2025年字节跳动AI底层架构专题报告：基模领先，组织财务双保障，占领AI时代高地

一、基础研发：重视基模能力迭代，组织架构和制度 导向确保长期处于领先

从 2023 年初字节重启讨论大模型、组建大模型团队，到 2024 年 5 月正式发布豆包大模型，字节 以 all in 的姿态，通过模型层+中间层+应用层全布局，饱和式攻击和低价使用的策略，在两年时间 里迅速完成从落后者到在大模型领域中布局全面、进展迅速的领先者的蜕变，探索 AI 时代新的交 互方式和流量入口，一方面思考 AI 对短视频主业的赋能，另一方面前沿布局 AI 带来新的业务抓 手和增长机遇。

1.1 基础模型：慢思考、快执行，全面布局且能力领先

我们认为，字节大模型经过 2023~2024 年的快速迭代，初步实现了模型系列完备、模型能力处于 国内一梯队的阶段性目标，其中 1）LLM 方向字节 4 月发布的 Seed-Thinking-v1.5 模型一度将 国内与海外前沿模型的能力差距缩短至 3 个月以内；2）多模态方向文生图、视频生成模型能力 均处于全球领先水平。 起步相对较晚、迭代速度快，相继补全语言和图像、音乐、视频等多模态的 AI 大模型。2023 年 初，字节内部开始训练基础模型，部署 Seed 项目专注于模型层的研发。2023 年 8 月，字节发布 云雀大模型 V1.0 版本，此后基础大模型能力保持快速迭代，每 1-2 月就有新版本推出。2024 年 5 月字节发布豆包大模型，包括通用模型 pro 和 lite2 款基座模型，以及 7 款功能性模型，涵盖角色 扮演、语音识别、语音合成、声音复刻、文生图等方面。2024 年 9 月字节发布豆包视频生成模型， 12 月发布豆包视觉理解模型、全面升级通用模型，在多模态大模型领域持续取得技术突破。2025 年 1 月发布豆包大模型 1.5 系列，4 月发布 1.5 深度思考模型，6 月 11 日发布豆包大模型 1.6 系 列。在 LLM 及多模态上，字节对应模型均取得了相应的排位，处于领先状态。

1）字节 LLM 能力处于国内一梯队，国内大语言模型能力与海外差距缩短至 3 个月以内。自 2022 年 ChatGPT 发布以来，中美前沿模型之间的性能差距一直存在，但国内大模型持续迭代不断追 赶，使得这一差距从此前的一年多时间缩小至三个月以内。海外主要是 OpenAI 的 o3 模型处于领 先地位，国内则主要由 DeepSeek 和阿里巴巴通义模型引领。 在国内模型技术追赶的过程中，字 节于 2025 年 4 月发布的 Seed-Thinking-v1.5 模型能力超越彼时的 DeepSeek R1，将国内大语言 模型的先进性继续往更高水平推进。

2）字节文生图/视频能力较强，多模态上现阶段国内与海外势均力敌。从多模态的角度，参考 Artificail Analysis 榜单，字节在文生图和视频生成上表现亮眼，其文生图模型 Seedream 3.0 发布时一度取得全球文生图模型的榜首位置，目前全球排名仅次于 OpenAI 的 GPT-4o，位于第二；4 月底上线的视频生成模型 Seedance1.0 目前位于全球第一。语音模型也处于国内领先水平 （SuperClue-TTS 语音合成测评国内第一）。 我们认为，国内多模态模型的能力，目前与海外是势均力敌、互相追赶的状态。相较于语言大模 型文字类的通用场景，国内在多模态的应用和市场更大，预计多模态类的 AI 应用能打造技术-场 景测试-数据迭代-产品优化的良性循环。字节方面受益于短视频（兼具视频和声音）数据和用户 生态，看好其多模态发展潜力。

