字节AI全景：从豆包到全系产品布局的秘密

一、总览以及结论

先说结论：字节在AI领域走得激进，高举高打，布局极广，投入极猛，迭代速度也快得惊人。目前已经在多个赛道上跑出了全球头部的AI应用，成绩斐然。但需要指出的是，字节更擅长产品功能的设计与包装，而在大模型本身的底层能力上，并没有建立起对竞争对手的明显优势。

从整体布局来看，字节跳动的策略非常清晰：依托其强大的资源储备，在赛道上采取“全方位布局”，在产品上则奉行“头部产品集中力量，新型产品快速迭代”的打法。目前来看，这套组合拳效果显著。从生态上观察，字节在对话、助手、虚拟社交、图像、视频、智能体、办公、社区、音乐、编程、教育、电商、硬件等几乎所有你能想到的领域都有所布局。其中，在对话/助手、教育、图像、智能体这几个领域，已经诞生了全球顶流产品。

在应用生态中，字节的头牌是“豆包”大家族。它不仅包含多个通用及垂类大模型，还有同名的AI助手产品，影响力巨大。目前AI助手“豆包”的日活跃用户已经突破千万，是全球排名第二、中国排名第一的AI类App。除了豆包，教育领域的Gauth、图像领域的Hypic、智能体领域的Coze，也都是各自赛道上的全球头部应用。值得注意的是，字节极其重视海外市场，几乎所有重要产品都在国内和海外同步布局，而且在海外已经积累了相当的影响力。

总结一下字节AI产品的特征：布局全而广，几乎是全方位无死角；头部产品热度极高，敢于集中力量抢占市场；产品功能设计出色，对AI能力的封装设计在行业内处于领先地位；迭代速度极快，产品换代频率高。但硬币的另一面是，字节大模型本身的能力在业内并不算突出。其豆包大模型的能力上限，按SuperCLUE测评，全球排第16，中国排第10，和同行相比没有优势。目前它最大的竞争利器，是在一定能力基础上的低价策略。

二、布局概览

字节跳动在AI领域采用了激进的“高举高打”战略。凭借其强大的资金、算力、场景和技术资源，在赛道上全面铺开，在产品端则集中火力打造头部应用，同时快速迭代新产品。

在模型层，字节不仅卷了各家都在做的LLM（豆包大模型），还布局了视频生成、多模态以及特化的口型同步、TTS等能力。在应用层，基于模型层的广泛布局，产品覆盖了基础的聊天、虚拟陪伴、音乐等场景。当中既有豆包、即梦这样的国内爆款，也有CapCut、Gauth这种在海外取得成功的产品。

这套战略帮助字节在全球AI市场——尤其是消费端市场——迅速建立了影响力。凭借其强大的产品设计、迭代能力，以及流量拉升和维系能力，多款产品已经跻身全球头部AI产品之列。2024年8月，Andreessen Horowitz发布了第三期全球AI产品榜（分为网页端和移动端）。在该榜单中，字节跳动共有5款产品占据了6个位次，其中豆包AI助手在网页端和移动端分别上榜，成绩非常突出。榜单发布以来，字节上榜产品的数据，比如豆包、Hypic、Cici、Gauth等，都有了显著的进一步提升。

三、核心重点——豆包家族

豆包大模型

豆包大模型是字节AI生态的基石。它包括一个通用大模型，以及在此基础上构建的全方位垂类模型生态，是字节在生成式AI领域影响力最大、热度最高的品牌。2023年8月，“云雀”成为首批通过备案的人工智能大模型；2024年5月，“云雀”更名为“豆包”。5月15日，在火山引擎原动力大会上，豆包大模型家族产品矩阵正式发布。目前，豆包家族的矩阵还在不断扩充，新的模型如PixelDance等持续推出。它已经成长为国内C端用户规模最大的大模型。作为垂类大模型，豆包支持视频生成、文生图，甚至是函数调用与向量化等功能，价格低至0.0003-0.0008元/千token。

豆包在模型能力上位居全球前列，但与主要竞品相比并没有显著优势。根据SuperCLUE测评结果，豆包大模型的综合能力全球第16，中国第10。除了和o1的差距较大外，与其他主流大模型之间的差距并不算大，整体位于第二梯队的末段。

实际上，价格才是豆包大模型的核心竞争力之一。它在同类模型版本上的价格显著低于国内主要竞品，尤其是在128k/256k的模型版本上，优势非常明显。不管是智谱还是月之暗面，主流版本的价格都不如豆包，更不用说高端版本价格更贵的文心一言了。

