字節徹底爆發了？

一路高歌猛進的字節跳動，正式殺入作業系統，重新定義 AI 手機時代。

12 月 1 日，字節跳動發佈豆包手機助手預覽版——這款與手機廠商在作業系統層面合作的 AI 助手，可根據使用者指令在多款應用間自動跳轉，既能實現查票訂票、批次下載檔案、多軟體物流進度一鍵查詢等效率型功能，也能完成相簿修圖、外賣比價、商品下單等生活服務類操作。

其開創意義在於：真正從作業系統層面，讓 AI 從被動問答升級為主動完成真實場景的智能調度與跨應用任務。

受此消息帶動，合作廠商中興通訊 A 股漲停、港股大漲超 13%，直觀反映出市場對 AI Agent 落地的強烈期待。

而從行業宏觀視角來看，過去 6 個月 AI 產業的迭代速度遠超去年，正站在技術周期的關鍵拐點，模態融合成為核心趨勢——去年，以單模態為主，VLM 等視覺理解模型佔比偏低，LLM（大語言模型）是絕對主流；今年，多模態呼叫量佔比持續攀升，生圖、生視訊能力增長迅猛——尤其下半年以來，模型的“Function Call”請求量爆發式增長，標誌著 Agent 能力已成為市場核心需求。

這也解釋了火山引擎、騰訊雲今年為何腳步輕盈、姿態昂揚——國內使用者基數大、高頻剛需場景豐富、帳戶體系關聯緊密的應用，微信與抖音是 T0 梯隊兩大翹楚。

與此同時，AI 熱浪持續炙烤著大眾的神經，如火如荼的“軍備競賽”也將網際網路寡頭捲入了一場無限戰爭——在此背景下，權威榜單一度成為公眾感知大廠在 AI 領域行軍速度的“風向標”。

上周，Gartner 發佈 2025 年度全球《AI 應用開發平台魔力象限》，該報告基於“落地能力”（Ability to Excute）與“戰略完整性”（Completeness of Vision）兩大維度，對全球頭部 AI 應用開發平台展開全面評估，榜單結果卻引發行業熱議——首次沖榜的火山引擎，“落地能力”超過阿里雲、騰訊雲躍居中國第一，多模態關鍵能力綜合得分躋身全球第四，著實令人刮目相看。

虎嗅注，榜單橫軸 Completeness of Vision 核心衡量平台的戰略格局、技術路線、生態覆蓋與發展潛力；縱軸 Ability to Execute 重點反映平台的商業化落地成效、客戶規模與營收體量。

需說明的是，火山引擎因在生態開放性、全球市場佈局上存在短板，未進入“領導者”象限；而在 Gartner《生成式 AI（GenAI）技術創新指南》中，阿里雲成為亞太地區唯一入選“領導者”象限的雲廠商。

通過與大模型創業者、第三方機構及火山引擎研發人員的深度溝通，虎嗅發現：AI 技術的高速迭代正重構行業認知，許多推倒重建正悄然發生。本文將以 Gartner 榜單為切入點，復盤國內 AI 雲競爭格局變化與行業趨勢演進。

火山何來攻擂的底氣？

一切爭議由 Gartner 榜單而起，卻也成為外界審視 AI 雲服務發展的重要切口。

首先，Gartner 評選並非“野雞榜單”，而是行業公認的權威標竿。與國內部分評測機構不同，其評選面向全球 AI 從業者及學者發放匿名問卷、追蹤企業客戶真實應用反饋、組建專業團隊實測產品性能，最終通過多維度資料交叉驗證得出結果——全程不受廠商干預，在全球 IT 領域報告中具備權威性。

其次，這是 Gartner 首次針對全球大模型 AI 應用開發平台開展專項評估。虎嗅瞭解到，這一決策主要基於兩層考量：

• 一是 AI 應用已在全球形成規模化市場，並開始分化——這一結論與產業發展走向高度契合：大模型風起雲湧，前兩年聚集於訓練環節的雲端運算算力，在 2024-2025 年逐步向推理環節轉移，大量競爭力不足的大模型團隊出局，AI 應用時代呼嘯而來；
• 二是 AI 應用開發平台提供標準化工具集，企業開發者無需深厚的機器學習知識，即可快速搭建 AI 助手、Agent 及多模態應用，降低了 AI 落地的技術門檻。

究其本質，大模型時代的 AI 應用開發是全新技術範式，核心競爭力聚焦三點：模型智能度、響應速度、成本控制——這三大因素直接決定 AI 應用的使用者普及度與使用體驗，也成為 AI 雲廠商競爭的“新賽點”。

