Token，Token，还是 Token。

在 12 月 18 日的 FORCE 原动力大会上，火山引擎总裁谭待半小时的开场演讲里提了 18 次 "Token"，而 " 云 " 则只出现了 7 次。

火山也再次更新了备受瞩目的豆包大模型最新日均 Token 调用量：

50 万亿。

这一指标从发布至今实现了 417 倍增长，相比去年 12 月则是超 10 倍增长。作为对比，Google10 月最新公布的月均 Token 直接换算为日均量的数据是 43 万亿。豆包大模型的调用量已经是中国第一、全球第三。

而根据 IDC 的报告，火山引擎在中国的公有云大模型的服务调用量上也是稳居第一，MaaS 市场份额从 2024 年的 46.4% 进一步提升到了今年的 49.2%。

" 也就是说，在中国公有云上每产生的两个 Tokens 就有一个是火山引擎生产的。" 谭待在当天面对台下 5000 名观众说道。

在当天的发布中，一如既往由火山来更新了字节最新模型的进展。

豆包大模型 1.8 正式亮相，它在多项指标上显著提升，继续走 All-in-One 的技术路线，文字、代码、Agent、音频，图视频等能力，全部在同一个基础模型里演进；而专门为视频生成服务的 Seedance 1.5 pro 也同步推出，在音画同步、中文及方言处理上做到了 " 世界领先水平 "。

字节要传达的信息明显：豆包大模型创造着 Token，且它的进化方向也正对应着今天 Token 消耗的结构性变化——从 " 推理取代训练 " 推动 Token 消耗，到今天多模态 +Agent 成为 Token 的绝对大头，这些需求都可以被火山提供的服务满足。

这一切迅猛增长的背后，火山引擎正在建立起一套它自己的 Token 经济学。

更多的 Token 就是代表更多智能

Token，是大模型处理信息的基本单位。无论是文字、图像还是视频，在模型中都在被转换为 Token 序列进行计算。本质上，Token 就是人们对 AI 的调用量。

但这背后存在一个问题：由于 Token 的计算方式基于长度，所以一篇文章和一段关键的代码可能消耗相似的 Token 数量。那么，纯粹的以 Token 数量来衡量，能否真实反映 AI 创造的价值？

火山引擎的算法人员在和我们的交流中回忆，其实曾经火山内部也有过类似争论，但最终的结论是：Token 量一定是对的指标。

"AI 要在实际场景产生价值，大家肯定要把它用起来，不管单位价值有大有小，但实际上一定是跟 Token 用量正相关的。可能你最终的那个关键决策对应的只是‘是’或者‘否’，一个 Token，但得出这个结论必然已经用掉了大量 Token。"

所以火山内部最终明确，更多的 Token 就是代表更多智能。

而今天 Token 的增长，其内在结构也在悄然变化。火山引擎智能算法负责人吴迪提供了一个演化路径：

" 可能到了 2027，2028 年，一个普通的 C 端用户从 AI 助手得到的很多的信号就是视觉的，你不会看到大段大段的文字了。那么，到时候 LLM 会以 coding 和 agent 的形式下沉到整个数字世界的底层运行逻辑里。"

换言之，Token 会分层，LLM 会向下成为底座，多模态的视觉、交互 Token 将在上层涌现。

这就会让 Token 成为一个持续增长的指标，也是一个有效指标。吴迪预测，到 2030 年，国内市场的 Token 消耗量将是现在的百倍以上。届时，衡量企业智能化程度的核心指标，将从其拥有的 GPU 数量转变为消耗的 Token 总量，因为它是唯一能同时穿透 " 模型能力、使用频率和真实需求 " 的统一指标。

云设施必须以模型为中心重构

更多 Token 意味更多智能，那么如何让企业客户更好生成它们需要的 Token，就是火山作为从字节内部走出的 "AI 云原生 " 基础设施的任务。

过往云计算所习惯的一整套体系也因此出现 " 不适 "，它更多是一个围绕算力设计的体系，而火山认为新的需求注定是围绕模型的。

" 传统 IaaS、PaaS、SaaS 分层规划的 IT 架构不再有效，以模型为中心的 AI 云原生架构正在形成。" 谭待说。

此次的一整套体系也由此诞生。

火山推出了 " 推理代工 "，企业可将训练好的模型托管至火山，按实际 Token 消耗付费，无需自建推理集群；

Agent 开发套件（ADK） 全面升级，支持动态运行时、多会话共享、强身份传递与内置工具链；

智能端点（Endpoint） 支持模型路由，可根据效果、成本等策略自动分流至豆包、DeepSeek、Kimi 等多模型后端；

方舟平台进一步升级，支持客户在自有场景中做 RL 强化学习等的微调。

而且这一系列产品里的很多细节，都体现出很多根本性差异。

例如，Agent 开发套件（ADK） 的动态运行时设计，直接挑战了行业惯例。AWS AgentCore 为每个会话启动一个独立运行时，而火山采用多会话共享模式。

火山引擎云基础产品负责人田涛涛直言，这是一个行业惯性的问题，AgentCore 为每个 session 起一个 Runtime，过去可以，但进入模型时代就太奢侈了，而火山对成本敏感，字节自己内部就一直有不同的更 AI 原生的需求，因此本就有不同的设计，现在可以推广给更多模型用户。

