本文來自微信公眾號“硅星人Pro”，【作者】Yoky。
2023年8月18日，字節(jié)跳動旗下AI對話產(chǎn)品Grace，更名為「豆包」。
在百模大戰(zhàn)一波又一波密集的“重磅發(fā)布”中，這條當時看著毫不起眼的消息，悄然開啟了字節(jié)大模型的多重宇宙。
從時間線來看，字節(jié)跳動的確晚了。相比于當時反應(yīng)迅速的百度和阿里，沒有發(fā)布基礎(chǔ)模型的字節(jié)，彼時并無法靠「豆包」來說服質(zhì)疑它的觀眾們。
據(jù)字節(jié)內(nèi)部人士透露，2023年年初，集團內(nèi)部才剛剛開始訓(xùn)練基礎(chǔ)模型，而后，字節(jié)跳動創(chuàng)始人張一鳴明確了“不卷基模，做AI應(yīng)用”的戰(zhàn)略方向，之后字節(jié)開始高舉高打，內(nèi)部的組織架構(gòu)以及外部策略都開始進行了大變革。
11月27日，也就是確認字節(jié)將放棄游戲業(yè)務(wù)的同一天，字節(jié)跳動傳出已成立了一個新AI部門Flow。
緊接著，字節(jié)系各類AI應(yīng)用如流水線上的產(chǎn)品一般，快速涌向市場。據(jù)硅星人統(tǒng)計，2024年至今，字節(jié)在國內(nèi)外推出包括「豆包」在內(nèi)的20余款A(yù)pp，從集成式的聊天助手，到圖像、視頻、音樂等效率工具，加速滲透到教育、辦公助手、開發(fā)平臺、代碼生成等行業(yè)，而且，這些應(yīng)用的表現(xiàn)亮眼，一個個在AI應(yīng)用大亂斗里殺出重圍。
今年3月「豆包」的下載量和月活躍用戶開始雙雙登頂。而據(jù)a16z發(fā)布的全球Top 100 AI應(yīng)用榜單顯示，字節(jié)系的Cici、Coze、Gauth、Hypic、CapCut五款產(chǎn)品名列前茅。與此同時，字節(jié)依然不斷在海外推出新的產(chǎn)品進行試點。
10月份，這種勢頭仍在繼續(xù)，據(jù)Sensor Tower10月份最新數(shù)據(jù)免費榜前10中，Gauth排名第六、TikTok排名第七、CapCut排名第九。
這些都是令所有AI應(yīng)用創(chuàng)業(yè)者眼饞的成績。字節(jié)AI究竟為何能如此兇猛？
重啟“APP工廠”
字節(jié)系A(chǔ)I產(chǎn)品全線突飛猛進的同時，許多人越來越明顯感到一絲熟悉的味道——“APP工廠”回來了。
在移動互聯(lián)網(wǎng)時期，“App工廠”的打法是字節(jié)快速開疆擴土的重要策略之一。公開數(shù)據(jù)顯示，2018年-2020年，也就是字節(jié)增長最為迅速的幾年間，它自研和收購了大量的項目，其中在App Store上線的應(yīng)用就有約140個，占其成立以來的七成。
期間，字節(jié)通過批量生產(chǎn)，在今日頭條和抖音之后，也成功推出了剪映、懂車帝、皮皮蝦、番茄小說、輕顏相機等爆款。
從2023年11月，APP工廠在AI時代重啟了，字節(jié)陸續(xù)密集上線了眾多APP。經(jīng)硅星人整理如下表：
值得注意的是，其中海內(nèi)外產(chǎn)品幾乎一比一對應(yīng)，一部分國內(nèi)產(chǎn)品如豆包、剪映復(fù)制到國外；另一部分則是在海外高排名的產(chǎn)品復(fù)制回國內(nèi)。
在整理的過程中我們發(fā)現(xiàn)，不少產(chǎn)品的名字在幾個月內(nèi)頻繁變動，比如對標星野的AnyDoor，早期進入國內(nèi)時名為「話爐」，在今年4月份名稱改為「貓箱」，「河馬愛學(xué)」改名為「豆包愛學(xué)」等等。
這背后是字節(jié)系產(chǎn)品對于AI產(chǎn)品命名和定位的思考。