1.2 研发架构：阶段性领先目标达成，研发分层和整合放眼长 期 AGI 研究

我们认为，字节 Seed 团队高人才密度和赛马机制，是过去 2 年大模型研究快速突破、跃升到国 内领先水平的核心，竞争和成果导向帮助字节在前期落后的情况下实现追赶甚至反超。 在新周期下的大模型军备竞赛，集团层面字节 AI 业务优先级和重要性高，且从 25 年字节近期 AI 研发架构变动判断，其基模战略放眼更为长期的 AGI 研究，核心聚焦基础模型能力向前沿范式推 进和持续领先。在配套制度保障上，虚拟小组精简组织关系和汇报层级、为长期 AGI 研究团队设 置更长的考核周期等动作，目的均在于创造更良性的研究氛围、激发团队人才的创新创业热情。

字节 AI 团队高人才密度。以 Seed 研发团队来看，团队组建于 2023 年，聚集了一批高水平研究 人员，包括：1）早年即加入字节的 AI 研究者，如 2021 年加入的冯佳时，目前是豆包大模型视觉 基础研究团队负责人；2018 年加入的王雨轩，目前是豆包大模型语音团队的负责人；2）字节也 吸引了外部技术骨干，如原谷歌 DeepMind 副总裁的吴永辉，目前担任 Seed 团队基础模型负责 人；2024 年加入的周畅，此前为阿里通义大模型技术负责人，目前为字节世界模型负责人；3）此外字节也争取到相当一部分的年轻研究者， 24 年 5 月，Seed 团队发起了面向顶尖应届博士毕 业生的 Top Seed 人才计划，招募了约 30 人，为 AI 人才团队注入年轻血液。 内部赛马机制激发技术突破。以视频生成模型为例，Seed 部门里有两个团队参与相关工作，即 PixalDance 和 Seaweed，通过竞争促进技术突破和产品创新。

集团架构层面，AI 业务负责人直接汇报梁汝波，业务优先级和重要性高。字节 AI 团队主要包括 Seed（2023 年初成立，专注大模型底层技术研发）、Flow（2023 年底成立，负责基于大模型的 AI 原生应用研发）、AI Lab（2016 年建立，随着核心团队成员离开有所弱化和分拆，目前并入 Seed）、Data-AML（机器学习中台）、Stone（AI产品研发支持）。到2023年底，Seed、Flow 已成为和抖音、火山、飞书等平级的重要业务，其中 Seed 团队负责人吴永辉、朱文佳直接向字 节跳动全球 CEO梁汝波汇报，区别于其他互联网大厂是独立组织架构和直接汇报一号位的层级。 从人员流向来看，24 年初抖音集团 CEO 张楠、飞书副总裁齐俊元均转岗至相关 AI 部门，Seed 负责人朱文佳此前为今日头条 CEO 和 TikTok 产品技术负责人，Flow 负责人朱骏为字节跳动产品 与战略副总裁，从集团层面抽调了原各业务线的核心成员到 AI 团队。因此综合业务层级、汇报级 别、内部活水动向判断，字节 AI 业务在集团内部处于高优先级。

3 月 Seed 全员会明确探索智能上限目标，聚焦模型能力以保持长期领先优势。字节通过前期快 速追赶，模型能力已达到国内一梯队水平。在国内各家大模型竞争愈发激烈的态势下，大厂凭借 高维的算力和资源投入，对起步更早的初创公司形成一定挤压，如 AI 六小龙在资源相对不足的情 况下重心各有分化，百川转向垂直模型、零一万物转向训练更轻量化和有商业落地前景的模型等。 对于字节而言，负责人的调整、Seed 架构和汇报条线的变化等，均向外界传达出其 AI 战略在于 坚定聚焦探索下一代模型范式，探索智能边界，追求全球领先。

