國(guó)內(nèi)電商在有淘寶京東這兩個(gè)巨頭的情況下，抖音電商還是殺出了自己的一條路，而且僅僅才用了3年的時(shí)間。這篇文章，作者就梳理了抖音電商的發(fā)展歷程，一起來(lái)學(xué)習(xí)一下。

不服不行，抖音電商從圈外到圈內(nèi)僅用了3年

一、發(fā)展歷程

2020 年：抖音電商 GMV 近 2000 億元，還為其他電商平臺(tái)導(dǎo)流 3000 億 GMV。6 月，抖音電商負(fù)責(zé)人康澤宇提出打造獨(dú)立字節(jié)跳動(dòng)電商生態(tài)的設(shè)想，希望商家和品牌通過(guò)抖音小店在抖音內(nèi)完成交易、不再跳轉(zhuǎn)外部平臺(tái)；10 月，抖音不再允許第三方平臺(tái)商品鏈接進(jìn)入抖音達(dá)人直播間，抖音電商正式成立。

2021 年：抖音電商 GMV 完成 7300 億元，呈現(xiàn)出快速增長(zhǎng)態(tài)勢(shì)。

2022 年：GMV 達(dá)到 1.41 萬(wàn)億元，規(guī)模進(jìn)一步擴(kuò)大。

2023 年：商品交易總額（GMV）達(dá) 2.7 萬(wàn)億，已十分接近同年京東的 3.47 萬(wàn)億和拼多多的 3.2 萬(wàn)億 GMV。

2024 年：預(yù)計(jì) GMV 為 4 萬(wàn)億，持續(xù)保持高速增長(zhǎng)趨勢(shì)。

二、發(fā)展成果

短短3年間，抖音電商從最初起步到逐漸建立起獨(dú)立生態(tài)，GMV 不斷攀升，增長(zhǎng)速度迅猛，在 2024 年其 GMV 規(guī)模已擠進(jìn)4巨頭中的3巨頭。傳統(tǒng)電商巨頭京東、拼多多在 GMV 方面的差距，越來(lái)越危險(xiǎn)。

在抖音電商的探索期，諸多挑戰(zhàn)如影隨形。創(chuàng)作者深陷商品選擇匱乏的泥沼，供應(yīng)鏈體系亦漏洞百出。然而，抖音敏銳地捕捉到 AI 技術(shù)的巨大潛力，開(kāi)啟了在電商領(lǐng)域的 AI 探索之旅。

此階段，抖音初步應(yīng)用傳統(tǒng)推薦系統(tǒng)及早期 AI 算法。借助內(nèi)容推薦技術(shù)，抖音依據(jù)用戶瀏覽的視頻內(nèi)容，嘗試挖掘其潛在的商品興趣；運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)商品圖片、視頻進(jìn)行智能識(shí)別與分析，以更好地理解商品特性；憑借自然語(yǔ)言處理技術(shù)，解讀用戶的評(píng)論、搜索關(guān)鍵詞等文本信息，洞察用戶需求；通過(guò)深度學(xué)習(xí)技術(shù)，不斷優(yōu)化對(duì)用戶行為和商品特征的理解與關(guān)聯(lián)。

抖音電商的推薦系統(tǒng)在探索期已具雛形，采用多層次召回和排序機(jī)制。它充分利用用戶行為數(shù)據(jù)，如觀看時(shí)長(zhǎng)、點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等，以及商品信息，如品類(lèi)、價(jià)格、品牌等，運(yùn)用協(xié)同過(guò)濾算法尋找具有相似興趣的用戶群體，基于內(nèi)容推薦算法分析商品與用戶興趣的匹配度，并引入深度學(xué)習(xí)算法進(jìn)行深度挖掘與預(yù)測(cè)，以此不斷優(yōu)化推薦效果，為用戶提供初步個(gè)性化的商品推薦。

同時(shí)，在大數(shù)據(jù)處理、實(shí)時(shí)計(jì)算和 AI 技術(shù)方面，抖音逐步積累經(jīng)驗(yàn)，為創(chuàng)作者工具和商家支持平臺(tái)的智能化發(fā)展奠定基礎(chǔ)。盡管初期困難重重，但抖音憑借這些技術(shù)創(chuàng)新與精準(zhǔn)的推薦策略嘗試，成功踏出電商業(yè)務(wù)成長(zhǎng)的關(guān)鍵步伐，并預(yù)示著未來(lái)將借助 AI 技術(shù)持續(xù)深耕，進(jìn)一步提升電商平臺(tái)的效能與用戶體驗(yàn)，在電商之路上砥礪前行，探索更多未知的可能。

