对话谭待：AI马拉松跑完一公里，终点在哪？

“120万亿Token背后是每一个普通人的AI时刻。大数据产业创新服务媒体——聚焦数据·改变商业武汉光谷希尔顿酒店的大屏幕上火山引擎总裁谭待的“数字分身”正在侃侃而谈。而整个短片从剧本到画面全部由豆包视频模型Seedance 2.0生成。“我要做的仅仅是输入自己的想法和创意。”谭待站在台上说。更让人会心一笑的是他养了一只“龙虾”——一个名叫“tdclaw”的AI智能体如今已成为他工作中不可或缺的助手。这场看似轻松的开场实则暗藏了火山引擎想要传递的两个信号第一AI视频创作正式进入产业化时代。当Seedance 2.0能够生成电影级画质、理解物理规律的视频时内容生产的成本曲线正在断崖式下降。第二AI智能体正在从“聊天”走向“干活”。当“龙虾”们可以操作浏览器、处理文件、定时执行任务时它们不再只是玩具而是生产力工具。而这一切的底层是一个令人瞠目的数字。截至2026年3月豆包大模型日均Token使用量已突破120万亿。三个月前这个数字是63万亿两年前刚发布时则是现在的千分之一。120万亿Token。这相当于什么如果按每Token1.5个汉字计算这相当于全球每个人每天用豆包“写”一篇上万字的长文。Token正在成为AI时代的“工业用电量”。而火山引擎这场武汉巡展正是要告诉市场电表在狂转但电用在了哪里用出了什么价值Seedance 2.0让视频生成跨越“恐怖谷”过去两年视频生成领域一直面临一个尴尬局面——生成的画面确实“好看”但经不起细看。打斗场景中拳头穿过了对方的脸流体飞溅时水花像塑料片一样僵硬人物转身时身体比例突然失调。这是AI对物理世界的理解不够深入——它学会了“像素排列”但没有学会“物体应该怎么运动”。张天劼火山引擎大模型解决方案负责人用了一个词来形容这种变化“拳拳到肉”。在演示视频中Seedance 2.0生成的动漫打斗场景肢体碰撞时的反弹、力量的传递都表现得非常自然。“模型在处理肢体对抗时的碰撞和反弹表现非常合理真正实现了拳拳到肉力量感十足。”张天劼说。这背后的技术突破是Seedance 2.0对物理世界的深度理解。在训练过程中将大量的世界知识灌注给了模型。创作者不需要对生成细节做细致描述模型会自动“脑补”出符合物理规律的效果。另一个突破是多模态参考能力。传统视频生成靠的是“文生视频”——用户输入一段提示词模型输出一段视频。但人类的创意往往是多维度的一张参考图、一段参考视频、一段背景音乐……语言很难穷尽所有细节。Seedance 2.0的做法是让模型能看懂图片、理解视频、感知环境、记住音色。创作者只需上传几张简单的图像、一些过去的视频演绎和相应的背景音乐模型就能在理解这些素材的基础上按照人类的创意进行创作。“好的创作从来不是一蹴而就的。”张天劼说。Seedance 2.0还支持基于视频素材的参考进行精准定向修改——改变主体、变换环境、增减关键形象。这意味着创作者不再需要在无数次“抽卡”中碰运气而是可以在模型提供的创意基础上进行精细化调整。算一笔经济账成本砍半效率翻十倍技术再炫酷最终要回到商业价值。而Seedance 2.0给出的商业故事足够有说服力。福建奇想一家从事漫剧制作的公司是Seedance 2.0的首批邀测企业客户。过去制作一部高水准的精品漫剧每分钟成本超过1万元。现在通过Seedance 2.0每分钟成本降低4000到5000元。成本砍半。这还不是全部。过去制作这样一部剧需要20多人天的人力投入。现在只需要3人天。综合测算下来效率提升了近10倍。更值得关注的是Seedance 2.0正在进入最苛刻的商业场景。2026年除夕夜总台春晚的荧幕上《贺花神》里绝美的国风画面《驭风歌》里极具张力的八骏图视觉AI特效都是通过Seedance 2.0生成的。“春晚作为全球华人最重要的舞台对审美、画质、稳定性都有极致要求。”谭待说。能通过春晚的检验意味着Seedance 2.0已经具备了工业级的可靠性。安全视频生成的“通行证”一个容易被忽视但极其重要的细节是Seedance 2.0的API直到今天才开放公测。为什么“版权保护是一个动态的过程。”谭待在群访中解释“我们一直非常重视。Seedance 2.0 API现在才对外公测就是因为我们要先搭建好完善的版权保护系统。”视频生成面临的版权和深度伪造风险远比文本生成复杂。