競爭深入之后，這終究是一場零和博弈，還是版圖互補？

撰文| 藍洞商業 趙衛衛

半個月前，騰訊集團湯道生帶著團隊到訪了重慶一家短劇公司麥芽傳媒；但是數日后，麥芽傳媒的 CTO 李巍登上了字節跳動火山引擎 FORCE 原動力大會的舞臺。

騰訊想要跟麥芽傳媒在云服務、AI 技術應用、數字內容聯合開發與智能分發上進行合作，而麥芽傳媒 CTO 則公開表達，明年要跟火山引擎在 AI 漫劇和 AI 真人劇、短劇 AI 審核、AI 視頻精修和播放器智能超分辨率上探索。

云廠商是短劇的「水電煤」，短劇是云廠商的「練兵場」，這是一種既是內容源，又是客戶的共生關系。后知后覺的騰訊云能撬動火山引擎的客戶嗎？

很難替代，且不說紅果短劇已經成為行業的絕對頭部勢力，騰訊元寶在視頻模型能力上也落后同期的對手豆包和千問。

火山引擎總裁譚待在提到客戶時特意說：「影視創作方面用大模型的進程比我們想象的快一些。之前想到應該很快，沒想到能這么快，現在很多短劇、尤其是漫劇，還有各種 AD 素材，都在用�！�

有提升的模型能力，搭配解鎖的應用場景，最后才能給云廠商們帶來源源不斷的新客戶。這是過去半年，豆包大模型日處理 Tokens 超過 50 萬億、增長 200% 的背后邏輯。

短劇正在成為云廠商們持續解鎖的創新場景之一。不光是字節和騰訊，阿里千問 APP 也在最近上線了視頻生成模型萬相 2.6，「AI 小劇場」就是其中一個具體的玩法，具備音畫同步、多鏡頭生成及聲音驅動等多種功能。

阿里和字節是國內 AI 賽道最大的競爭對手，一個是 AI 云市場規模第一，一個是 AI 云市場加速度第一。

就在豆包大模型 1.8 發布之日，阿里千問 App 接入首個阿里生態場景高德，開始具備物理世界理解和行動能力，更強的 Agent（智能體）能力是它們共同的進化方向，它們瞄準了更細分的用戶市場需求。

憑借各自的生態優勢進行全產業鏈的 AI 布局，這是目前阿里和字節在 AI 競爭賽道中的狀態，但隨著競爭深入，這終究是一場零和博弈，還是版圖互補？

多模態模型能力是賽點

豆包大模型日均 Tokens 使用量已突破 50 萬億，這是火山引擎「秀肌肉」，而真正的「亮劍」則是推出了豆包大模型 1.8 和視頻生成模型 Seedance 1.5 Pro。

豆包大模型 1.8 的提升，主要在于給多模態 Agent 場景進行定向的優化，在上下文管理，多模態理解能力上增強，可落地到安防監控場景中，提升了模型在處理復雜任務時的規劃與執行水平。

而用戶可以在豆包和即夢 App 端體驗到最新視頻生成模型 Seedance 1.5 Pro 的能力，它已經實現音畫同步，支持多人多語言對話，能對齊口型，覆蓋四川話、粵語等中文方言、英文及小語種。

快手可靈率先在國內視頻生成模型中取得成績，2025 年預計將取得 10 億元的收入。國內科技巨頭紛紛在這一領域跟進，即夢商業化負責人杜子航在 AI 應用分論壇說：「即夢是全球僅次于 Sora 的創作平臺，創作者超 10 萬名」。

而更重要的是他透露了一組商業化數據，在即夢的真實應用場景中，占比 51% 的是專業平面設計，占比 30% 的是內容素材生產，而 C 端社交娛樂內容占比為 19%。也就是說，相比 C 端用戶的占比，B 端專業用戶的付費水平已經占比八成以上。

在底層模型 Seedance 1.5 Pro 加持下，即夢的產品能力進一步提升，包括節奏性情感表演、多樣化主體和上下文感知等，在圖片處理上也可以通過涂抹框選，進而有強保持能力和精準的響應范圍，輸出影視質感的圖片。

多模態模型能力在過去一年競爭激烈，在調用量上增速很快，已經趨同于語音模型，這成為當下科技巨頭們競爭的賽點。而根據杜子航介紹，面向 2026 年，即夢將在漫劇等多個領域發力，包括推出多人協作的團隊版。

再反觀阿里，最近也是在多模態模型領域不斷布局，最新推出的視覺生成模型萬相 2.6，集成音畫同步、多鏡頭生成及聲音驅動等能力，單次生成視頻時長達到 15 秒，并引入了「分鏡控制」與「角色扮演」功能，背后核心還是要追求專業影視制作和圖像創作場景的市場空間。

從模型到應用，從硬件到產品，阿里最近在 AI 領域「擰油門」的狀態就沒有停過。

上線千問 APP 后，發布夸克 AI 眼鏡，又成立千問 C 端事業群，而螞蟻也在通過「靈光」應用和「螞蟻阿�！沟犬a品在健康等細分賽道進行拓展，密集曝光之后，「螞蟻阿�！挂欢葲_進蘋果應用商店免費榜第三位。