「探索期」

2017 年底到 2018 年初，抖音上線購(gòu)物車(chē)，購(gòu)物袋兩個(gè)產(chǎn)品，可以掛外網(wǎng)的鏈接，想要激發(fā)創(chuàng)作者創(chuàng)作帶貨。

自從抖音上線購(gòu)物車(chē)功能開(kāi)始，抖音電商業(yè)務(wù)開(kāi)始逐漸從廣告業(yè)務(wù)中脫離。但是受制于創(chuàng)作者不懂怎么組貨，也不懂供應(yīng)鏈，品牌方也沒(méi)有人重視，一直都不溫不火。抖音還嘗試過(guò)通過(guò)付費(fèi)流量的方式來(lái)分發(fā)商品，讓商家在過(guò)程中賺取流量，但這個(gè)模式非常傷害用戶體驗(yàn)，最終發(fā)展不如預(yù)期。

抖音電商自2017年底推出購(gòu)物車(chē)、購(gòu)物袋等功能，開(kāi)始逐步獨(dú)立于廣告業(yè)務(wù)，推動(dòng)創(chuàng)作者帶貨。

探索期的AI

然而，初期面臨創(chuàng)作者缺乏商品選擇和供應(yīng)鏈不完善等挑戰(zhàn)。隨著時(shí)間推移，抖音通過(guò)AI技術(shù)推動(dòng)電商業(yè)務(wù)發(fā)展，利用內(nèi)容推薦、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理和深度學(xué)習(xí)等技術(shù)提升用戶體驗(yàn)。抖音的推薦系統(tǒng)基于海量數(shù)據(jù)，通過(guò)特征工程、模型訓(xùn)練和實(shí)時(shí)動(dòng)態(tài)調(diào)整，為用戶提供個(gè)性化的商品推薦。

抖音電商的推薦系統(tǒng)采用多層次召回和排序機(jī)制，實(shí)時(shí)更新推薦內(nèi)容。系統(tǒng)利用用戶行為數(shù)據(jù)和商品信息，通過(guò)協(xié)同過(guò)濾、內(nèi)容推薦和深度學(xué)習(xí)等算法不斷優(yōu)化推薦效果。此外，抖音在大數(shù)據(jù)處理、實(shí)時(shí)計(jì)算和AI技術(shù)方面積累了大量經(jīng)驗(yàn)，推動(dòng)了創(chuàng)作者工具和商家支持平臺(tái)的智能化發(fā)展。盡管初期面臨困難，抖音通過(guò)技術(shù)創(chuàng)新和精準(zhǔn)的推薦策略，成功促進(jìn)了電商業(yè)務(wù)的成長(zhǎng)，未來(lái)將繼續(xù)通過(guò)AI技術(shù)進(jìn)一步提升電商平臺(tái)的效果和用戶體驗(yàn)。

探索期主要應(yīng)用傳統(tǒng)推薦系統(tǒng)和早期AI算法

三、「發(fā)展期」

真正讓抖音電商火起來(lái)是在2020 年，正值疫情期間，消費(fèi)者出行受限、商家停工關(guān)門(mén)，線上購(gòu)物需求大增。2020年4 月 1 日，抖音花了 6000 萬(wàn)簽約了羅永浩，開(kāi)啟直播帶貨，在 3 小時(shí) 17 分鐘的直播時(shí)間內(nèi)，最終收獲了超過(guò) 1.1 億元人民幣的銷(xiāo)售額、4800 萬(wàn)累計(jì)觀看人數(shù)、上了 2 次微博熱搜。

2020 年 6 月，字節(jié)跳動(dòng)內(nèi)部將電商視為戰(zhàn)略級(jí)業(yè)務(wù)，正式成立了以“電商”命名的一級(jí)業(yè)務(wù)部門(mén)，正式發(fā)布「抖音電商」品牌。同月，抖音小店官方應(yīng)用程序“抖店”面世，抖店是一款集內(nèi)容、營(yíng)銷(xiāo)、技術(shù)于一體的電商平臺(tái)，為商家?guī)?lái)了更多的機(jī)遇和價(jià)值，作為商家官方操作后臺(tái)，進(jìn)一步完善了基礎(chǔ)設(shè)施。2020 年 10 月起，抖音關(guān)閉所有第三方商品外鏈，與淘寶、京東、唯品會(huì)等電商平臺(tái)進(jìn)行“正面對(duì)決”。