（1） 前 Google Deepmind 副总裁吴永辉加盟，Seed 内部研发分层和整合。 Seed 目前为双负责人模式。25 年字节 AI 团队最大的人员变动在于引入前 Google Deepmind 研 究副总裁、Google Fellow 吴永辉博士担任大模型团队 Seed 基础研究负责人，原本由朱文佳独立 负责的 Seed 部门，转变为吴永辉掌舵 AI 基础研究、朱文佳主抓模型应用方向的双负责人模式。 相比此前担任 TikTok 产品技术负责人的朱文佳，在搜素和推荐算法技术领域有深厚积累，吴永辉 的研发经历更聚焦 AI，研究领域涉及机器翻译、语音技术和大语言模型等多个领域，是 Palm 2大 模型训练团队的核心贡献者，也是 Gemini 应用总技术负责人之一。 吴永辉是继2022年加入的CFO高准之后，最新一位直接空降到CEO-1级别的高管。吴永辉2008 年博士毕业于加州大学河滨分校，起初作为一名排序工程师加入谷歌，致力于改进谷歌核心网页 搜索排名的算法。2015 年吴永辉转入 Google Brain 团队，专注于深度学习及其应用研究，主导了 神经机器翻译（GNMT）、RankBrainn 等项目，推动了语音识别的技术发展。 双负责人制下，研发方向有所分层：根据晚点 LatePost，吴永辉带队大模型研发环节，多名原来 向朱文佳汇报的算法和技术负责人转向吴永辉汇报，如 AML 和豆包大模型 Foundation 团队负责 人项亮、字节人工智能实验室（AI Lab）总监李航、字节豆包大模型视觉多模态生成负责人杨建 朝等；朱文佳则更侧重于研发与体验更相关的模型应用能力，如问答、创作、解题、代码和 AI 使 用工具的能力等。另一方面，内部研发力量整合更加明显，包括 AI Lab 正式并入 Seed、原属于 AML 部门的肖文之团队（曾发表过模型训练数据以及监督预训练方向的成果）也并入 AI Lab。 我们认为，双负责人模式下的模型研发，说明字节 AI 思路上尤其重视底层基础模型能力提升、追 求保持领先水平，并且同样重视模型在应用侧的能力嫁接和用户体验，模型应用能力作为偏通用 和标准的模块，或为新模型能力快速接入应用、提供丝滑和差异化的用户体验等奠定强大支持。

（2） 重视 Seed Edge 长期研究，并通过制度保障鼓励创意创新。 字节于 25 年 1 月正式设立代号为“Seed Edge”的研究项目， 4 月 AI Lab 的 Seed Robotics、AI for Science、Reponsible AI 三个方向也一并加入该研究团队。Seed Edge 的目标是做更长期、更 底层的 AGI 前沿研究，并拟定 5 大相对长期的研究方向，不要求像迭代模型一样快速出成果。在 制度和资源保障上，字节为 Seed Edge 项目人员提供更长的考核周期，不设置 OKR 和半年考核，关注研究成果的长期影响和价值，并且提供充足的算力资源保障。此外，吴永辉在 Seed 内部设 立了若干虚拟小组（不在正式组织结构中，是专注于特定项目的临时团队），并且调整了内部汇 报流程体系，职级为吴永辉-2 的人也可以直接向吴永辉汇报，从而使得组织关系更精简高效。 我们认为，Seed Edge 更聚焦研究长期、底层的技术变革，在保障基础模型能力短期处于领先水 平之外，放眼长期、培养下一技术周期的竞争力。

1.3 资本开支：全球 AI 加码趋势不变，字节投入国内 TOP1

海外映射看：（1）ChatGPT 4 上线后带动 Capex 步入高增周期，主要厂商季度投入环比增长持 续性强。我们以亚马逊、微软与谷歌三大海外云厂商为参考，海外 Capex 拐点自 23Q2 出现，彼 时 ChatGPT 4 于 3月底上线后，三大云厂商均于 5月 Q1法说会中表态将加码 AI算力投资。23Q2 开始，三大云厂商的季度资本开支投入绝对值基本保持环比增长态势（除个别季度环比下降）， 持续性好，如亚马逊季度资本开支从 23Q2 的 115 亿美元增长至 25Q1 的 250 亿美元，谷歌季度 资本开支从 23Q2 的 69 亿美元增长至 25Q1 的 172 亿美元，微软则是从 23Q2 的 89 亿美元到 25Q1 的 167 亿美元。全年维度看，24/25 年三家云厂商合计 Capex 为 1911/2500 亿美元， yoy+59%/31%。 （2）从海外云厂商的云业务收入增速可交叉验证，海外 AI 算力持续维持高景气状态。亚马逊、 微软与谷歌的云业务收入，自 23Q3 开始同比增速加快，且高增长持续性好。亚马逊 23Q3 云业 务收入同增 12.3%，此后基本保持在 15%以上的同比增速；谷歌 23Q3 云业务收入同增 23%，此 后增速在 25%~35%；微软 23Q3 云业务收入同增 19%，后续季度增速在 20%上下波动。全年维 度看，24/25 年三家云厂商云业务收入合计为 2463/2963 亿美元，yoy+21%/20.3%。 国内视角看：自研大模型略缓致投入节奏晚于海外 1 年多，虽季度有波动但全年高增。国内以 BBAT 为代表的互联网大厂，直到 24H2 自研 AI 大模型陆续上线后，AI Capex 才开始明显提速， 虽然受限于硬件和算力限制季度间有一定波动，但从全年维度看，24/25 年 BBAT 四家厂商合计 资本开支为 2374/3725 亿元，分别同增 99%/57%。