一个角色不仅要保护它当下的样子还要保护它十年前、年轻时的样子以及穿古装、现代装的样子还有素描版、漫画版……传统的水印或指纹技术无法应对这种多模态、跨风格的识别需求。火山引擎的做法是基于豆包强大的视觉理解能力打造了一套全新的版权IP保护机制。安全不是锦上添花而是视频生成进入商业世界的通行证。Seedance 2.0的公测意味着这张通行证已经拿到手了。全民都在“养龙虾”火山引擎的“龙虾”有什么不同在火山引擎的语境里“龙虾”指的是基于OpenClaw框架构建的AI智能体服务ArkClaw。OpenClaw是近期AI领域最火热的技术框架之一。它做的事情简单来说就是——让AI不再只是“聊天”而是可以“干活”。通过OpenClawAI可以连接工具、调用系统、执行流程。你给它一个任务——“帮我去B站、知乎、微博看看今天大家都在讨论什么热点总结一下”——它真的会打开浏览器、访问网页、抓取信息、整理成报告。在OpenClaw之前AI是“会说”在OpenClaw之后AI开始“能做”。而火山引擎的ArkClaw可以理解为OpenClaw的“企业级增强版”——更安全、更易用、更稳定。但“养虾”并不总是愉快的体验。田涛涛火山引擎云基础产品负责人在演讲中分享了一组调研数据超过30%的用户表示养龙虾无法达到期望。他总结了用户“养虾”的四大痛点每一个都很扎心·不敢用AI如果误判可能直接修改系统密码、删除数据。没有安全隔离谁敢把关键任务交给它·用不起开箱能力弱需要大量手动配置。只有技术背景强的人才能真正用起来。·用不好AI会调用工具但无法完成任务。缺少编排、记忆和上下文衔接需要不断人工介入。·修不好出错了不知道原因报错信息不友好非技术用户完全无法定位问题。这四大痛点恰恰是所有AI Agent产品从“极客玩具”走向“大众工具”必须跨越的门槛。而ArkClaw的升级正是要解决这些问题。火山的解药安全、记忆、技能解药一安全让用户“敢用”ArkClaw从底层就基于云端虚拟化和沙箱机制。所有执行都在完全隔离的环境中不会影响本地系统。一个直观的例子如果你给一个普通的OpenClaw下达指令“把系统密码改成111”它会立刻执行甚至可能把你的系统锁死。但在ArkClaw中高危操作会被自动拦截或要求人工二次确认。火山引擎最近正式通过了信通院两项权威安全测评——可信能力认证和安全防护产品有效性认证。谭待在群访中特别强调了安全的重要性“每次Force大会我第一个讲的产品就是安全。其他云厂商基本不会这样。因为AI能力越强安全的重要性就越高。”解药二记忆让用户“用得好”“养虾”的一大痛点是龙虾“健忘”。你今天告诉它的偏好过两天它就忘了。你纠正过的错误它下次还会再犯。你布置的任务执行到一半就“断片”了。为了解决这个问题火山引擎开源了OpenViking——一个专门为Agent长期记忆设计的上下文数据库。OpenViking的核心设计理念是“渐进式加载”。它会将信息按照“摘要—概要—细节”的层级整理成文件系统执行任务时只加载最必要的信息。这样做有两个好处第一成本大幅降低。数据显示使用OpenViking后任务完成率提升43%输入成本降低91%。第二Agent越用越聪明。OpenViking会将Agent的决策过程存储下来实现“决策白盒化”。用户纠正过的错误会被沉淀为经验下次同类任务时Agent会自动规避。“上一个时代的软件都是要装一套软件但这个时代我们常常讲要养一只龙虾。”张天劼说“只要解决好长期记忆的问题龙虾的能力是可以被不断培养、调教和进化的。”解药三技能让用户“用得起”Skills是Agent的“手和脚”——它决定了Agent能做什么事。火山引擎做了一件很聪明的事——与OpenClaw官方合作共建ClawHub中国镜像站。此前中国开发者访问OpenClaw的全球社区延迟高、稳定性差。现在通过中国镜像站开发者可以免登录访问、搜索、下载超过2万个Skills并且这些Skills都经过了火山引擎的安全筛选。“我们认为一个繁荣的智能体生态不能闭门造车一定要拥抱全球开发者的智慧。”谭待说。火山引擎的“龙虾”方法论以及Token价值观在群访环节谭待被问到一个很有深度的问题OpenClaw带来的变化是巨大的但很多企业在过去已经投入了不少资源搭建workflow。这些过去的投资是否都要推倒重来这是所有企业决策者面对AI浪潮时的真实困惑。谭待给出的答案是——“敏态Agent”与“稳态Agent”的双路径模型。