豆包AI助手

在产品层面，字节将豆包大模型的能力进行了整合和封装，推出了同名的AI助手产品“豆包”。它囊括了文本、图像、语音等多种能力，并针对搜索、聊天、分析、生成、翻译等多个场景做了定制化设计。目前有4种产品形态：PC端、移动端、网页端和浏览器插件。每种形态都做了很好的适配设计，尤其是浏览器插件端的网页助手和阅读功能，体验很出色。网页端是传统的对话式AI界面，左侧菜单栏有常用对话类型和历史记录。移动端是传统的聊天框形式，分为“对话”、“发现”、“通知”及个人主页等页面，同样支持用户自己创建智能体。PC端的界面和功能与网页端、浏览器插件类似，也提供桌面环境下的AI划词翻译、AI阅读PDF等功能。浏览器插件日常以小图标形式显示在页面边缘，可以一键翻译、总结、截图识文字、收藏页面等。

自上线以来，豆包的成绩非常亮眼。移动端日活已破千万，在AI类App中全球第2、国内第1。网页端月访问量也达到1710万，在AI类网站中全球前40、国内前5。与国内主要竞品相比，豆包在移动端的领先优势非常明显，MAU是第二名文心一言的4.08倍；在全球也仅次于ChatGPT，MAU达到了后者的20%。但在网页端，豆包排名国内第三，仅次于Kimi和文心一言，全球范围内则相对较弱，月访问量仅为ChatGPT的0.45%。

豆包的强势表现，除了产品自身的质量，也离不开字节的买量投入。自2024年5月豆包家族发布以来，字节在豆包的广告投流上进行了大力投入。整个第三季度，豆包的投放素材达到71万组，投放金额达到2亿元，领先所有国内AI应用。不过进入10月之后，豆包的广告投放有所放缓，而Kimi则继续采用激进的买量打法。

四、其他产品——产品端

海外豆包——Cici

Cici是豆包的海外版，同样由豆包团队推出，功能和设计与豆包基本相同。当前App MAU达到1226万，已跻身AI赛道全球前30，与国内文心一言的水平持平，有不俗的影响力。

扣子——Agent助手

扣子是一个AI应用和智能体开发平台，其三大核心特征包括：无编程基础也能开发AI应用和智能体；以对话聊天Bot形式提供服务；支持发布到公域社交平台等外部渠道。其海外版为Coze，核心服务是为用户提供快速开发AI应用和智能体的平台，支持插件、知识库、记忆、工作流等多种能力。智能体搭建的流程很清晰：创建智能体（支持模板或自然语言AI创建）、编写提示词、添加技能（如多模态理解、联网搜索）、预览、调试与发布。Coze还提供多角度的开发和发布支持，包括插件、知识库、工作流与记忆、外部大模型API（支持百川、Kimi等），并支持发布到飞书、抖音、微信小程序等。商业化方面，Coze分为免费的基础版和付费的专业版，费用主要包含智能体调用费、知识库空间费、大模型Token费三种。产品数据上，Coze的C端属性较弱，整体表现普通，国内热度尚可，但在海外AI赛道中热度偏低。

猫箱——角色演绎

猫箱（原“话炉”）是一款AI虚拟角色与剧情互动应用。用户可以与多样化的虚拟AI角色实时聊天，共同演绎剧情故事，还可以自己创建角色和故事剧本。海外版为Anydoor。目前“猫箱”月活已增长至374万，近期数据持续上升，但海外版有下滑趋势。App的首页采用类似抖音的信息流推荐机制，用户通过上划浏览不同的虚拟角色，支持文本和语音两种对话方式，对话中也包含动作、神态描写。用户还可以自己创建虚拟角色和故事剧本，App也提供热门的故事模板。

星绘——对标妙鸭相机

星绘主打AI相机和写真生成，对标“妙鸭相机”，为用户提供个性化的图片和AI分身生成服务。海外版为PicPic。目前星绘App月活已超120万，大约达到妙鸭相机40-45%的水平。PicPic近期在日本等地进行了大力推广并有所成效，但整体热度对比竞品仍然较低。星绘的核心功能包括AI分身/写真的制作（用户上传3-20张照片即可生成数字分身，之后可进行穿搭、发型、场景、风格等变更），以及图片处理功能（如AI文生图、AI扩图、AI编辑、AI修图等）。

