AI给了火山引擎一次「换桌」机会

"前两年大家比谁的 Token 卖得便宜，现在开始比谁扎得更深了。"

生成式 AI 曾掀翻了传统云厂商守了十年的牌桌，让晚入场六年的火山引擎靠着 C 端流量和极致低价，一跃成为公有云大模型调用量赛道的第一。

但当全行业的叙事从 “Token 崇拜” 转向 “生产级落地”，火山突然发现，那些曾经被流量绕过的、关于资产、服务、信任的厚重壁垒，如今一道都绕不过去。

拿下AI时代的红利之后，火山引擎也不得不进入一场更漫长、也更笨重的生意。

AI重新发牌，火山引擎“上牌桌”

2020年火山引擎正式对外商用时，目标是做阿里云、腾讯云、华为云之外的"第四朵云"，但彼时行业里没多少人相信它能做成。

不是字节没有技术能力，而是传统 IaaS 市场的护城河，都是动辄以“十年”为单位浇筑的。

一个中型企业的核心业务迁云，平均周期是6到18个月，沉没成本从数百万到上千万元不等，一项对全球300多家企业IT领导者的调查显示，57%的企业在迁移上花费超过100万美元（约合700万人民币），平均项目成本高达175万美元（约合1200万人民币）。

这种强粘性下，市场早已形成牢不可破的马太效应：2022 年下半年 IDC 数据显示，阿里云、华为云、天翼云、腾讯云四家已经吃下超70%的公有云市场份额，火山引擎和其他中小厂商一起划为“others”。

字节最擅长的C端流量打法在这里完全失效，抖音、今日头条的亿级用户，帮不上to B客户迁云的忙。

转折点是2022年底ChatGPT引发的生成式AI爆发，它创造了一个完全没有历史份额沉淀的全新细分市场GenAI IaaS。

传统 IaaS 的核心是CPU通用算力，比拼的是机房规模、网络覆盖、通用服务器的成本控制；但 GenAI IaaS 的核心是GPU智算集群，比拼的是万卡级 GPU 的调度能力、RDMA网络的传输效率、大模型训练的稳定性，而后者是所有云厂商都没提前攒够的能力。

AI大模型相当于给所有玩家开了一张全新的牌桌，大家在同一起跑线重新起跑。

而在其他厂商还在消化传统通用算力的库存、犹豫要不要重仓 GPU 时，火山引擎逆市大规模采购算力资源，直接吃下了智谱 AI、月之暗面、Minimax、零一万物等第一批大模型创业公司的训练订单，一跃成为 GenAI IaaS 领域份额最高的云厂商。

如果说智算层的破局是踩中了算力结构切换的时点，MaaS层的领先，则是火山把自己的C端基因第一次真正兑现成了B端筹码。

大模型行业有个天然的飞轮效应：用的人越多→产生的对话数据越多→模型迭代效果越好→吸引更多用户。传统云厂商的 MaaS 业务，调用量基本靠 B 端客户一点点积累，飞轮转得极慢。

但火山引擎背后站着豆包这个 C 端日活破亿的国民级应用，相当于给 MaaS 业务装了一个天然的流量加速器。

2024 年5月火山主动挑起价格战，把豆包主力模型的企业定价打到比行业均价低99.3%，直接把大模 API送入“厘时代”，配合C端的用户规模，豆包大模型的 Tokens 调用量一路飙升。

截至FORCE大会，其日均 Token 调用量已经突破180万亿，相比两年前增长超过1500倍，按公有云大模型调用量份额计算，火山引擎以 49.5% 的占比位居中国第一。

不少人以为火山的调用量第一是靠豆包C端流量 “注水”。实际上豆包作为字节跳动内部业务，其C端产生的Token消耗并不计入火山引擎对外公布的企业服务调用量统计，火山能拿到近半的公有云 MaaS 份额，靠的是模型能力和极致成本优势，而非靠C端流量导流。

