夜雨聆风一则传闻，两种解读
近日， X 平台上一个叫"Mr.小川"的账号发了条帖子——字节 4 月内部 AI 战略复盘会上，砍掉 30%的 AI 应用项目，猫箱、星绘、海外 Dreamina 的部分产品线，统统在列。帖子还补了三刀：豆包之外的产品全部不达预期， AI 推理成本超 80 亿，公司现金流撑不到 2027 年。
消息在社交媒体上引发讨论。字节内部人士回应：不实。
但"不实"两个字，压不住已经发生的事实——字节 AI 产品部门 Flow 确实在调整。 4 月 23 日，晚点 LatePost 报道，猫箱原负责人梁琛奇离开字节，星绘团队并入豆包体系，由豆包 App 端负责人陆游统筹管理。
从组织行为学角度看，这属于典型的"资源收敛型调整"：当多线并行探索进入验证期后，企业会自然向数据表现最好的方向集中资源。对被收编的团队来说，这既是组织效率优化的必然结果，也是残酷的现实——在 AI 这个烧钱速度远超传统互联网的赛道里，"还行"等于"不行"。
散兵线打法，跑不通了
过去两年，字节的 AI 产品矩阵铺得够开——AI 社交（猫箱）、 AI 生图（星绘）、 AI 视频（即梦）、 AI 助手（豆包）、 AI 教育、 AI 写作、 AI 硬件，七条线同时推进。但除豆包外，其余产品均未建立起可防御的竞争壁垒。
具体来看：猫箱在 AI 社交赛道被星野压制，用户规模和活跃度存在明显差距；即梦在视频生成领域与快手可灵形成拉锯战， AICPB 数据显示即梦 AI 月活 3065 万、环比增长 39.86%，增速可观但未能甩开对手；星绘做 AI 写真，底层模型适配问题消耗了大量工程资源——生成图片"手指多一根"这类细节缺陷的修复工作，随着豆包自身生图模型的快速迭代而失去边际价值。
更关键的是， 4 月 28 日网信办约谈剪映、猫箱、即梦 AI 三个平台，原因是未落实 AI 生成内容标识规定。这意味着产品既没有跑出市场领先地位，又在合规层面踩了红线。
从战略效率角度分析，散兵线打法在 AI 大模型领域的失效有其必然性：模型能力的迭代周期已缩短至 3-6 个月，这意味着每个方向的试错窗口极短；而 AI 产品的研发成本是传统互联网应用的 10 倍以上（主要来自算力和数据标注），资源分散导致每个方向都无法达到"临界规模"。两年时间，七条战线，只有一条跑出来——这个转化率对应的资金效率，远低于字节在短视频和推荐算法时代的水平。
2000 亿：不是撤退，是总攻
与"砍项目"传闻形成鲜明对比的另一组数字：字节已将 2026 年 AI 基础设施资本支出预算从 1600 亿上调至 2000 亿，增幅 25%（据财联社、南华早报等多家信源确认）。
这 2000 亿的流向结构清晰：约 850 亿专项用于 AI 芯片采购，其中 50%以上投向寒武纪、华为昇腾等国产芯片——向寒武纪采购中端 590 芯片 10 万张、高端 690 芯片 13 万张，规划采购华为昇腾 950PR 芯片 10 万张（性能据称达英伟达同类产品的 80%，成本仅为 1/5 ）。自研芯片"SeedChip"技术路线已定型，依托三星晶圆代工推进量产。其余预算投向数据中心建设和液冷系统等基础设施；海外方面， TikTok 获批在泰国投资约 1778 亿泰铢建设数据中心，追加 10 亿欧元在芬兰建第二座数据中心。
表面上看，一边砍产品线一边加码基建存在矛盾。但从资源配置逻辑分析，这恰恰是一体两面：砍掉的是分散的试错性投入（边际收益递减），加码的是确定性最高的核心方向（豆包及其底层算力支撑）。这种"收敛+聚焦"的组合拳，与字节在 2016-2018 年短视频赛道的打法高度相似——先广撒网验证方向，再集中资源打透主战场。
支撑这一决策的关键判断来自字节 CEO 梁汝波的内部定调："AI 是比 PC+Web 更大的行业核心机遇"。尽管 2025 年净利润同比下滑超 70%（抖音集团副总裁李亮回应称含期权成本变动、不反映运营实质），字节仍选择逆势加码，甚至出售游戏子公司沐瞳科技回笼数百亿资金。这表明管理层将 AI 视为不可错过的战略窗口期，而非可选的投资项目。
豆包的账本： 3.45 亿月活背后的经济模型困境
字节 All in 豆包的战略选择，需要从经济模型层面理解其必然性。