發(fā)展期的AI

在這個(gè)期間抖音一方面發(fā)展內(nèi)容推薦系統(tǒng)，另外一方面在物品與用戶畫(huà)像領(lǐng)域繼續(xù)發(fā)展傳統(tǒng)機(jī)器學(xué)習(xí)推薦系統(tǒng)。

四、「爆發(fā)期」

2021 年 1 月，抖音支付正式上線，此后成交、支付、物流均可在平臺(tái)完成，抖音電商完成生態(tài)閉環(huán)。抖音開(kāi)啟電商節(jié)活動(dòng)，1 月開(kāi)啟抖音搶新年貨節(jié)，交易額飛速增長(zhǎng)，較同比增長(zhǎng)超50 倍。3 月開(kāi)啟抖音女王節(jié)。

抖音電商的 GMV 產(chǎn)生于兩個(gè)場(chǎng)，分為內(nèi)容場(chǎng)和貨架場(chǎng)。

內(nèi)容場(chǎng)主要以短視頻、直播和圖文為核心，集聚平臺(tái)大部分流量，通過(guò)“貨找人”的形式促成交易；

而貨架場(chǎng)包括搜索、商城、店鋪、達(dá)人櫥窗等消費(fèi)場(chǎng)景，以“人找貨”為交易路徑。

抖音電商成為中國(guó)四大電商平臺(tái)之一，隨著抖音一系列產(chǎn)品、運(yùn)營(yíng)和商家的策略的落地，抖音電商形成內(nèi)容+貨架的雙驅(qū)動(dòng)平臺(tái)，憑借價(jià)格和供應(yīng)鏈優(yōu)勢(shì)，讓用戶可以在逛的同時(shí)，又能夠有更好的購(gòu)物體驗(yàn)，更極致的價(jià)格。隨著抖音電商規(guī)模的增大，對(duì)于商家來(lái)說(shuō)選擇性可以更多，對(duì)于用戶來(lái)說(shuō)也是好事。

爆發(fā)期的AI

推薦的本質(zhì)是一個(gè)CTR預(yù)估問(wèn)題。

如果是（用戶）user的推薦，則是預(yù)估目標(biāo)用戶是否會(huì)和推薦的用戶user產(chǎn)生某種聯(lián)系，比如說(shuō)關(guān)注，成為朋友等。

如果是短視頻內(nèi)容或者物品內(nèi)容item的推薦，則是預(yù)估目標(biāo)用戶是否會(huì)點(diǎn)擊item，然后產(chǎn)生后期的一些操作，比如消費(fèi)等召回，多路召回，滿足目標(biāo)用戶的方方面面的需求。

既需要滿足目標(biāo)用戶近期的興趣(新的興趣)，又需要滿足用戶的一些歷史行為偏好，還需要根據(jù)u2u2i來(lái)擴(kuò)展用戶的興趣點(diǎn)。

排序階段，這個(gè)階段需要模型。

這個(gè)模型就是針對(duì)每個(gè)召回的item進(jìn)行ctr預(yù)估的一個(gè)概率。排序模型的輸入包括2大部分，分別是user的特征(用戶畫(huà)像)和item的標(biāo)簽(標(biāo)簽體系)排序模型的輸出是一個(gè)概率，及用戶點(diǎn)擊這個(gè)短視頻的概率(我們推薦的是用戶點(diǎn)擊概率大的短視頻)最后按照概率進(jìn)行倒排，最后輸出一部分概率較大的短視頻。

傳統(tǒng)常用的排序模型有：

GBDT+LR：通過(guò)GBDT得到組合特征，然后放在LR模型中進(jìn)行概率的預(yù)測(cè)，GBDT是一棵決策樹(shù)，從根節(jié)點(diǎn)到每一個(gè)葉子節(jié)點(diǎn)，都是一條路經(jīng)，每一條路經(jīng)都是一個(gè)組合特征。