根据 TrendForce 和 VnExpress，字节 24/25 年 Capex 为 800/1500 亿元，yoy+33%/88%，25 年 绝对额领先于第二名的阿里近 50%。根据技术咨询公司 Omdia 报告，2024 年字节跳动采购了 23 万片 Hopper GPU，为英伟达全球第二大采购方，仅次于微软的 48.5 万片。在服务器方面的资本 开支上，字节跳动为全球第五大、国内第一大厂商。

财务层面，字节具备雄厚资金实力，可为长期 AI 战略提供充足弹药。根据第一财经报道，2024 年字节跳动实现收入 1550 亿美元，同比增速接近 30%。利润端，根据 Bloomberg，2023 年字节 EBITDA 为 400 亿美元，如果假设 2024 年 EBITDA 利润率较 2023 年保持稳定，则 2024 字节 EBITDA 或达 520 亿美元，在国内互联网大厂中为显著领先地位，高出第二名腾讯 46%。我们认 为字节具备资金池做 AGI 长期探索。

1.4 价格策略：工程能力强、定价创新，AI 普惠尽全力

大模型算法效率的提升，使得达到相同性能的计算资源减少，行业层面模型成本降价是大趋势， 从而带动下游产业渗透和生态繁荣。而国内外的差异在于，海外以 C 端订阅付费、B 端 API 调用 为主流，算法效率提升的情况下因商业化全面完善，降价空间更大。国内在付费习惯差异下，为 了培育下游需求，降价更多需要依赖算法优化和工程创新，其中字节是降价的推动者，配合新模 型发布主动发起新一轮定价创新，AI 普惠尽全力。 大模型的成本呈现下降趋势，算法改进和优化使得成本降低的同时能力提升。Anthropic 的 CEO Dario 认为，算法效率每年可以实现 10 倍的提升，即每过一年，用于达到相同性能的计算资源减 少 10 倍。从与 GPT-4 达到相当 MMLU 能力的模型成本趋势上看，23 年上半年 GPT-4 的成本为 每百万 tokens 约 80 美元，24 年上半年 GPT-4o 的成本下降至每百万 tokens 约 10 美元，25 年初 DeepSeek-V3 进一步将模型成本降至接近每百万 tokens 1 美元，模型服务成本每年下降接近一个 数量级。

相较海外，国内模型目前 C 端订阅收费缺失，因此模型普惠更依赖于厂商的算法和工程优化。从 模型的输入和输出价格对比看，按照每百万 tokens 定价，海外如 OpenAI 的 o3-pro 输入/输出价 格分别是 20/80 美元，Google 的 Gemini 2.5 Pro 输入/输出价格分别是 1.25/10 美元。国内如阿里 Qwen3 235B(Reasoning) 输入/输出价格分别是 0.7/8.4 美元，DeepSeek R1 0528 的输入/输出价 格分别是 0.55/2.19 美元，字节 doubao-seed-1.6-thinking 的输入/输出价格分别是 0.11/1.14 美元。 考虑国内外购买力和模型性能差异，对比海外模型，国内厂商的性价比优势并不明显。未来考虑 各行业若要经 AI 改造渗透，模型普惠是必经之路，下游产业和生态才能迎来繁荣。而海外厂商基 于 C 端订阅制、B 端 API 调用的商业化模式，在降价上压力相对小；国内模型在 C 端是免费使用， 若不想“亏本换市场”，降价更多需要依靠模型本身的算法和工程创新，从而实现模型普惠的目 的。