截至 2026 年 3 月，豆包月活 3.45 亿，日均 Token 调用量突破 120 万亿（三个月翻倍，较 2024 年 5 月首发时增长 1000 倍）； QuestMobile 数据显示用户 30 日留存率 44.5%，月人均使用 54.8 次。这些数据在 C 端产品中属于顶级表现——但 AI 大模型的经济模型与传统互联网产品存在根本性差异：后者用户规模越大边际成本越低（规模效应），前者用户规模越大算力总成本越高（线性甚至超线性增长）。
国联民生的测算提供了具体参照：单次包含 50 万输入+10 万输出 Token 的复杂 AI 任务成本约 1.2 元；生成一段 100 秒的 AI 视频成本高达 100 元。按 120 万亿日均 Token 消耗推算，豆包每日纯推理成本超过 3 亿元。 3.45 亿月活配合几乎为零的 C 端收入，这种状态在财务上不可持续。
因此豆包启动收费体系成为必然选择：标准版 68 元/月、加强版 200 元/月、专业版 500 元/月。这套定价策略的核心逻辑是用户分层——68 元筛选有生产力需求的大众白领， 200 元和 500 元锁定将 AI 作为核心工具的专业用户和企业客户。按 1%的保守付费转化率计算， 3.45 亿月活可带来 345 万付费用户，最低档年化收入约 28 亿。与 2000 亿的基建投入相比，这笔收入仅能覆盖极小部分的固定成本摊销。
真正的利润来源在于 B 端市场。 IDC 数据显示火山引擎在中国 MaaS 市场份额 49.5%（连续三年第一），企业客户贡献了 80%的调用量。 5 月 8 日火山引擎与中国移动联合发布"移动引擎机密模型服务"专区，瞄准金融、政务等强监管行业——通过端到端加密、可追溯可审计的技术方案解决数据安全顾虑。 C 端付费对冲部分推理成本， B 端服务创造利润空间，形成理论上的双轮驱动闭环。
需要指出的是，这套商业逻辑能否跑通，现有数据尚不足以给出确定性判断。关键变量是付费转化率：如果实际转化率仅为 0.1%而非假设的 1%，则 C 端收入将缩水 90%，整个模型的财务可行性会受到根本性质疑。目前市场上缺乏足够多的先例来校准这一参数——ChatGPT Plus 的全球付费转化率约为 2%-3%（据第三方估算），但中国市场的支付习惯和价格敏感度与美国存在显著差异。
行业信号：从"谁试得多"到"谁押得准"
字节这波操作释放的信号，超出单一公司战略调整的范畴，指向中国 AI 大模型行业的结构性拐点——从"广撒网试错期"进入"聚焦核心+重仓基建"的深水区。这一拐点的标志性特征体现在三个层面：
第一，头部玩家的资源投向发生质变。阿里三年 3800 亿投入 AI+云硬件，腾讯 792 亿资本开支抢购 GPU ，百度累计 AI 投入超 1000 亿——所有人都在烧钱，但烧法从"多线并行探索"转向"集中火力打透"。具体表现为三个方向集结：基础算力自主化（减少对英伟达依赖）、核心模型规模化（追求 Token 调用量级突破）、关键场景商业化（从 C 端免费转向 B 端付费）。
第二，中小 AI 公司的生存空间被系统性压缩。大厂凭借资金规模（可承受数年亏损）、流量入口（抖音/微信/支付宝等超级 App ）、技术积累（自研模型+算力基础设施）三重优势，正在形成"赢家通吃"的格局。同质化的通用 AI 产品（聊天机器人、文本生成、基础图像生成）的独立生存空间趋近于零。留给中小公司的路径只有两条：一是垂直深耕法律、医疗、教育等专业知识密度高的领域（这些领域的专业壁垒能形成差异化竞争）；二是接受并购或战略投资，依附于大厂生态体系。
第三， C 端用户的"免费午餐"正在结束。豆包收费不是孤例——Kimi 、文心一言已上线订阅体系， ChatGPT Plus 的全球订阅用户已突破 1100 万（据 OpenAI 官方数据）。当算力成本需要由用户直接或间接分摊时，产品竞争的维度将从"谁更便宜"转向"谁更值"。但"更值"的定义标准目前尚未在市场上形成共识：是生成质量更高？响应速度更快？还是与工作流整合更深？每个维度的优先级排序，不同用户群体存在显著分歧。
回到核心问题：
字节 2000 亿 All in 豆包的战略赌注，三年内能否跑出可持续的商业化模型？这个问题没有确定答案，但可以拆解为三个观察指标来跟踪验证：
豆包付费转化率能否稳定在 1%以上；
火山引擎 B 端客户 ARPU 值的增长斜率；
国产芯片实际部署后的性能达标率。这三个指标的季度变化，将比任何定性分析都更能说明问题。