彼時大模型產(chǎn)品的命名常常引經(jīng)據(jù)典，與文心、通義、混元、星火、天工相比，「豆包」聽起來土味十足。“當時準備將Grace推向市場的時候，內(nèi)部一致認為必須要改名，要做中國市場，英文名限制太大。陸陸續(xù)續(xù)起了100多個名字，有一部分有硬傷直接被Pass了，剩下的做了一些田野調(diào)查，有負面關(guān)聯(lián)又淘汰了一部分，最終是朱駿拍板定了「豆包」這個名字。”
豆包團隊的人員告訴我們：“我們私底下討論過，豆包這個詞在中國的滲透率差不多80%-90%，沒有硬傷。字節(jié)內(nèi)部起名字有一整套的流程，再經(jīng)歷田野調(diào)查，這個名字有沒有什么負面關(guān)聯(lián)。”
相比于創(chuàng)業(yè)公司和其他互聯(lián)網(wǎng)大廠，字節(jié)的優(yōu)勢在于成熟的產(chǎn)品方法論，來保證產(chǎn)品的水平在60分以上，形成穩(wěn)定的產(chǎn)出。
而在場景的選擇上，目前根據(jù)我們整理的結(jié)果發(fā)現(xiàn)，字節(jié)系產(chǎn)品其實并沒有真正在開拓新的場景，它其實很少“教育市場”，而是更多“順應(yīng)市場”，在已經(jīng)被部分驗證的場景下進行產(chǎn)品的迭代和優(yōu)化。同時，海外市場更多承擔新產(chǎn)品孵化地的角色，產(chǎn)品在國內(nèi)和國外是隔離的，通常一側(cè)上線，完成市場和用戶數(shù)據(jù)分析后再在另一側(cè)上線類似產(chǎn)品。
簡單地說，它的策略就是復(fù)制小爆款，成為大爆款。
比如「豆包」雖然推出得晚，但上線便集齊了對話、Agent、語音通話等當時分散在不同產(chǎn)品中的大模型功能，「貓箱」完全對標「星野」、「星繪」對標「妙鴨」、「海綿音樂」對標「Suno」，在此基礎(chǔ)上，結(jié)合用戶體驗對產(chǎn)品進行迭代。
哪些產(chǎn)品要放棄，哪些產(chǎn)品又要繼續(xù)投入資源？答案依然是，數(shù)據(jù)。
字節(jié)跳動有專門負責產(chǎn)品增長的團隊。這個團隊構(gòu)建了一個強大的數(shù)據(jù)監(jiān)測系統(tǒng)，他們會花大價錢去買市面上的數(shù)據(jù)，盡可能監(jiān)控所有產(chǎn)品，用來指導(dǎo)研發(fā)。
基于信息差的實驗+地毯式孵化+數(shù)據(jù)增長，形成了一條新的AI APP生產(chǎn)線。
爭奪“豆包”，模型也賽馬
App工廠的背后，是字節(jié)式的賽馬機制。
“Grace是2022年我們團隊開發(fā)的，在字節(jié)內(nèi)部使用的產(chǎn)品，員工可以用它來學(xué)習一下內(nèi)部資料。”豆包初始團隊的同學(xué)告訴硅星人：“到了2023年年初，字節(jié)內(nèi)部有好幾個團隊還有自發(fā)組成的新團隊，都在嘗試新產(chǎn)品，但我們團隊因為做得早，有產(chǎn)品雛形，公司開始計劃基于原來的框架推一個移動端的產(chǎn)品。”
「豆包」誕生初期，賽馬并沒有那么激烈，隨著AI產(chǎn)品戰(zhàn)略逐漸明確，內(nèi)部也逐漸開始了新一輪的賽馬。
據(jù)硅星人了解，目前字節(jié)內(nèi)部形成了多輪賽馬制：
第一階段，創(chuàng)新產(chǎn)品中心負責前期孵化、產(chǎn)品創(chuàng)意、內(nèi)部審核以及完成產(chǎn)品的前期打造，到產(chǎn)品測試上線。在這個階段幾乎不會有流量支持，靠產(chǎn)品自身的形態(tài)吸引自然用戶；
進入第二階段的產(chǎn)品，開始可以拿到一部分初始預(yù)算進行外部推廣，由專門負責增長的團隊負責拉新留存，進行產(chǎn)品排名，數(shù)據(jù)表現(xiàn)好結(jié)合內(nèi)部分析，從創(chuàng)新產(chǎn)品中心進入到具體的產(chǎn)品組；
而第三階段，成型的產(chǎn)品開始進行大規(guī)模推廣，如「貓箱」、「星繪」從去年年底開始在抖音投流以及通過KOL推廣。