所谓敏态Agent强调的是探索重点是解决个人生产力问题。“比如如何成为一个更好的招聘HR如何成为市场分析的高手这些其实都在员工的脑子里沉淀着。”谭待说“而OpenClaw这类产品就可以帮助员工把这些想法快速实验出来。”在火山引擎的产品体系中ArkClaw就是敏态Agent的代表。任何一个员工都可以通过ArkClaw进行广泛的AI尝试和创新。不需要IT部门的审批不需要复杂的基础设施配置。这种低门槛让AI的探索权回到了最懂业务的一线员工手中。另一方面当某个AI实践被验证有效后企业需要做的事情是把它固化下来流程化、规模化、管理好成本和风险。这就是稳态Agent的定位。“比如合同交易、流程生产等就需要把Agent做好流程化降低幻觉做好规模化服务。”谭待说。在火山引擎的产品体系中HiAgent为稳态Agent提供开发、运营和管理的一站式服务。谭待认为敏态Agent和稳态Agent不是替代关系而是共生互补的关系。一线员工通过ArkClaw的创新可以沉淀、固化成HiAgent中的组织能力同时HiAgent再通过Skill、API、插件等形式把这些标准化的能力重新输送给所有一线员工进一步反哺个体进化。这是一个“创新—沉淀—输出—再创新”的循环。这个框架的价值在于它同时回应了两种焦虑。对员工而言不用担心自己的创新会被“标准化”取代——恰恰相反你的创新会被放大、被复用创造更大价值。对企业而言不用担心AI投资会打水漂——敏态阶段的探索成本是可控的而稳态阶段的固化收益是可预期的。Token观重塑不看单价看整体成本在这个框架下谭待提出了一个关于Token成本的犀利观点。“很多用户反馈用量消耗快核心问题是龙虾完成任务时有很多无效尝试。”他说“它没有限制能尝试各种方法最终成功会带来惊艳的解法但缺点是有大量无效沟通。”目前探索中的Tokens有一大半都是无谓的探索。但这是必经之路。敏态阶段允许一定程度的“浪费”因为探索的本质就是试错。而当方法被验证、进入稳态阶段后企业就可以通过优化路径、选择不同尺寸和能力的模型大幅降低成本。“企业真正关注的是端到端完成事情的整体成本而非单Token成本。”谭待强调“若单Token成本低但用较差的模型需要消耗10倍甚至20倍Token还做不出结果只会造成浪费。”这个观点直击当前大模型价格战的核心盲点。AI马拉松我们刚跑完“一公里”人类文明史上有过几次关于“度量”的根本性转变。工业革命时期人们开始用“千瓦时”衡量一个国家的实力。发电量、钢铁产量、铁路里程——这些冰冷的数字背后是蒸汽机的轰鸣、流水线的转动、城市的灯火通明。彼时谁消耗更多的电力谁就掌握了现代文明的钥匙。信息革命时期度量衡变成了“带宽”和“算力”。兆比特每秒、万亿次浮点运算这些词汇定义了互联网时代的权力版图。硅谷的崛起本质上是一场关于数据处理能力的竞赛。而今天一个新的度量单位正在浮出水面——Token。它不是电不是比特而是人类知识与机器智能之间最小的“意义单元”。每一次Token的消耗都是一次人与机器的对话、一次创意的生成、一次任务的执行。120万亿Token/日这个数字的意义不亚于百年前一座大型电厂的发电量。谭待说AI马拉松刚跑完“一公里”。这既是一种清醒也是一种宏大叙事中的从容。回看历史电力从发明到真正重塑社会结构用了近半个世纪互联网从军用协议变成全民基础设施也用了二十年。AI从2022年的ChatGPT爆发到今天不过短短四年。120万亿Token只是序章的序章。当“养龙虾”成为白领的工作日常当视频创作的成本趋近于零当每个企业都有了自己的Token看板——我们正在见证的不仅仅是技术的迭代更是生产力底层逻辑的重构。Token的背后是模型是算力是数据更是无数个被释放的人类创意。回望历史每一次度量衡的更替都预示着一个新时代的开启。从蒸汽机的马力到电力的千瓦时再到AI的Token——文明的进步本质上是一场又一场“能量”形态的升维。而今天我们正站在Token成为新通用度量的起点上。至于这个时代将通向何方没有人能给出最终答案。但有一点可以确定那些学会用Token丈量进步、用Agent扩展版图的企业与个人将在下一个十年拥有定义规则的权力。至于未来会走向何方就让我们怀着期待与忐忑的心情拭目以待吧。文一蓑烟雨 / 数据猿责编夜阑听雨/数据猿☆往期好文推荐☟先别着急养“龙虾”你的终端管理做好了吗Claude Code源码泄漏社区狂批“代码太垃圾”同样做标注为什么美国公司这么值钱?