即梦——图像/视频生成

即梦（海外版为Dreamina）由字节剪映团队推出，是一个AI图片+视频生成平台。它支持文字和图片输入，此外还有图片编辑、智能画布等多个功能，可以进行精细化的操作调整，给创作带来很大便利。目前已与剪映/Cupcut深度绑定。数据上，即梦和Dreamina的月访问量均在120-130万左右，整体热度中等。其核心功能包括：视频生成（支持文生视频、图生视频，可手动操控运镜、调节速度，支持手尾帧输入生成可控视频，以及基于文字自动对口型）；图像生成（支持文生图、图生图，可局部编辑和调整）；以及智能画布和创意社区功能。

剪映/Cupcut——AI赋能视频创作

除了“即梦”这个独立AI工具，剪映及其海外版Cupcut也集成了大量AI功能。它们最早是依托抖音/TikTok起家的视频剪辑软件，后来凭借字节的AI能力，上线了大量AIGC功能来赋能用户创作。不过，剪映并非AI原生应用，其数据表现仅供参考。目前剪映的AI功能以即梦为主，同时涵盖了字节内部其他团队和产品的AI能力，如即创、海绵、大模型团队等。主要AI功能包括：AI故事成片、AI作图、AI商品图、视频翻译、数字人口播等。

醒图——全能修图

醒图（海外版Hypic）是一款全能修图App，为用户提供强大的修图和图片编辑支持。它的市场表现非常突出：醒图近三个月平均日活617万，而Hypic的月活更是达到了1868万，跻身全球前15大AI App。其核心功能分为修图（提供类似美图秀秀的AI修图功能，以及各类滤镜、智能调色、批量修图等）和图片编辑与设计（提供抠图、提高画质、拼图、消除等功能，以及大量预制模板，尤其是商品图和社媒型设计模板）。

Gauth——专注海外的教育AI

Gauth于2020年推出，定位为AI学习搭子，是字节专注海外的教育类AI应用，以解题答疑为核心。它最初立足于数学学科辅导，现已扩展至物理、化学、生物、经济、文学、商科等学科，不过稳定性仍有待提高，时有翻车现象。Gauth在教育和AI两个赛道上都已是全球顶流：App月活达1626万，网页端月访问量近2000万，已成为美国地区热度前3的教育类App。其核心功能主要为解题答疑（上传问题截图/PDF或手动输入，提供分步骤的答题思路和答案）和学习辅助（提供软件教学辅助、写作辅助、多语种学习辅助等）。

豆包爱学——面向学生群体的教育AI

豆包爱学（原“河马爱学”）是一款AI教育App，提供解题答疑、作业批改、作文辅导等全方位教育辅导功能，旨在成为学生和家长的全能学习助手。目前App日活已接近80万，近三个月增长迅猛，从5万增长至75-80万，已进入国内iOS应用免费榜前200。其核心功能包括拍题答疑、批改以及作文辅导，主要针对国内学生辅导场景。它支持单体和整页拍摄，提供错题本功能，AI还可协助筛选必练题。作文方面，它支持语文和英语作文辅导，AI可以生成作文或提供思路。

其他应用

小悟空——个人助理&办公助手
小悟空前身是“悟空搜索”，后转型为AI对话助手和个人助理。整体功能与豆包类似，但更侧重功能性和个人助理场景，提供了更多预设好的、开箱即用的工具和智能体，比如PPT生成、视频脚本生成、模拟面试等。不过热度表现不佳，网页端月访问量约3.4万，App端日活仅数千人。

即创——电商内容创作平台
即创是为电商场景打造的AI内容创作平台，提供电商相关的视频、图文和直播创作，包括AI生成脚本、数字人、带货图文、直播间背景等。10月网页端月访问量38.2万，较9月略有下降，热度尚可但存在下滑风险。

海绵音乐——AI音乐生成
海绵音乐是一款AI音乐创作平台，旨在用AI技术生成个性化音乐。它支持灵感关键词生成歌词、自定义参数生成旋律、一键生成随机歌词，并支持多种情感和风格选择，比较擅长中文歌曲的生成和处理。其网页端月访问量约3.5万，App端日活仅数千人。

MarsCode——AI编程助手
MarsCode是豆包旗下的AI编程工具，支持代码补全、生成、优化、注释等，支持AI模板和创建AI插件，并提供云端集成开发环境。网页端10月访问量8万。

炉米 Lumi——AI模型共创社区
炉米是字节新近孵化的AI模型分享社区，目前为白名单测试阶段。它提供模型分享与管理、Workflow搭建、LoRA训练三大功能。