然后把這些組合特征放在LR邏輯回歸模型中進(jìn)行訓(xùn)練，最后會(huì)給出一個(gè)概率。

wide&&deep：是LR和DNN的結(jié)合

FM:因子分解機(jī)deepFM

如下圖：

現(xiàn)在常用的召回策略是多路召回

在多路召回中，無(wú)論是實(shí)時(shí)召回、基于內(nèi)容召回、用戶畫(huà)像和短視頻內(nèi)容標(biāo)簽召回，亦或基于Queery召回，

在這個(gè)階段常采用DNN的辦法，對(duì)短視頻抽幀然后放到DNN的模型中去訓(xùn)練，從而得到短視頻的標(biāo)簽。

實(shí)現(xiàn)手段是DNN的最后一層是softmax，作為一個(gè)多分類(lèi)的問(wèn)題來(lái)處理。

將DNN在推薦系統(tǒng)中進(jìn)行商業(yè)變現(xiàn)的第一人可以說(shuō)他是朱文佳。

五、「AIGC時(shí)期」

2023-至今 抖音電商年GMV站上4萬(wàn)億階段，「電商已進(jìn)入成熟期，AIGC深度全面應(yīng)用恰巧進(jìn)入普及期」。

抖音集團(tuán)的推薦系統(tǒng)再也不需要數(shù)萬(wàn)人的標(biāo)注團(tuán)隊(duì)了。

抖音的用戶畫(huà)像小組再也不用快速?gòu)?300人增加到3500人了。

抖音的數(shù)據(jù)采集不僅可以用GAN神經(jīng)網(wǎng)絡(luò)生成現(xiàn)在還可以用GAN加注意力機(jī)制引導(dǎo)數(shù)據(jù)生成了。

2023年年會(huì)梁汝波說(shuō)字節(jié)得了大公司病，大公司該有的病字節(jié)一樣沒(méi)少，居然連大模型到2023年初字節(jié)才發(fā)現(xiàn)，1月30日，在2024年年度全員會(huì)上，字節(jié)跳動(dòng)CEO梁汝波表示，如今的字節(jié)“該有的大公司病全有了”。

梁汝波也舉了一個(gè)例子，說(shuō)公司半年度技術(shù)回顧時(shí)，發(fā)現(xiàn)2023年才開(kāi)始討論ChatGPT，別的大模型創(chuàng)業(yè)公司甚至早在2018年都已經(jīng)成立了。

算法即人才

然后2024年的字節(jié)與大模型像久旱逢甘霖一樣，2024年全年快速構(gòu)建AI組織。

將DNN用于推薦系統(tǒng)商業(yè)變現(xiàn)的字節(jié)推薦系統(tǒng)tops人選朱文佳，從今日頭條推薦系統(tǒng)負(fù)責(zé)人，到今日頭條CEO，再到tiktok產(chǎn)品技術(shù)負(fù)責(zé)人，直接負(fù)責(zé)字節(jié)大模型，一開(kāi)始叫語(yǔ)雀大模型，再叫seed大模型，然后就成了聞名遐邇的豆包大模型。

另外字節(jié)工程團(tuán)隊(duì)洪定坤和產(chǎn)品技術(shù)負(fù)責(zé)人朱俊開(kāi)始負(fù)責(zé)Flow的技術(shù)工程和產(chǎn)品技術(shù)，飛書(shū)的齊俊元開(kāi)始負(fù)責(zé)Flow的產(chǎn)品。這些產(chǎn)品的底層模型統(tǒng)一調(diào)用豆包大模型的底層自然語(yǔ)言理解能力。

還有張楠負(fù)責(zé)的剪映、即夢(mèng)AI等開(kāi)始調(diào)用豆包大模型的語(yǔ)義理解和語(yǔ)義生成能力。

2024年的字節(jié)是算法年，算法主要是由人才構(gòu)建，人才上自己構(gòu)建1:3高密度AI大模型算法人才。

例如:挖面壁智能大模型負(fù)責(zé)人，挖阿里通義千問(wèn)大模型負(fù)責(zé)人，挖零一萬(wàn)物大模型負(fù)責(zé)人等等，來(lái)構(gòu)建字節(jié)大模型的算法底座。