而且AI 大模型时代，强模型本身便是云的“新入口”。字节自研的豆包系列模型——包括解锁了商业化视频生产场景的 Seedance 系列、Coding 和 Agent 能力达到生产级的豆包 2.1 Pro，本身就是最强的获客抓手：客户想用顶级的多模态生成能力、能直接进入研发流程的代码模型，就会优先选择火山引擎，而客户的真实场景数据又会反过来反哺模型迭代，形成 “强模型→客户流入→场景打磨模型→模型能力更强→更多客户流入” 的正向飞轮。

这恰好和谭待在大会上提出的“模型跨过生产质变点后可稳定进入企业生产流程”的判断相呼应：当模型能力足够强，能稳定承接企业的核心生产流程时，客户的替换成本会快速升高，形成的用户粘性，并不输给传统云时代靠迁云成本堆出来的壁垒。

不过也必须承认，目前这一飞轮覆盖的还主要是互联网客户、开发者群体和公有云 API 场景，火山引擎靠“卖Token + 强模型”，确实在 MaaS 赛道实现了弯道超车，也撬动了整体公有云市场的份额追赶。

但这个“第一”的含金量，从诞生起，便因统计口径与客户结构不同而充满争议。

按公有云 API 调用量算，火山引擎是当之无愧的第一；但若按 AI 云整体营收计算，Omdia的数据显示阿里云仍以 35.8% 的份额稳居第一，营收规模超过第二到第四名的总和。

更核心的差异在客户结构，目前国内 MaaS 市场仍以公有云 API 调用为主要收入来源，但金融风控、自动驾驶仿真、政务数据治理、工业大模型部署等高价值生产场景，大多采用私有化部署或专属云模式，单客 ARPU 值是公有云 API 的几十甚至上百倍，这部分市场长期是阿里云、华为云、腾讯云的优势领域。

AI 给了火山引擎一次换道超车的机会，把它从传统云市场的 “others”，拉到了牌桌中央。

从拼Token到拼交付

今年的云市场，风向已经变了。

如果说2023-2024 年行业的关键词是“跑马圈地”，比谁的模型多、谁的价格低、谁的调用量大；进入2025年下半年，关键词已经变成了 “生产落地”。

企业客户不再为“便宜的Token”买单，开始算真正的账：大模型能不能解决我的实际问题？数据会不会泄露？能不能对接我现有的系统？出了问题谁来兜底？

也是在这个行业转向的节点，火山引擎举办了FORCE 原力大会。整场大会传递的信号是：不再卷“谁更便宜”，而是主动朝着核心生产场景需要的能力，开始补短板。

定心丸是组织层面的战略定调。大会上，字节跳动 CEO 梁汝波表态：攀登AI 高峰是字节跳动当下最重要的事，火山引擎 MaaS 业务升级为集团基础业务，投入将长期且坚定。

在云行业，一个业务从 “业务线级”升级为“集团基础业务”，是权重最高的战略信号，这意味着 MaaS 不再是火山引擎一个部门的事，而是整个字节的水电煤：集团的算力采购、人才调度、资金投入都会全面倾斜，甚至抖音、今日头条、飞书等内部业务的 AI 需求，都会优先给火山引擎练手。

2017 年华为云把 EI 企业智能升级为集团核心业务，之后三年就拿下了政务云市场第一；2018年11月，阿里云升级为阿里云智能事业群，由集团CTO张建锋兼任总裁，此后，阿里云在中国公有云市场长期保持份额第一。火山引擎这次的调整，也是为长期的重投入开了绿灯。

接下来，是补齐“企业级能力”这一薄弱环节。顺应火山引擎总裁谭待提出“模型必须跨越生产质变点才能承接企业业务”的判断，火山重构了三层 AI 云原生服务架构：MaaS 层上线方舟 CLI 降低接入门槛，Agent 层升级 AgentKit 和 HiAgent 3.0、推出企业版工作台ArkClaw。