大厂中字节率先推出低价，配合产品发布节奏以 AI 普惠策略高效抢占市场。国内大模型的降价潮 开始于 2024 年 5 月 DeepSeek 首次发布 V2 模型，定价设置为输入 0.001 元/千 tokens、输出 0.002 元/千 tokens，此后智谱 AI 将 GLM-3 Turbo 的价格由 0.005 元/千 tokens 降至 0.001 元/千 tokens。大厂中字节率先保持跟进，正式发布豆包大模型的同时宣布豆包通用模型 Pro-32k 的推 理输入价格仅为 0.0008 元/千 tokens，输出价格为 0.002 元/千 tokens。此后其他大厂纷纷降价跟 进，阿里云将 Qwen-Long 的输入/输出价格分别下调 97%/90%；百度宣布 Enire Lite 和 Enire Speed 免费；腾讯宣布混元-Lite免费。12月字节发布豆包视觉理解模型的同时依然推出了一个较 行业均价低 85%的价格，每千 tokens 0.003 元。

6 月豆包 1.6 模型首创按输入长度进行区间定价，进一步降低使用成本。豆包 1.6 模型对基础语言 模型和深度思考、文本理解和视觉理解采用统一方式，即根据输入文本长度进行区间定价。基于 目前大部分模型服务需求的输入长度小于 32K 这一客观情况，字节通过技术优化将输入长度在 0~32K 这个范围内的输入/输出价格设置为每百万 tokens 0.8/8 元。假设在 0~32K 的模型服务请求 下，企业输入和输出的占比为 3:1，则在不同模型定价下每百万 tokens 对应的成本计算如下，① 豆包 1.6 的成本为 0.8×3+8×1=10.4 元，单位成本为 10.4÷4=2.6 元；②豆包 1.5 和 DeepSeekR1 的成本为 4×3+16×1=28 元，单位成本为 28÷4=7 元→即企业使用豆包 1.6 成本对应下降了 63%。 我们认为字节在通用模型的普惠化上一直是先行者，通过技术创新和工程优化推动基础模型“水 电煤化”，主动掌握新一轮定价权，吸引更多产业场景和 AI 应用开发通过火山引擎调用，在用户 使用中积累更多数据和反馈意见，并作用于模型的持续迭代。

1.5 市场需求：持续高增，字节作为云厂商受益于行业发展

全球来看，头部公司 tokens 消耗指数级增长，算力需求高增背后是 AI 对千行百业的持续渗透。 从海内外头部公司 tokens 消耗增长情况看，1）Google：2025 年 4 月日均 tokens 使用量为 16 万 亿，为去年同期 0.32 万亿的 49 倍；2）微软：25Q1 日均 tokens 处理量为 1.1 万亿，为去年同期 0.19 万亿的 6 倍，主要系微软自身没有大模型布局；3）字节：2025 年 5 月日均 tokens 使用量为 16.4 万亿，为去年同期 0.12 万亿的 137 倍。

受益于行业需求发展，豆包 tokens 调用量为发布时的 137 倍。从豆包大模型 tokens 使用量数据 看，2024年5月豆包大模型正式发布时日均tokens使用量是1200亿，至2025年5月日均tokens 使用量已突破 16.4 万亿（为 24 年 12 月 4 万亿的 4 倍）。从字节数据来看，大模型 tokens 使用 量每季度呈 3~4 倍增长态势，底层是用户量持续增长、单用户需求的响应程度提升。火山引擎智 能算法负责人吴迪曾表示，2027 年豆包日均 tokens 消耗量预计超过 100 万亿，按照这一预计数 据 2025~2027 年 CAGR 可达 147%。 调用场景看，AI 工具如搜索/编程、视觉理解等驱动 tokens 调用高增。从火山引擎 tokens 调用分 布对比来看，25 年 5 月 AI 工具/互动娱乐/信息处理/硬件助手/客服与销售/学习教育/其他的占比分 别为 30.3%/25.5%/18.1%/7.5%/9.1%/5.3%/4.2%，对比 24 年底变化分别为 15.4pct/2.0pct/-2.5pct/0.3pct/-0.3pct/4.3pct/-19.2pct。其中，1）AI 工具类的 tokens 消耗增长迅猛，5 个月内增 长 4.4 倍。其中，AI 搜索增长 10 倍，AI 编程增长 8.4 倍；2）视觉理解：以 K12 在线教育场景为 例，由于视觉理解模型能力的提升，tokens 消耗数增长 12 倍；以及新出现的线下场景如智能巡 检、视频检索等，迅速实现日均百亿 tokens 的突破。