Ola Friend——AI智能体耳机
2024年10月10日发布，接入豆包大模型，与豆包App深度绑定。用户戴上耳机后，无需打开手机即可通过语音唤起豆包进行对话，售价1199元。

五、其他产品——模型端

BuboGPT是多模态大模型，2023年推出，支持文本、图像、声音三种模态，并能将三模态联合打通，比如通过文字描述加图像和声音，精准识别声音的来源。

AnimateDiff-Lightning是视频生成模型，2024年提出，能从AnimateDiff SD1.5 v2模型中提炼出多种蒸馏模型，支持8种镜头运动，10秒内就能生成一个2秒的视频。

SeedEdit是图像编辑模型，豆包团队2024年11月推出，支持“一句话轻松改图”，包括修图、换装、美化、转化风格、在指定区域添加或删除元素等，目前已在豆包PC端及即梦网页端开启测试。

ResAdapter是分辨率适配器，2024年推出，用于解决Stable Diffusion等模型生成超分辨率图像时出现的肢体异常和画面崩坏问题。

MagicVideo是视频生成模型，V2版本于2024年推出，能根据文本描述生成高审美价值、高分辨率和平滑度的视频。

X-Portrait 2是单图驱动视频生成模型，由字节跳动和清华大学联合推出，能基于一张静态照片和一段驱动视频，生成高质量、电影级别的视频，并支持跨风格迁移。

Boximator是视频编辑技术，2024年推出，能让用户通过简单的操作控制生成视频中主体的运动轨迹，物体将严格按照用户绘制的位置和路径运动。

SDXL-Lightning是图像生成模型，2024年推出，从Stability AI的模型中提炼出来，在快速出图的同时保持较高图像质量。

SeedTTS是文本到语音模型，2024年推出，能生成与人类声音高度相似的高质量语音，支持对情感、语调、说话风格等属性的精细控制，并具备零样本学习能力。

GR-2是机器人大模型，2024年由ByteDance Research推出。它在预训练阶段“观看”了多达3800万个来自各类公开数据集的互联网视频以及500亿个tokens，在微调阶段展现出卓越的多任务学习能力，在超过100个任务中实现了平均成功率97.7%。

六、总结

产品布局
整体来看，字节AI产品的核心优势是赛道布局广泛、功能覆盖多样，产品整体的设计和AI能力封装十分出色。但大模型本身的能力在行业中并不突出。豆包在文字创作、中文理解等方面的能力较好，但与其他国内GPT类应用相比拉不开明显差距。同时，在长文总结、联网搜索、数据处理、翻译等方面的能力上，较Kimi等直接竞品有一定的劣势。整体而言，与其他国内竞品相比，最多可称作“各擅胜场”，无法占据领先地位。此外，大模型的盈亏问题当前仍未能解决。相比ChatGPT，豆包作为C端免费产品，收入低，亏损问题更加突出。

整体战略
字节在AI领域采用激进的高举高打战略：布局全、投入大、迭代快。目前已在多个赛道跑出全球头部AI应用，成绩斐然。它在产品功能设计和包装上非常出色，但在大模型能力上与竞争对手相比并无优势。字节依托其强大资源，在赛道上采取“全方位布局”的策略，在产品上采用“头部产品集中力量，新型产品快速迭代”的打法，取得了不错的成效。从生态上看，字节在对话、助手、虚拟社交、图像、视频、智能体、办公、社区、音乐、编程、教育、电商、硬件等几乎全领域都有布局，其中在对话/助手、教育、图像、智能体领域已有全球顶流产品。

应用生态上，字节的头部AI应用为豆包大家族，影响力巨大。豆包AI助手日活已破千万，是全球第2、中国第1的AI类App。除豆包外，教育领域的Gauth、图像领域的Hypic、智能体领域的Coze均是全球头部的AI应用。字节在应用生态上十分注重海外市场，多个产品均在国内、海外同时布局，在海外已取得一定影响力。

整体来看，字节AI产品应用的特征为：布局全而广，多领域全方位布局；头部产品热度高，集中力量抢占市场；产品功能设计出色，对AI能力的封装设计在行业处于领先地位；迭代迅速，产品换代频率高。另一方面，字节大模型本身的能力在业内并不突出，其豆包大模型能力上限为全球第16、中国第10，在能力上与竞对相比并无优势。其当前最大的竞争优势，是在一定能力基础上的价格低廉。