在大模型興起之前的 IaaS（算力基礎設施）時代，阿里雲一家獨大，騰訊雲亦領先火山引擎一個身位。

阿里雲憑藉全端自研能力與先發優勢，是 IaaS 領域的“老大哥”，市場份額為第二名的兩倍以上；尤其，“飛天 + CIPU + 倚天”的技術組合，形成強大競爭壁壘——服務超千家大型政企客戶，覆蓋 500 萬全球使用者。

騰訊雲則聚焦遊戲、音視訊，在中小企業市場多年深耕，雲遊戲接入覆蓋規模、遊戲資源下載分發規模等細分賽道位列第一；隨後通過企業微信生態與“同源同構”技術形成獨特客戶粘性，走出了差異化競爭路線。

但隨著行業進入 MaaS（模型即服務）時代，競爭底層邏輯從資源售賣轉向模型能力，這為火山引擎創造了彎道超車的機會。尤其今年，國內三大雲廠商的模型進展形成鮮明對比：

阿里推出 Qwen3-Next，同時開源 80B-A3B 系列模型；再加上通義萬相（視覺模型）、通義靈碼（程式設計模型），其全模態能力覆蓋文字、圖像、視訊、語音、程式碼生成；截至 2025 年 10 月 31 日，Hugging Face 上基於 Qwen 家族開發的衍生模型數量已超 18 萬個，超過第二名的兩倍。

騰訊相繼推出混元 Large、混元 Turbos、混元 T1 及多個面向端側場景的小尺寸模型；文生圖模型 Hunyuan Image 3.0 在 10 月沖上 LMArena 榜單第一名；混元 3D 在國內外口碑出圈，國內服務超 150 家企業，在遊戲、3D 列印等領域商業化進展迅速。

火山引擎發佈 Doubao-Seed-1.6，首次實現自適應思考、多模態理解與圖形介面操作的深度融合，成為國內首個支援 256K 上下文的思考型模型；同期，豆包視訊生成模型 Seedance 1.0 pro 在 Artificial Analysis 的文生視訊與圖生視訊兩大核心能力評測中登頂全球第一。

三家模型發力側重點不盡相同，但火山引擎的模型優勢主要體現在技術融合與場景落地上：其通過視覺理解與推理能力的深度融合，落地為豆包 APP 的拍題、解題功能——底層邏輯是模型基於視覺資訊的原生思考，而非先通過圖像識別模型解析題目、再通過語言模型生成答案的拆分式方案。

暴露火山野心的動作還在於：當前多數開發者需繫結單一模型，但不同模型往往存在 “能力短板”（即模型偏科現象）。以教育場景為例，豆包大模型在數學、英語科目表現突出，但在人文領域仍有提升空間。為此，火山引擎於 10 月推出 Model Router 智能模型路由：將豆包大模型與第三方開源模型整合至同一平台，使用者無需繫結單一模型，系統可在規則約束下自動匹配效果最優或成本最低的模型方案。

這意外打通了火山方舟的“任督二脈”，除自研豆包大模型外，其他開源模型的呼叫量也顯著增長，佔整體呼叫量的比例已攀升至低雙位數區間。

行業內流傳的說法是，DeepSeek 大模型公有雲呼叫服務這波紅利基本形成“火山引擎吃肉，其他人喝湯”的格局——據火山引擎披露，其大模型服務已覆蓋八成頭部咖啡茶飲品牌、九成主流汽車品牌、八成頭部券商、八成系統重要性銀行、七成 985 高校，以及 9 家全球出貨量前十的手機廠商。

除模型能力外，工程化能力也是火山引擎沖榜的關鍵支撐。

行業普遍認為，MaaS 平台的 Token 定價與工程化能力直接掛鉤：DeepSeek 創始人梁文鋒曾提及，其定價原則是“不貼錢、不賺暴利，僅在成本基礎上保留少量利潤”；火山引擎於去年 5 月掀起價格戰時，外界曾質疑低價策略對長期毛利及盈利的潛在壓力，但火山引擎總裁譚待接受採訪時表示，“我們始終堅持在保證毛利的前提下，推進業務規模化。”

當前，豆包 APP 相較於同類產品，除了基模能力的優勢外，還具備吐字速度快、首字延遲低的特點，甚至語音通話可實現即時接通——上述優勢，很大程度上得益於團隊對 TPOT、TTFT 兩大核心指標的持續最佳化，而嚴苛的使用者需求適配，又進一步磨練了火山方舟的工程能力。

虎嗅註：TPOT（Time Per Output Token）指 LLM 在首個 token 輸出後，後續每個 token 的平均生成時間，直接影響使用者對模型速度的感知，核心體現平均延遲；TTFT（Time To First Token）衡量使用者提交查詢後至首次看到模型輸出的響應時間，重點強調即時互動場景下的低延遲特性，核心體現首字延遲。