字節(jié)跳動(dòng)搜尋AI人才的方式可以用狩獵式斂才。

算力即資金

六、字節(jié)跳動(dòng)數(shù)據(jù)中心基建：從 0 到 100 的 AI 戰(zhàn)略布局

1. 資本開(kāi)支與戰(zhàn)略決心

在互聯(lián)網(wǎng)科技巨頭的資本競(jìng)賽中，字節(jié)跳動(dòng)展現(xiàn)出了遠(yuǎn)超預(yù)期的投入力度。與 BAT 三家 2024 年總計(jì)約 1000 億人民幣的資本開(kāi)支相比，字節(jié)跳動(dòng)僅在 2024 年就達(dá)到了 800 億人民幣。而 2025 年，其資本開(kāi)支預(yù)算更是飆升至近 1600 億人民幣，彰顯了其在 AI 領(lǐng)域大規(guī)模布局的堅(jiān)定決心。

2. 資金分配與業(yè)務(wù)布局

1. AI 算力采購(gòu)：其中約 900 億人民幣將用于 AI 算力的采購(gòu)，國(guó)內(nèi)計(jì)劃投入 400 億人民幣，國(guó)外（主要是東南亞地區(qū)）投入 500 億人民幣，以構(gòu)建強(qiáng)大的 AI 計(jì)算能力基礎(chǔ)。
2. IDC 基建與網(wǎng)絡(luò)設(shè)備招標(biāo)：其余 700 億人民幣則分配給 IDC 基建以及網(wǎng)絡(luò)設(shè)備如光模塊、交換機(jī)的招標(biāo)，國(guó)內(nèi) 500 億人民幣，國(guó)外 200 億人民幣，旨在打造自主可控的大規(guī)模數(shù)據(jù)中心集群。

3. 發(fā)展歷程與戰(zhàn)略轉(zhuǎn)型

此前，字節(jié)跳動(dòng)主要依賴(lài)外部采購(gòu)算力，機(jī)房資源多來(lái)源于第三方。然而，如今公司決定全面開(kāi)啟自主大規(guī)模興建 AI 數(shù)據(jù)中心的征程，從 IDC 基礎(chǔ)設(shè)施建設(shè)入手，積極開(kāi)展大規(guī)模集群建設(shè)，并全面推進(jìn)光模塊、交換機(jī)等設(shè)備的招標(biāo)工作，標(biāo)志著字節(jié)跳動(dòng)在 AI 數(shù)據(jù)中心領(lǐng)域從無(wú)到有、從依賴(lài)到自主的重大戰(zhàn)略轉(zhuǎn)型。

4. 領(lǐng)導(dǎo)重視與未來(lái)展望

字節(jié)跳動(dòng)創(chuàng)始人張一鳴親自掛帥，全力推動(dòng)這一戰(zhàn)略布局，展現(xiàn)出對(duì) AI 領(lǐng)域的 “All in” 決心，不惜重金投入，旨在打造領(lǐng)先同行的競(jìng)爭(zhēng)優(yōu)勢(shì)。從博通 2027 年的自研 ASIC 計(jì)劃及數(shù)量來(lái)看，字節(jié)跳動(dòng)未來(lái)的 AI 數(shù)據(jù)中心規(guī)模預(yù)計(jì)將達(dá)到百萬(wàn)卡級(jí)別。目前雖處于起步階段，僅采購(gòu)數(shù)萬(wàn)至數(shù)十萬(wàn)張卡進(jìn)行算力堆砌，但這一跨越性的舉措已預(yù)示著字節(jié)跳動(dòng)將在 CSP 類(lèi)型的產(chǎn)業(yè)中掀起巨大波瀾，引領(lǐng)行業(yè)的未來(lái)發(fā)展趨勢(shì)。

同時(shí)字節(jié)跳動(dòng)也是Nvidia中國(guó)區(qū)最大的客戶，如圖：

N卡即Nvidia的系列卡，字節(jié)主要用來(lái)做預(yù)訓(xùn)練，接下來(lái)數(shù)據(jù)中心的構(gòu)建字節(jié)主要是用來(lái)做推理，推理的還是會(huì)有越來(lái)越多的國(guó)產(chǎn)GPU，例如：華為、天數(shù)智芯等提供的算力支撐。