早期產(chǎn)品生產(chǎn)內(nèi)部架構(gòu)
“有點內(nèi)部創(chuàng)業(yè)的意思吧，項目做好了團隊內(nèi)部分獎金，大家都希望能獲得更好的資源，但產(chǎn)品這邊的競爭其實比較良性，畢竟大家并不交叉。”
不過，和移動互聯(lián)網(wǎng)時期的模式不同的是，當時所有的產(chǎn)品都是基于個性推薦算法團隊生長，而如今，在今天的AI產(chǎn)品們底下的模型層，字節(jié)其實并沒有達到統(tǒng)一。
產(chǎn)品層，豆包已經(jīng)是一個統(tǒng)一的品牌，所有產(chǎn)品向豆包靠攏。但在模型層，“豆包”更像是一個代號，究竟誰能成為“豆包”，更像是一場爭奪行動。
舉個例子，9月24日，火山引擎一口氣發(fā)布了兩款視頻生產(chǎn)模型，但對外并沒有展示詳細解釋兩款模型的差異，我們發(fā)現(xiàn)PixelDance和Seaweed在發(fā)布前，在Github上發(fā)布過對應(yīng)的模型細節(jié)，它們分別屬于兩個團隊，但最終均被冠以“豆包”之名對外發(fā)布。
從內(nèi)部結(jié)構(gòu)來看，模型和算法歸屬于模型算法團隊Seed，由朱文佳（曾任TikTok產(chǎn)品技術(shù)負責人）負責；2023年11月成立的Flow團隊主要負責打造C端產(chǎn)品，在最新的人事調(diào)動中顯示，朱文佳為整體業(yè)務(wù)負責人、朱駿(原Music.ly創(chuàng)始人、原TikTok負責人)為產(chǎn)品負責人、洪定坤為技術(shù)負責人，向下包括豆包、AI教育、社區(qū)、國際化四個部門，同時PC端和移動端也分為兩條業(yè)務(wù)線；而豆包大模型to B的商業(yè)化業(yè)務(wù)主要由火山引擎對外提供，并通過API的方式接入飛書。
Seed團隊由原來的搜索團隊、AILab團隊、AML團隊聯(lián)合而成，但實際上，這幾個團隊都在暗自較勁。
“現(xiàn)在的豆包更像是一個統(tǒng)一的出口，連接用戶。豆包產(chǎn)品后端連接了多個模型測試，是一個訓(xùn)練場，通過API的結(jié)果反饋來評測模型效果，但一時間很難有取舍。”上述內(nèi)部人士講道。
在GitHub和HuggingFace上面，字節(jié)的各類視頻和圖像模型，都分屬于各個小團隊，包含有4款不同功能的視頻模型。
根據(jù)公開資料和介紹，我們整理了各個模型的功能，發(fā)現(xiàn)目前主流視頻模型的能力散落在了各個模型里，比如視頻編輯、運動筆刷、端到端視頻生成等等，也有在Github上評分較高的開源模型，顯示測試效果比已在國內(nèi)發(fā)布的PixelsDance要更好。
比如MagicVideo的V2版本是目前開發(fā)者評價字節(jié)旗下最可用的一款文生視頻模型，V2版本采用了模塊化式生產(chǎn)流程，第一模塊從文本到圖像、第二模塊從圖像到視頻生產(chǎn)關(guān)鍵幀、第三模塊從視頻到視頻擴展、第四模塊視頻幀插值，平滑過渡。目前整體的生成效果、色彩和審美高于Pika1.0和Gen2.0。
有算法工程師就分析道：“如果幾個模型的能力加起來，其實會比現(xiàn)在公開發(fā)布的版本更好，至少能達到可靈的效果，但是現(xiàn)在發(fā)布版本比較一般，可能也是內(nèi)部賽馬資源沒有談妥的結(jié)果。”
字節(jié)AI產(chǎn)品今天的突飛猛進，是其賽馬機制下，一套屢試不爽的產(chǎn)品開發(fā)方法論加持的結(jié)果。但與移動互聯(lián)網(wǎng)時代字節(jié)的“生產(chǎn)體系”很不同的是，今天在底層的模型側(cè)，字節(jié)也在進行著賽馬。
字節(jié)可能寄希望于它也像應(yīng)用一樣，百花齊放后篩選出最強的那一個，但同時它也客觀上帶來著資源無法集中的問題。尤其是在一個最需要大力出奇跡的時刻，這可能也會帶來新的挑戰(zhàn)。