如今在模型能力上都能實現「音畫同步」，但阿里萬相 2.6 和豆包 Seedance 1.5 Pro 差距有多大？這顯然還需要時間和市場驗證，火山引擎總裁譚待在提到這一功能時明確說，「Seedance 1.5 Pro 實現音畫同步，在行業不算首創，但同行功能做了，不代表做好了�！�

放在更大的背景中看，字節和阿里在多模態模型能力上的競逐，一方面是對 B 端企業客戶增長市場的必然追求，而另外一方面也是補齊跟國際同行的差距。

視頻生成能夠實現音畫同步這一功能，是谷歌在今年 5 月份率先在 Veo3 上實現的，這給整個視頻模型行業帶來與之看齊的方向，讓 AI 視頻走出「默片時代」，指令遵循更好、保真度更高。

而在落地場景中，谷歌云業務也給全世界的同行們做出了示范。谷歌云憑借多模態的模型能力，先后拿下了英國廣告公司 WPP 集團、維珍郵輪等多個企業級大客戶，通過 Agent 融入客戶公司業務，推動這些大企業 AI 營銷平臺加速人工智能轉型，已經在國際市場中展開更大的圈地運動。

一場生態位與話語權的變革

對于 AI 云服務的客戶們來說，能不能用 AI 模型能力和智能體應用重塑生產力，帶來真切的降本增效，才是選擇的最大標準，因為技術只是表面的護城河，而 ROI（投資回報率）才是真正的尺子。

而當 Agent 開始落地企業真實的場景中，安全性的保證是第一位的，而后才是效率的提升，誰能率先解決復雜任務的穩定性，誰才能通過客戶的最終判斷。

「第一款產品從 0 賣到 30 萬臺用了 250 天，而在火山引擎的支持下，第二代端到端語音模型的AI玩具賣到 30 萬臺，只用了 25 天，速度提升了 10 倍」，躍然創新（Haivivi）聯合創始人高峰在火山引擎FORCE 原動力大會上說。

躍然創新是一家 AI 玩具公司，今年 8 月發布了第二代產品 CocoMate 系列，這是搭載端到端語音模型的 AI 玩具。第二代產品的能力顯著提升，主要是因為火山引擎豆包實時語音模型的支持，CocoMate 能識別語氣、理解情緒，支持主動接話并隨時被打斷，響應速度壓縮到 1 秒以內，而且可以在噪音環境中使用。

在模型能力的提升下，AI 玩具行業成為創造新需求的品類整體迎來了大發展。2026 年1 月，躍然創新還將發布第三代 AI 玩具，這是一款奧特曼 AI 互動對話器，用戶可以與奧特曼 AI 角色進行對話，還支持無限距離組隊對講等功能。

而在當下 AI 落地真實場景 Agent 為王的行業共識中，阿里和字節出現了哪些新需求新變化？

阿里 AI 的核心關鍵詞，是體內循環的「一統」，讓 C 端的需求匯集到一處。

不論是成立千問事業群，還是把千問打造成一款超級 App，本質都是要把阿里計劃將地圖、外賣、訂票、辦公、學習、購物、健康等各類生活場景接入千問，讓其能通過 Agent 形式外鏈淘寶電商等細分場景中，讓不同的需求對齊到一起。

比如高德此前有 AI 導航智能體，后來有直接對話的出行生活智能體「小高老師」，這都是存在于高德 App 內的核心交互模式，而接入了千問之后，在千問 App 內就可以實現基于高德的服務。

而字節的 AI 核心策略是體外循環的「下沉」，讓 B 端客戶的 AI 使用門檻更低。

在推出智能體統一交互入口 AgentSphere 時，火山引擎副總裁提到一個顛覆他認知的事情，那就是很多企業中的智能體不是太少，而是太多太散了，這也是造成 AI 低效的一個重要原因。所以無數個數字員工或是智能體，都將在AgentSphere 得到統一的交互，需求不同的用戶看到不同的定制看板，而不是千篇一律的對話框。

而為了降低用戶使用門檻，豆包還拿出了豆包助手 API，讓企業通過 API 開箱即用。也就是說，火山引擎為了下沉，賣的不光是模型，更是封裝好的成熟產品體驗。

參照谷歌 Gemini 3.0 帶給對手 OpenAI 的壓力，不光是因為谷歌證明了 AI 大模型的能力上升有極大的上限，另外一方面也證明了 AI 落地到公司具體業務中，能把搜索、廣告和 Youtube 等多個業務生態串聯起來，真正帶來業務效率的提升，給市場看到了真正 AI 落地可能性。

從谷歌給中國同行帶來的啟示看，懂用戶、更好用的 AI 產品很重要，但更重要的是 AI 能力如何準確服務當下的用戶群體，這是一場技術變現效率的比拼，更是一場生態位與話語權的變革。

無論是豆包通過流量入口優勢挖掘 B 端客戶，還是阿里通過 B 端服務能力進入 C 端市場，本質上都是通過各自的優勢地位進行 AI 全產業鏈的布局，各自的路徑已經越來越清晰，現在階段只是版圖互補，而不遠的未來可能就是一場零和博弈。

       原文標題 : AI 智能體落地，北看字節，南看阿里