七、字節(jié)跳動(dòng)數(shù)據(jù)中心基建的進(jìn)展如下：

1. 國(guó)內(nèi)進(jìn)展

• 和林格爾算力中心：2024 年 11 月，和林格爾新區(qū)國(guó)土空間規(guī)劃委員會(huì)原則通過(guò)了火山引擎內(nèi)蒙古和林格爾算力中心一期 A 項(xiàng)目規(guī)劃設(shè)計(jì)方案審查事宜，該中心作為字節(jié)跳動(dòng)緊抓國(guó)家 “新基建” 發(fā)展戰(zhàn)略及全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系算力樞紐建設(shè)機(jī)遇的重點(diǎn)項(xiàng)目，正穩(wěn)步推進(jìn)前期規(guī)劃工作.
• 張家口數(shù)據(jù)中心：字節(jié)跳動(dòng)在國(guó)內(nèi)有張家口數(shù)據(jù)中心，并且還在不斷加大投入，進(jìn)行相關(guān)設(shè)施建設(shè)與技術(shù)升級(jí)等，以滿足日益增長(zhǎng)的業(yè)務(wù)需求.

2. 海外進(jìn)展

• 馬來(lái)西亞：2024 年 6 月，字節(jié)跳動(dòng)計(jì)劃在馬來(lái)西亞投資 100 億林吉特（約合 21 億美元）建立一個(gè)區(qū)域人工智能中心，并追加 15 億林吉特投資用于擴(kuò)建其在馬來(lái)西亞柔佛州的現(xiàn)有數(shù)據(jù)中心設(shè)施.
• 泰國(guó)：據(jù) 2024 年 10 月消息，字節(jié)跳動(dòng)旗下 BytePlus 正在考慮 2025 年在泰國(guó)建立一個(gè)數(shù)據(jù)中心，以提供云計(jì)算和人工智能服務(wù).
• 愛(ài)爾蘭：2020 年 8 月，字節(jié)跳動(dòng)旗下 TikTok 計(jì)劃在愛(ài)爾蘭建設(shè)一座數(shù)據(jù)中心，投資額約 5 億美元，用于存儲(chǔ)歐洲用戶在該 App 上產(chǎn)生的數(shù)據(jù)信息，數(shù)據(jù)中心將在未來(lái) 18 到 24 個(gè)月內(nèi)投入運(yùn)營(yíng)，創(chuàng)造數(shù)百個(gè)新崗位.
• 美國(guó)弗吉尼亞：字節(jié)跳動(dòng)在美國(guó)弗吉尼亞建有數(shù)據(jù)中心，為其在北美地區(qū)的業(yè)務(wù)提供數(shù)據(jù)存儲(chǔ)和處理支持.
• 新加坡：字節(jié)跳動(dòng)在新加坡也設(shè)有數(shù)據(jù)中心，并且部分?jǐn)?shù)據(jù)有在新加坡備份，保障數(shù)據(jù)的安全性和業(yè)務(wù)的穩(wěn)定運(yùn)行

八、數(shù)據(jù)即產(chǎn)品

1. 大模型

字節(jié)有豆包大模型，F(xiàn)low大模型，seed大模型等等，目前看字節(jié)基座大模型有被豆包大模型兼并的可能性。

• 豆包通用模型 pro：字節(jié)跳動(dòng)自研 LLM 模型專(zhuān)業(yè)版，支持 128k 長(zhǎng)文本，全系列可精調(diào)，具備更強(qiáng)的理解、生成、邏輯等綜合能力，適配問(wèn)答、總結(jié)、創(chuàng)作、分類(lèi)等豐富場(chǎng)景；
• 豆包通用模型 lite：字節(jié)跳動(dòng)自研 LLM 模型輕量版，對(duì)比專(zhuān)業(yè)版提供更低 token 成本、更低延遲，為企業(yè)提供靈活經(jīng)濟(jì)的模型選擇；
• 豆包·角色扮演模型：個(gè)性化的角色創(chuàng)作能力，更強(qiáng)的上下文感知和劇情推動(dòng)能力，滿足靈活的角色扮演需求；
• 豆包·語(yǔ)音合成模型：提供自然生動(dòng)的語(yǔ)音合成能力，善于表達(dá)多種情緒，演繹多種場(chǎng)景；
• 豆包·聲音復(fù)刻模型：5 秒即可實(shí)現(xiàn)聲音 1:1 克隆，對(duì)音色相似度和自然度進(jìn)行高度還原，支持聲音的跨語(yǔ)種遷移；
• 豆包·語(yǔ)音識(shí)別模型：更高的準(zhǔn)確率及靈敏度，更低的語(yǔ)音識(shí)別延遲，支持多語(yǔ)種的正確識(shí)別；
• 豆包·文生圖模型：更精準(zhǔn)的文字理解能力，圖文匹配更準(zhǔn)確，畫(huà)面效果更優(yōu)美，擅長(zhǎng)對(duì)中國(guó)文化元素的創(chuàng)作；
• 豆包·Function call 模型：提供更加準(zhǔn)確的功能識(shí)別和參數(shù)抽取能力，適合復(fù)雜工具調(diào)用的場(chǎng)景；
• 豆包·向量化模型：聚焦向量檢索的使用場(chǎng)景，為 LLM 知識(shí)庫(kù)提供核心理解能力，支持多語(yǔ)言。