从国内的行业情况看，根据 IDC 数据，2024 年 6 月中国生成式 AI 日均 tokens 处理规模达 2180 亿（除去自有业务和其生成式 AI 应用使用），预计 11 月达到 11200 亿规模。根据量子位估计， 若不考虑各家自研模型服务商的应用消耗（如字节的豆包 APP），2024 年 6-12 月字节商用 tokens 日均消耗量的月均复合增长率超过 60%，12 月火山引擎的日均 tokens 市场份额占比超 50%。我们认为，随着行业大模型能力的快速提升、模型调用降价普惠策略深化，平台大模型需 求和 tokens 调用量仍会保持快速增长态势，有用户生态基础的云厂商在此过程中或能持续保持领 先地位。

二、火山引擎：面向 AI 转型，AI 云为核心增量

火山引擎规模较小以 AI 云为主，接近阿里 AI 云规模领跑行业。根据智能涌现统计数据，2024 年 火山引擎年营收为 125 亿元（为阿里云的 11%），24/25 年均保持翻倍以上增长（24 年阿里云增 速仅 7.5%，主要受公有云低增影响）。根据阿里巴巴公告，至 25Q1 阿里云 AI 收入连续 7 个季 度实现三位数增长，我们测算目前阿里云 AI 收入占公有云收入的比重在 12%-13%左右。阿里 AI 云体量、增速与火山引擎接近，二者均为国内 AI 云龙头企业。 火山引擎主要依靠自身 AI 产品为上游云业务创造需求，性价比外产品能力才是核心增量。我们认 为火山引擎与阿里云、百度云等传统云增长逻辑不同，由于火山引擎入局较晚，通用云服务市场 已进入红海期，传统云服务技术壁垒不明显但迁移成本较高，故云服务客户倾向保持与同一云计 算平台的合作。因此火山引擎的增量主要依靠 AI 云服务带动新客户入局，在 AI 云服务部署完成 后再带动通用云服务客户规模增长（新客户为了用豆包大模型采购火山引擎服务），而阿里云等 传统公有云增量则来自 AI 带来的整体云算力需求增长，客户加大与阿里云的云计算合作投入（客 户因AI部署、训练等算力需求增长加大云算力开支，不强求是新客户或需要使用阿里AI产品）。 由于国内大模型降本趋势明显且降本速度加快，我们认为字节 AI 产品在具备性价比情况下，模型 性能的持续提升会为火山引擎带来核心增长。

火山引擎 AI 云优势明显，依靠下游 AI 需求反哺上游云需求增长。火山引擎的优势集中于 AI 云下 游，据 IDC 数据，25Q1 国内大模型的 tokens 调用量中火山引擎的份额高达 46.4%，断崖领先其 他云厂商。而火山引擎的 MaaS 服务份额和生成式 AI 云服务份额均在 15%左右，位列行业 top3 水平。再向上游，火山引擎在传统云服务上并不占优。2024 年下半年火山引擎在中国公有云 IaaS/PaaS 市场份额均不在 top5 之列，实际份额低于 8%。因此我们看好豆包等行业领先大模型 及火山引擎领先的 AI 服务带动火山引擎 AI 云份额进一步增长。

市场端看，AI 云保持高增明显快于公有云，看好火山引擎进一步提速+份额增长。根据 IDC 咨询 数据，自 22 年以来中国云计算市场增速下滑至双位数水平，24H2 受益于 AI 带动的算力需求增长 增速回升至 17.7%。细分看，AI 相关云服务则保持高增趋势。24H1 中国智算服务整体市场规模 为 146.1 亿元，同比增长 79.6%。其中，GenAI IaaS 市场高速增长，同比增长 203.6%，市场规 模达 52.0 亿元人民币，占比整体市场 35.6%，AI 云增速远超公有云。火山引擎作为 AI 云为主的 云厂商叠加国内第一的 tokens 调用量份额，产品力领先下火山引擎有望维持高增，进一步提升国 内云计算市场份额。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）