17][18] - 全栈自研推理引擎深度优化算子层、调度层，缓解金融行业"算力饥渴症" [19] - 轻量化方案降低金融机构AI转型门槛，破解"创新桎梏"重塑行业竞争力 [19][20] 全栈AI生态构建 - 提供豆包大模型、HiAgent、扣子等全栈服务覆盖语言、图像、视频等多领域 [22][24] - 火山方舟平台提供模型训练、推理、评测全流程服务，支持第三方模型接入 [25] - 扣子平台独家支持DeepSeek工具调用，降低开发者门槛构建智能体生态 [25] - 形成从底层硬件到上层应用的完整AI生态链，推动行业智能化转型 [25][26]

颠覆式新技术发展路径 - 颠覆式新技术往往始于前景不明的实验，经过多次迭代找到市场需求契合点后发展壮大，如AWS从商品数据库查询演变为全球最大云计算平台[3] - 大模型应用当前处于早期探索阶段，Chatbot类应用30日用户留存率仅6%，行业正通过功能叠加、产品嵌入和Agent开发寻找突破口[3] - 字节跳动采取全面布局策略，开发10多个C端大模型产品同时在企业服务市场发力[3] 火山引擎HiAgent平台定位 - HiAgent定位为企业大模型应用开发平台，类比Android系统中的SDK，帮助企业降低开发门槛[4] - 产品开发采用敏捷模式，10多人团队边测试边迭代，未采用传统"谋定后动"方式[5] - 解决企业五大痛点：AI人才不足、数据泄露担忧、专属应用开发难、系统集成复杂和效果评估困难[6] 大模型应用落地趋势 - 重点布局人力密集且流动大的场景（客服/导购）和知识密集且人力成本高的场景（科研/法律/教育）[10] - 上线7个月签约100+客户，包括宁德时代、飞鹤、华泰证券及浙大等高校[11] - 观察到两大落地趋势：非技术人员直接参与开发（如浙大师生）和复杂场景需知识增强（如电池公司）[12][13] HiAgent核心功能升级 - "普敏捷"功能降低使用门槛，支持无代码开发，上线100种行业模板实现"一键复刻"[12] - "图知识"功能采用GraphRAG技术，提升碎片化知识处理能力，较传统RAG提高回复准确性[14] - "富交互"功能融合自然语言与图形交互，推出生成式画布，支持大小模型结合[17] 大模型对云计算格局影响 - 大模型重塑云计算竞争格局，GPU需求打破传统CPU算力规模优势，后发厂商获得新机会[20] - 火山引擎未投资创业公司但大模型IaaS市场份额已升至国内第二，带动传统云服务增长[23] - 豆包模型日均tokens使用量达40000亿，较5月增长33倍，形成模型与平台互促的飞轮效应[21] 企业知识资产构建 - 大模型普及将抹平企业技术优势，知识增强工程成为新竞争壁垒[15] - 头部电池公司案例显示，有效知识工程需结合文档数据、专家经验及员工反馈进行多维度校准[14] - 火山引擎推出独立AI咨询服务，协助企业完成从数据到知识的转化过程[17]