最核心的是安全层搭建的AI Trust 可信体系，通过机密计算、智能安全运营、全链路审计解决政企数据合规痛点，甚至专门联合中国移动打造了 AI 机密计算专区，直接瞄准央国企“数据不出域”的核心要求。

《数据安全法》《关键信息基础设施安全保护条例》出台后，在政务、金融、能源这些关键领域，“数据不出域、全链路可审计”是硬到不能再硬的准入门槛，之前火山没有体系化的可信计算能力，很多央国企的供应商资质都难以进入，更别说拿核心订单。

这次和中国移动的合作是找对了“带路人”：运营商是政务云、央企云市场里信任度最高的入口，华为云、阿里云早年拓展政企市场，都是先和运营商绑定合作。火山主动“绑定运营商”，也是在为进入高价值政企市场铺路。

除了企业能力，火山也开始回应外界对于商业模式的质疑。会上豆包正式全量上线分层订阅体系：基础版68 元/月、加强版200元/月、专业版500元/月，日常聊天、基础问答等核心功能永久免费，仅对长文档处理、AI 办公、高清生成等高阶功能按额度收费。

此前业内对豆包的商业化质疑声从未断过，晚点LatePost报道曾提到，豆包此前日收入不足百万元，绝大部分来自电商导流佣金，B 端 API 又主动挑起价格战，天量Token调用背后是持续高企的算力成本，“流量越大亏得越多”的声音一直存在。

这次付费分层的意义，不止赚C端用户会员费那么简单。摩根士丹利针对国内大模型商业化的测算报告显示，C 端大模型的长期连续订阅付费率区间为 0.3%-3%，头部产品中性预期约 1%；腾讯研究院调研也显示，若包含单次功能付费、临时充值等广义付费行为，国内 AI 用户的整体付费率约为 9.8%。

按照QuestMobile公开的3.45亿豆包月活基数计算，哪怕只做到 1% 的稳定订阅率，一年也能带来数亿级的稳定现金流，这部分收入可以直接反哺 B 端的研发和价格战，让火山不用像其他大模型厂商一样单纯依赖一级市场融资或集团传统业务输血。

这是国内头部大模型厂商中，第一次把C端付费体系和 B 端 MaaS 业务直接打通，一旦付费模型跑通，火山将成为行业内少有的、能靠 C 端稳定现金流反哺 B 端研发和价格战的厂商，相当于给 MaaS 业务的商业可持续性交了一份投名状。

与此同时，火山对业务成功的衡量标准，也开始发生变化。这次大会官方没有反复强调 “日均 Token 调用量第一”，反而把 “年度累计Token 消耗超万亿的企业客户突破 200 家、半年翻倍” 作为核心指标，特意提到全球九成头部手机厂商、100%主流车企、超八成系统重要性银行都已接入火山方舟。

按照工信部《推动企业上云实施指南》提出的通用实施框架，企业用云通常会经历 “单点测试 - 局部部署 - 核心系统迁移” 三阶段：当 AI 能力仅用于聊天、内容生成等零散提效场景时，客户几乎没有迁移成本；当 AI 深入到企业核心生产流程后，系统耦合度会大幅提升，客户留存率也会显著提高。

这个客户留存的指标，比单纯的调用量数字更有分量，起码说明火山已经跨过了“客户尝鲜”阶段。

所有这些变化，最终都落到了增长目标上。火山引擎 2026 年 MaaS 业务的内部营收目标已上调至百亿级，较 2025 年有数倍增长，谭待在采访中也确认，今年确实上调了营收目标，且始终追求 “有毛利的规模”。

