豆包大模型日均Token消耗量已突破120萬億，這一數(shù)據(jù)在全球范圍內(nèi)僅次于OpenAI與谷歌。三個月前，該數(shù)值尚為63萬億，若將時間線拉長至兩年前，其增速高達千倍。在Token消耗量持續(xù)飆升的背景下，關(guān)于大模型需求的質(zhì)疑聲逐漸消散，2026年被視為產(chǎn)業(yè)“Token共識之年”。對于火山引擎而言，這一趨勢既是戰(zhàn)略驗證的契機，也帶來了更激烈的市場競爭。

火山引擎總裁譚待指出，Token使用量是衡量AI發(fā)展速度的核心指標。豆包大模型近期使用量的爆發(fā)式增長，主要源于視頻創(chuàng)作與AI智能體的普及。以Seedance 2.0、Seedream 5.0 lite等多模態(tài)模型為例，其推出直接推動了視頻創(chuàng)作相關(guān)Token消耗的大幅上升。這類應(yīng)用已跨越行業(yè)邊界，成為營銷、傳播等領(lǐng)域的通用工具?；鹕揭嬖诒敬未髸闲奸_放Seedance 2.0 API公測，并強調(diào)通過版權(quán)與肖像安全保障體系，覆蓋視頻生成全流程，有效防御侵權(quán)與深度偽造風(fēng)險。

另一關(guān)鍵驅(qū)動因素是AI智能體的快速滲透。以O(shè)penClaw為代表的“龍蝦”類智能體產(chǎn)品，在一個月內(nèi)迅速走紅，徹底改變了企業(yè)AI的使用模式。譚待觀察到，這類工具的應(yīng)用場景已無法用單一行業(yè)定義——員工可能用它處理招聘、市場分析或周報撰寫等任務(wù)。他提出，AI發(fā)展需兼顧“自上而下”與“自下而上”兩種路徑：前者通過HiAgent等工具推動企業(yè)級創(chuàng)新，后者借助ArkClaw等產(chǎn)品賦能個體探索，二者結(jié)合可加速企業(yè)AI轉(zhuǎn)型。

企業(yè)AI應(yīng)用的形態(tài)正分化為敏態(tài)與穩(wěn)態(tài)兩種模式。敏態(tài)以員工需求為導(dǎo)向，鼓勵廣泛嘗試，例如通過ArkClaw探索招聘解決方案；穩(wěn)態(tài)則關(guān)注穩(wěn)定性與成本優(yōu)化，將有效方法固化為業(yè)務(wù)流程。譚待強調(diào)，企業(yè)更在意端到端任務(wù)的整體成本，而非單Token價格。若模型能力不足導(dǎo)致Token消耗激增，反而會造成資源浪費。

針對行業(yè)關(guān)注的Token漲價問題，譚待認為，不同廠商策略差異顯著。摩根士丹利3月研報指出，中國AI云市場受市場份額競爭與獨立模型提供商缺失兩大因素制約，提價空間有限。譚待直言，部分廠商選擇漲價，亦有廠商降價，而豆包模型的定價策略基于長期優(yōu)化——通過軟硬件升級降低單Token成本，同時提升模型智力上限。他以O(shè)penClaw為例，指出當前大量Token消耗源于無效探索，通過優(yōu)化技能配合與壓縮技術(shù)，可顯著減少浪費。

隨著“龍蝦”類智能體成為企業(yè)標配，譚待提出落地三大要素：模型能力、安全保障與開放技能生態(tài)。豆包2.0針對Agent場景優(yōu)化了視覺理解與計算機視覺能力，而火山引擎ArkClaw則通過權(quán)限管理與技能全流程防護，成為國內(nèi)首家通過“龍蝦”類產(chǎn)品可信能力與安全防護雙認證的廠商。

在技能生態(tài)方面，火山引擎選擇與OpenClaw共建“ClawHub中國鏡像站”，而非構(gòu)建封閉體系。這一決策旨在提升開發(fā)者體驗，避免高頻訪問導(dǎo)致的穩(wěn)定性問題。當被問及“龍蝦”路線是否為AGI發(fā)展的轉(zhuǎn)折點時，譚待以軟盤與電腦的類比回應(yīng)：OpenClaw技術(shù)已產(chǎn)生深遠影響，但其最終定位仍需時間檢驗。他此前曾將AI行業(yè)比作馬拉松，如今認為賽道已從500米延伸至1公里——這一判斷基于對OpenAI、Anthropic等企業(yè)收入規(guī)模及行業(yè)想象空間的測算。