對(duì)9款豆包大模型家族，字節(jié)不強(qiáng)調(diào)參數(shù)、不強(qiáng)調(diào)數(shù)據(jù)和語(yǔ)料，直接把模型能力在場(chǎng)景里做了垂直細(xì)分，這個(gè)決策因素是有應(yīng)用和沒(méi)有應(yīng)用的區(qū)別，更本質(zhì)的是有數(shù)據(jù)和沒(méi)數(shù)據(jù)的區(qū)別。

有用戶反饋、有數(shù)據(jù)反饋，字節(jié)能夠根據(jù)用戶和數(shù)據(jù)的反饋去做更精準(zhǔn)的場(chǎng)景和服務(wù)。

字節(jié)在 AI 大模型上，是數(shù)據(jù)邏輯，根據(jù)不同的數(shù)據(jù)鏈反饋，決定產(chǎn)品或者模型的下一步動(dòng)作。

2. 字節(jié)跳動(dòng)大模型產(chǎn)品

大模型承載著這家「App 工廠」的大模型產(chǎn)品思路，字節(jié)內(nèi)部 50 多個(gè)業(yè)務(wù)已經(jīng)大量使用豆包大模型進(jìn)行 AI 創(chuàng)新，包括抖音、番茄小說(shuō)、飛書(shū)、巨量引擎等，用以提升效率和優(yōu)化產(chǎn)品體驗(yàn)。

另外字節(jié)跳動(dòng)也基于豆包大模型打造了一系列 AI 原生應(yīng)用，包括 AI 對(duì)話助手「豆包」、AI 應(yīng)用開(kāi)發(fā)平臺(tái)「扣子」、互動(dòng)娛樂(lè)應(yīng)用「貓箱」，以及星繪、即夢(mèng)等 AI 創(chuàng)作工具。

AI大模型的APP工廠依然是在做數(shù)據(jù)，AI原生的扣子、豆包、即夢(mèng)、星繪都在做數(shù)據(jù)。

相反，如果只做基礎(chǔ)模型，不做服務(wù)升級(jí)，場(chǎng)景反饋、用戶數(shù)據(jù)反饋會(huì)越來(lái)越少，模型能力的差別就會(huì)拉開(kāi)。

【布局】

在抖音短視頻的浪潮中，字節(jié)跳動(dòng)曾乘風(fēng)破浪，盡享流量紅利帶來(lái)的無(wú)限榮華。然而，時(shí)代的車(chē)輪滾滾向前，AIGC 大模型的浪潮洶涌而至，字節(jié)跳動(dòng)深知，曾經(jīng)的輝煌如過(guò)眼云煙，若不能在這新的浪潮中再次崛起，往昔的榮耀將轉(zhuǎn)瞬即逝。

如今，字節(jié)跳動(dòng)懷揣著對(duì)未來(lái)的篤定與渴望，決心在 AIGC 領(lǐng)域復(fù)刻抖音的傳奇。就如同嘉里中心香格里拉酒店近期的景象一般，以往晚上十點(diǎn)半仍有半數(shù)蛋糕剩余，而如今，因那棵如 AIGC 大模型般閃耀的圣誕樹(shù)所營(yíng)造的圣誕集市氛圍，蛋糕一日三茬皆被搶購(gòu)一空，三樓餐廳從下午兩點(diǎn)營(yíng)業(yè)至晚上十點(diǎn)，預(yù)約需提前一周，一樓卡座亦一席難求。這圣誕樹(shù)象征著 AIGC 大模型賦予字節(jié)跳動(dòng)的新機(jī)遇與無(wú)限可能，它是字節(jié)跳動(dòng)續(xù)寫(xiě)輝煌、永葆榮耀的關(guān)鍵所在，是開(kāi)啟下一個(gè)流量盛世與商業(yè)傳奇的魔法鑰匙。