火山引擎已经不再满足于做一家Token调用量领先的平台，而是希望成为一家能够持续赚钱、稳定交付的AI云公司。

火山引擎做起「笨生意」

回看火山引擎的成长路径，会发现“从上层场景切入，逐步向下补全能力” 其实是它从成立起就一以贯之的打法。

和阿里云、华为云、腾讯云 “先铺 IaaS 机房、再做 PaaS 平台、最后做 SaaS 应用” 不同，火山引擎的前身是服务字节内部的云计算团队，2020 年正式对外商用时，最先推出的是飞书、智能推荐、视频云等 SaaS 层产品，直到 2021 年 9 月才正式发布计算、存储、网络等 IaaS 基础服务，走的是一条 “先拿场景、再补底座” 的路。

早年它从视频云 SaaS 切入，把懂球帝等中小客户的全业务链路逐步迁移到自有 IaaS 平台上，已经验证过这套 “轻入口、重留存” 的逻辑；只是这一次，它要把这套逻辑复制到整个 AI 云市场，难度大了不止一个量级。

判断火山这次是单纯的对外叙事还是真实的战略落地，只需要看每个动作的核心导向是继续在 “降低门槛拉新、扩大调用量” 的流量逻辑里打转，还是真的在往“嵌入核心流程、积累行业信任”的“笨生意”上走。

云服务的壁垒是逐层加厚的，但现实竞争中，它更像在往更深处不断下探。工具层壁垒最低，谁都能做；中间层应用层，需要深度的行业 know-how；最内是信任，需要长年的客户积累。

最外层是工具能力。方舟 CLI 这一类产品，本质是把模型调用工程化为标准指令，降低开发门槛、放大开发者规模、提升 Token 消耗。它更偏“扩流量”，而非建壁垒。因为无论是头部云厂商还是 MaaS 平台，都能提供类似能力，比拼的是效率和价格，开发者切换成本也很低。

再往里，是企业流程层。HiAgent 3.0 和 ArkClaw 企业版工作台开始进入真正的业务链路：合同审核、生产流程、数字员工调度。这一层的核心不是模型能力，而是系统打通能力：能否接入OA、ERP，能否适配行业规则，能否在生产环境稳定运行等等。

这种“交付能力”没有任何捷径可走，只能挨个行业打磨，给客户做定制化适配，这需要大量的一线服务团队和行业经验积累。谭待在专访中也提到，火山现在已经组建了 FDE（前沿部署工程师）团队，覆盖汽车、金融、制造、医疗等重点行业，要和客户一起把场景落地。

这已经跳出了“卖 Token、卖接口”的轻模式，开始走传统云厂商 “重服务、重交付”的老路。

最深、也最难啃的骨头，是信任。AI Trust 可信体系和中国移动的合作，瞄准的是政务、金融、能源这些关键领域。数据安全、合规、稳定是硬到不能再硬的门槛，这也是阿里云、华为云们用了近十年时间，靠一个个标杆项目堆出来的护城河。

这次火山搭建全链路可信计算体系、和中国移动合建 AI 机密计算专区，瞄准的就是央国企 “数据不出域” 的核心要求。但也必须承认，这类市场的信任从来不是靠发布产品、签署合作就能拿到的：从供应商资质入围，到第一个试点项目落地，再到核心系统的规模化采购，往往需要数年的周期，期间要经过无数次的安全测试、稳定性验证。

这一步走通，火山引擎才算真正拿到了主流云市场的入场券。

结尾

中国云市场跑了十几年，从来没有只靠“低价”赢到最后的。

AWS 从卖在线书店的算力开始，熬了十年才成为全球云市场的老大；阿里云从阿里自己的电商系统开始，砸了十年钱、踩了无数坑才站稳第一的位置；华为云靠 to B 业务积累了三十年的客户关系，才用五年时间冲进第一梯队。

所有最后活下来并壮大的云厂商，都逃不过 “把账算透” 的过程，你可以靠极致的价格打穿尝鲜场景的门槛，但要成为主流玩家，必须帮客户把适配成本、风险成本都算到位，让客户把核心业务放在你这里时，觉得踏实、划算。

AI 给了火山引擎一次百年不遇的换桌机会，但牌桌换了，赢牌还是老规矩：价格“打穿”成本，服务兜底风险。