小米智能存储发布后，关于相册备份、影音管理、远程访问这些软件功能，已经有不少内容进行了介绍。它的产品思路接近华为家庭存储，万物互联，额外接入了小米手机整机备份、HyperOS 和米家生态。

这次小米通过众筹方式发售，不过全国各地配额好像差距有点大。笔者杭州的朋友说到点儿秒没，上海这边包括笔者在内的几个朋友倒是轻松抢到。

那拆解之后，发现配置确实跟之前泄露的板子几乎是一毛一样～海康代工。不过咋说呢，给我的感觉有点像是换壳MAGE20。

本篇文章重点在于拆解，看看这台准备长期保存家庭数据的小米智能存储，内部主板设计和硬件用料具体如何。我本人也借助了某些工具，对这台小米家庭存储做了部分的深入探索，还是比较有趣的～咱们接下来就开始吧。

小米这台NAS，对于米家用户来说非常合适，尤其是你还拥有一台小米手机。其他用户群体如果单纯想尝鲜，那我也不好拦着。不过就算有购买意向，目前也只能出门右转小黄鱼，基本要加价400左右。

包装与配件

小米智能存储的外包装没有做太多修饰，正面主要印刷产品彩图，并标明了产品的几项主要特性，整体依旧延续小米较为简洁的包装风格。

打开包装后，是主机以及统一白色配色的配件盒。

内部附件包括一套电源适配器、一根网线、一包硬盘固定螺丝、一本使用手册，以及一把十字螺丝刀，安装硬盘时不需要再额外准备工具。

随机附带的电源适配器输出规格为 12V、3.5A，最大功率约 42W。对于这类低功耗 ARM 双盘位设备来说，这一供电规格可以满足主机及双机械硬盘运行需求。

NAS 本身提供一个 2.5GbE 网络接口，随机也附赠了一根 CAT.5e 网线。CAT.5e 线材本身可以承载 2.5GbE 网络，对于一般家庭环境下的短距离连接来说已经足够使用。

外观设计

设备主体采用一体式铝合金中框，钛灰色表面做了细腻的磨砂处理。机身为纵向立式造型，边角采用圆润过渡，整体观感简洁、克制，非常漂亮！

正面覆盖一整块塑料材质的镜面磁吸盖板，取下白色泡沫垫，合上后可以将双硬盘仓完全隐藏，只留下 Xiaomi 标识和底部状态灯。

需要安装或更换硬盘时，直接取下盖板即可。整机没有加入太多额外装饰，视觉重心集中在一体化机身上，延续了小米一贯的极简设计语言。

背面为风扇排风口及后置 I/O 区域，机身两侧没有设置额外散热孔，整机采用前部进风、后部排风的风道设计。空气从前部硬盘仓位置进入，经过两块硬盘和内部主板区域后，再由后置风扇排出。

后置 I/O 从左至右依次为 DC 电源输入、2.5GbE 网络接口、USB 3.0 Type-A 接口、HDMI 接口以及电源按键。

机身底部四周设置了防滑胶垫，除了能够避免设备在桌面上滑动，也能在一定程度上减少机械硬盘运行时向桌面传递的振动。

胶垫面积虽然不算大，但实际防滑效果还不错。

当前银行业在大模型应用方面的Token消耗量看似庞大，但深度解析后会发现态度仍相当谨慎。银行的Token大多由私有化部署的GPU算力生成，即便日均达到百亿级别，单日硬件成本也不过十万元出头。对照银行业整体IT投入的规模，每年几千万元的大模型相关开销其实并不突出，资金层面远未到“烧钱”的阶段。

从消耗结构更能看出实际应用尚浅。以招商银行公开的数据为例，其日均百亿Token中只有约5%被用于AI辅助编程（AI Coding），即每天仅产生数亿Token。考虑到招行庞大的研发团队基数，这个用量对于专业开发群体来说实属偏低，足以说明该行在AI编码领域的探索仍处于初级尝试期，远未进入大规模协同开发阶段。

在金融软件领域，那种“日抛型”快速迭代的逻辑并不适用，业务系统更强调稳定与合规，使得AI工具带来的提效诱惑常常与落地现实产生碰撞，导致很多机构在仓促投入预算后，又反复盘算投资回报，陷入“糊涂账”。与此同时，银行业对AI算力的国产化要求已成为刚性条件，这一政策驱动的约束至少需要半年到一年的时间才能逐步缓解。因此，行业的整体AI应用仍需等待底层生态进一步成熟，真正的爆发期或许还要再看看。

英伟达 CEO 黄仁勋在最新财报电话会上，专门提到了中国的开源模型 Kimi K3。他的判断非常直白：开源模型越多、越好用，整个行业的调用量就会越大。调用规模一旦膨胀，最终卖出去的算力芯片和新建的数据中心也就越多。这番话的背后，是一条把「开源」和「卖显卡」串成一环的清晰商业公式。