火山一口吃成胖子了？

將視線拉回榜首的火山引擎，其爆發式表現究竟是短期 “虛胖”，還是技術沉澱後的必然爆發？

要回答上述問題，先要明白：MaaS 時代的競爭，不僅是技術戰，更是價格戰與市場戰，國內三大雲廠商的市場策略不盡相同。

火山引擎作為攻擂者，去年至今的“三板斧”清晰明確：2024 年 5 月發起價格戰，將行業每千 Tokens 大模型價格帶入“釐時代”，迅速擴大平台使用規模；2025 年 6 月首創 “輸入長度區間定價”，進一步向開發者釋放技術紅利；2025 年 10 月推出 Model Router，讓開發者和企業能在每次模型呼叫中平衡效果與成本。

阿里雲則堅決推進多輪降價：2024 年 2 月 29 日、3 月 31 日、4 月 8 日三連降後，同年 5 月 Qwen-Long 從 0.02 元 / 千 tokens 降至 0.0005 元，降幅 97%；年底，Qwen-VL 系列降幅達 81.3%-85%；2025 年 9 月，阿里集中發佈七款 AI 模型，在性能、深度推理、多模態、Agent 及 Coding 能力等方面均實現新突破，旗艦模型 Qwen3-Max 性能躋身全球前三。

騰訊雲態度更為決絕：為擄獲中小企業和開發者，混元 - lite 從 0.008 元 / 千 tokens 調整為完全免費，API 長度從 4K 升級至 256K；同時，混元 - pro 從 0.1 元 / 千 tokens 降至 0.03 元，降幅 70%，以保持高端市場競爭力。

即便阿里雲、騰訊雲接招迅速，火山引擎仍嘗到了“敢為行業先”的甜頭 ——虎嗅瞭解到，截至 2025 年 9 月，豆包大模型日均處理 30 兆 Tokens，相比 2024 年 5 月首次推出時增長了 25300%。

據 IDC《中國大模型公有雲服務市場分析，2025H1》報告，2025 年上半年中國公有雲大模型服務市場，火山引擎以 49.2% 的份額位居中國第一，意味著中國公有雲上每兩個 Token 就有一個由火山引擎生產；結合此次 Gartner 報告其在 “挑戰者” 象限的表現，火山引擎在 MaaS 業務中已逐漸顯現領先優勢。

不過，也有從業者提出質疑：一是火山引擎如此陡峭的 API 資料，外界無法判斷其自用流量（字節跳動內部應用）與公有雲對外服務的比例，不排除是字節系內循環在“扛著豆包大模型跑”；二是 Omdia 發佈的《中國 AI 雲市場，1H25》報告顯示，阿里 AI 雲以 35.8% 份額位列國內第一。

虎嗅研究發現，兩家報告的核心差異在於統計口徑：Omdia 涵蓋 IaaS、PaaS、MaaS 全鏈條，但剔除了自然語言處理等 AI 專項服務，以及火山引擎的私有化部署、定製化解決方案；而 IDC 則聚焦 MaaS 層面的 API 呼叫量，未納入傳統雲服務。

換句話說，中國 AI 雲第一的歸屬更像是一場“口徑遊戲”——火山引擎強調以 API 呼叫量為主的業務份額中國第一，阿里雲則在大模型帶動的相關 AI 技術服務與傳統雲資源上穩居中國第一。

有鑑於此，火山引擎 API 雖然“賣爆了”，但很難單靠 API 做大規模與利潤。目前，整體雲端運算市場的收入構成仍是資源導向、IaaS 為主，無論大模型訓練，還是 Agent 開發、部署，最終都離不開底層資源——尤其隨著 Agent 加速落地，阿里雲、騰訊雲憑藉過往豐富的 IaaS、PaaS 積累，能更好承接多樣化使用者需求，火山引擎試圖靠 API “扛著雲跑”，仍有不少短板需要補齊。

這種差距也直觀體現在營收規模上：虎嗅瞭解到，火山引擎 2025 年整體收入目標有望突破 200 億元——雖勉強達到騰訊雲的一半、阿里雲的五分之一，卻能死死咬住佔據先發優勢的百度智能雲（2024 年營收 218 億元），甚至有望在 2026 年實現超越。

有接近火山引擎人士指出，譚待在 2021 年一肩擔起雲端運算業務時曾喊出 1000 億的營收目標，彼時很多人心裡是打問號的，但這兩年大模型帶來的業績增速在所有產品中最快，毛利也是最好的之一，2025 年實現同比翻番壓力並不大。