在火山看来，人们最终会 " 跃过 " 对算力的关注，最终直接冲着模型而来。

" 你很难想象五年后新的创业者还会去云上租 GPU、开数据库。到时候在他们创业的第一天，他们会直接向云服务商‘要 Token ’，直接要的就是调用模型和配套工具。"吴迪说。

" 我们已经把像 Response API、分布式的 KV Cache、良好的 P/D 分离、一大堆高品质的内置 Tools 组装好了，等着你把你的一个齿轮装上来，这辆车就能跑。"

火山还配套改进了模型服务的定价模式，推出了一个 "AI 节省计划 "，让企业达到模型使用成本的全局最优解。

" 客户只需要为用了的 Token 付钱。"

模型训练和市场需求一杆子打通

现在我们可以来看看字节和火山今天已经有了什么：

· 最大规模的云计算需求：内部支撑抖音等国民级产品带来的规模效应和成本优势。

· 最多用户的大模型产品：豆包。而且在火山的视角，它也是一个最大的 Agent 产品。

· 第一的 Token 调用量：50 万亿 / 天，且还在猛涨。

· 以及支持着豆包 app 和抖音这种巨量真实需求的多模态和推理大一统的豆包大模型。

这种全栈系统能力是今天最重要 AI 玩家必备的能力，横向对比，可以把目前的玩家分为三种路线：

OpenAI + 微软路线：模型自己的，云设施是战略伙伴的。

阿里云路线：开源模型长在自己云上，然后近期在强推产品。

Google 路线：全部自研，模型闭源，产品到研发直接全面打通。

这里面，字节的路线很像 Google。

豆包就对应着 Gemini，一个大一统的多模态 agent 模型。Seedance 1.5 紧跟 Veo3，甚至超过了对方。这一切的技术基础也和 Google 类似，都长在自己的以 AI 为核心的机器学习平台和云服务上，然后这些 "Gemini 同款 " 和 " 豆包同款 " 细化成产品再提供给外界。

而尚未被太多关注到的另一个 " 相似 "，则是对待模型技术的方式上。

Google 在 Gemini 3 的 " 翻身仗 " 后分享了很多内部复盘，其中最重要一个因素就是模型、研发、产品和需求的统一打通。而字节如何训练模型此前并未被外界了解，它与大多模型公司一个非常大的不同是，它把真实市场需求直接一杆子打通到了模型训练层面。

火山引擎作为模型对外统一的出口，也有自己的算法人员，他们和字节的模型部门 Seed 紧密合作，甚至是 " 混合办公 " 和各种灵活的配合方式，而火山引擎团队所获取到的市场需求情况，可以直接影响模型研发方向和决策。

火山的模型策略团队会把市场上的需求反馈收集和抽象出来，直接影响到模型的重要功能和研发方向。

这都直接体现在豆包大模型的身上：

豆包之所以是一个大一统的模型，除了技术路线的选择，也是从客户体验出发：火山的客户们认为模型版本太多了，甚至字节内部的 " 用户 " 都搞不清楚各方面的区别，所以这个模型必须 all in one 来降低选择成本。

字节认为，今天训练模型最重要的是评估体系，而它绝对不应该只是公开的 benchmark，必须用真实业务价值来衡量模型能力。字节内部已经为 B 端建设了大量 benchmark，模型开发成果必须真正符合实际的经济价值要求。

于是 Seedance 会在模型层面增加一个 Draft 样片的能力，让用户不是抽卡，而是提前做预览判断；豆包模型在建设工具调用能力之外，直接在配套 API 中就配套做了许多 built in 的工具。128k 上下文这种看起来能用来炫技但事实上实际需求并不高的能力，就会被去掉。

" 在 25 年，有超过 100 万家企业和个人使用了火山引擎的大模型服务，覆盖了 100 多个行业，我们也对他们在火山方舟上的用量进行了匿名统计，我们发现，有超过 100 家企业在火山引擎累计 tokens 使用量超过了 1 万亿。" 谭待在发布会上说。

这可能是比市场份额增长更值得玩味的一组数据。 它最能体现字节这种用需求指引模型发展的方式所带来的收益。

所以，如果我们来拆解一下，字节的 Token 经济学就是：

越多的 Token 意味越高智能

Token 是智能的度量衡，其增长与结构变化指引技术演进。

服务 AI 的云必须以模型为中心重构

传统云厂商的惯性已经太大，而火山服务的最大客户就是字节自己，字节就是一个长在 AI 和模型上的公司，火山解决的一直是 AI 的需求，现在这些需求变成外界的广泛需求，它的技术思路就可以用来重构整个云行业的方案。

Agent 的普及会让 Token 从原材料变为更高级的智能单元，进而带来更大价值

谭待曾经形容，目前基于 Token 的商业模式还很原始，而今天他认为，随着 Agent 的进步和在企业里的普及，Token 最终会走出今天 " 原材料 " 的定位。

Agent 可将模型串联，云平台和中间件进一步把 Tokens 组装成 Agents，并实现 Agent 和现有工作流、Agent 和 Agent 之间的智能互通，以 API 或完整 Agent 的方式提供服务，从更高抽象层次创造价值。

" 今天讨论 Token，是从底层操作系统角度看，是在 IT 预算环节考虑；而抽象成 Agent 后，可从 BPO （业务流程外包）角度看待，那么它就是在扩大整个市场的规模了。" 谭待说。

" 人们常说的 10 万亿 Agent 市场，核心就是这个逻辑。"