此外，虎嗅瞭解到，火山引擎的銷售考核中 MaaS 業務優先順序最高，且將作為收入貢獻主力；2026 年 MaaS 在總收入結構中的佔比將進一步提升，未來三五年的營收格局不會改變。

這一戰略決策基於兩層核心考量：

• 一是傳統雲端運算公司的核心收入來自虛擬機器、儲存等資源售賣，而大模型的普及本質上在減少這類需求；火山引擎無傳統業務包袱，可激進調整架構適配 MaaS 業務 ——其目標不僅是“賣雲”，更在於擴大生態影響力；
• 二是行業已從 IaaS、PaaS 階段，邁入以 MaaS 為核心的用雲新時代——大模型的本質是算力換智能，火山引擎的 MaaS 優先策略，使其能夠集中資源打造核心產品，避免算力、資源和人才的分散。

這背後的深層意志，是字節跳動近年來有意強化的外界定位：自己是一家科技公司，而非娛樂平台 ——火山引擎正肩負著字節跳動向科技公司蛻變的核心使命。

火山是行業狂飆的縮影

“長期來看，模型競爭將愈發激烈，兩三個月就會有新的 SOTA（最優性能）模型出現；預計到 2026 年，全球 MaaS 賽道大機率僅剩下五六家第一梯隊玩家。” 一位資深行業觀察人士向虎嗅分析，如此激烈的競爭格局下，AI 雲廠商若想不掉隊，需同時滿足“基模能力不落後”“工程化實力持續升級”兩大前提。

說白了，基模能力會倒逼企業不斷去堆卡，工程化升級要求成本更低、更易用，兩者疊加拼的依然是模型的“性價比”。

從當前各類榜單與實測結果來看，中國市場的模型排名與實際性能表現基本匹配；而在全球市場，即便阿里雲、騰訊雲、火山引擎在 AI 應用落地及工程最佳化上“小步快跑”，但與Google、微軟、AWS 仍存在差距。

虎嗅與多位從業者溝通發現，主要體現在兩方面：

一是基礎研究的“地基”差異：Google、微軟、AWS “血槽” 深厚，尤其在核心演算法與架構自主創新上一直扮演領導者角色，高引用研究成果佔比高，科研與產業轉化能力強；因此，“三巨頭”至今仍在持續定義新的工具能力與行業標準，如 MCP、Skills、Google A2A，以及 Coding 與 CLI 結合、Vibe Coding 等創新方向。

二是 AGI 生態佈局與算力建構：國外如 OpenAI、Google 建構了明確的長期路線，聚焦通用智能底層邏輯探索；Google、微軟、AWS 更是形成了從晶片、框架到雲服務的全端閉環，通過硬體與軟體的垂直整合“滾雪球”——相比之下，國內雲巨頭在工程化效率與叢集規模上仍有差距。

以Google為例，今年在 AI 領域（從語言模型到生圖、生視訊能力）呈現全方面領先態勢，反映在 Gartner 榜單上，其“落地能力”與大模型能力均位列全球第一。

Google的領先並非偶然，得益於其深厚的技術儲備與頂級人才梯隊，能夠快速實現從晶片（TPU）到軟體的垂直整合。值得玩味的是，Google TPU 一開始並不好用，但架不住輝達越賣越貴，倒逼Google加大自研投入——在 transformer 架構推理需求暴漲背景下，Google演算法架構晶片的成本與性價比優勢逐漸凸顯，甚至近期一度“打崩”輝達股價，逼得黃仁勳不得不公開回應。

當然，國內外 GPU 供應格局的差異，也加速了 AI 開發平台工程化能力的差距拉大——這與推理叢集規模直接相關：叢集規模越大，資源利用率與工程化效率越高——由此可見，雲端運算作為規模生意，在 GPU 主導的 AI 雲時代，規模效應會持續拉大 MaaS 業務的競爭差距。

不過，一位大廠 AI 工程師樂觀認為：“在 AIGC 領域，尤其生圖、生視訊方向，國內追趕速度較快——這主要源於 scaling law（縮放定律）的放緩，單純堆高參數量帶來的效果提升已逐漸平滑，收益邊際遞減；但在語言模型領域，國內外雲廠商仍存在幾個月的迭代差距。”

尤其在大模型浪潮推動之下，中國移動網際網路已進入使用者、流量趨於見頂的成熟期，監管將更側重產業網際網路的推進與建設，這意味著 MaaS 正處於平台重構生態的關鍵節點。

若 AI 必將成為貫穿數萬家企業、兆產值就業崗位的連結管道，阿里、騰訊、字節能否建構起包括應用、伺服器、晶片、模型在內的完整自研體系，很大程度上決定著其生態重構的進度，以及能否在模型時代牢牢攥緊流量入口。 (虎嗅APP)