当监管层还在讨论要不要限制，卖铲子的人已经提前表态：希望你随时下载、随处部署。

01

先把「后门」的顾虑一层层拆开

黄仁勋首先回应了一个长期以来普遍存在的担忧：有人害怕中国开源模型里会藏着通往中国的「后门」。他给出的判断是，这基本是个误解。因为模型权重一旦下载到本地，后续如何微调、如何添加安全护栏，全部由使用者自己一手决定，模型发布方根本插不上手。

「你下载这些模型，按自己的需要微调，用任何你想要的方式加护栏。」

开源模型的权重完全公开、可以被任何人审计，这一点恰恰和闭源模型形成鲜明对照。闭源模型内部到底怎么工作、数据流向何方，使用者毫无感知。对一家打算把模型跑在生产系统上的公司而言，本地化部署的实质，就是把安全边界牢牢抓在自己手里，而不是交到模型提供商那一端。

02

开源不会抢闭源的饭碗，只会把整个盘子做大

黄仁勋还纠正了另一个常见的误读：开源模型并不会伤害闭源模型。他的逻辑是，好模型必然会刺激更多的使用，整体市场的总规模在持续扩大，闭源模型照样可以在不断增长的蛋糕里找到自己的那块用户群。

这话听着像是在替竞争对手说话，实际上他算的是英伟达自己的账。英伟达卖的是最底层的算力，而不是哪一家的专属模型。模型获取的门槛越低、调用的成本越便宜，上层的应用生态就会越丰富，训练和推理背后的芯片需求自然水涨船高。

这种「模型近乎免费、算力持续收费」的商业模式，已经被反复验证过了。过去几年，DeepSeek、Qwen、Llama 等开源模型每一次发布，都会带动一波云厂商 GPU 租赁和推理请求量的明显冲高。

03

Kimi K3 是什么来头，凭什么被点名

被黄仁勋郑重其事的 Kimi K3，来自北京的人工智能公司 Moonshot（月之暗面），这家公司背后站着阿里巴巴的投资。Kimi K3 于 7 月 16 日正式发布，参数规模高达 2.8 万亿，是目前已公开的最大开源模型，完整权重也承诺在 7 月 27 日全部放出。

第三方评测结果相当能打：在相当多的任务上，它的表现已经非常接近 Fable 5 和 GPT-5.6 这类顶尖闭源系统。综合来看，它虽然仍存在一点差距，但独立评测机构 Artificial Analysis 仍把它的智能指数排在领先闭源系统的身后不远处；Arena 的负责人甚至直接说，这可能是今年最重要的一次开源发布。

也正因为它强到足以跻身第一梯队，美国方面才开始认真讨论是否要对华 AI 模型施加更多限制。多家媒体报道，美国政府正在考虑把若干中国 AI 实验室列入出口管制实体清单。黄仁勋那句「美国公司绝对应该被允许使用中国 AI 模型」，正是对这一监管新动向的公开叫板。

04

企业最终要算的那笔账

对真正用模型的一方来说，这场争论落到实操层面，无非就是两件事。第一，能不能把模型拉到自己完全可控的环境里，自己亲手加上所有必要的护栏。第二，算总拥有成本的时候，模型权重虽然免费了，但算力这笔账到底怎么分、由谁来扛。

黄仁勋显然已经把账算得非常明白——开源把模型的使用门槛直接打到地面，却把使用量的天花板顶到了更高处，最后真正持续买单的，依然是算力。至于那个「后门」的顾虑，关键从来都不在模型的产地，而在企业有没有把权重原原本本地攥在自己的服务器上。

在关注Kimi K3、GLM‑5.2还是DeepSeek V4等基座模型的同时，一个更值得关注的议题正在浮现。近日，Google Cloud AI总监分享了他对“Loop Engineering”的看法，并录制了演示视频，专门解释长期运行Agent的运作机制——它们需要能够跨会话保持状态，在几小时、几天甚至几周的时间跨度内持续工作。此时，基本的工作单元不再只是一个提示词，而是一个完整的多步骤流程，由Agent自己从头到尾地拥有并管理整个流程。

要实现这种长期运行的能力，必须同时满足三个条件。

第一，代理必须真正能够“休眠”。这就像人类真正能够睡觉一样。过去常用的一些方法，比如主动轮询，在这里并不需要，也不可取。你不希望有一个阻塞线程在那里消耗计算资源。代理还必须能够保持休眠状态，直到某种外部事件将它唤醒。唤醒源可以是webhook、定时任务、人工审批或某种人机交互，也可以是工具回调。

第二，每一步都必须设置检查点。我们常谈到无状态，但在长期运行场景下，状态必须在每次转换时持久化保存。即使运行这些流程的容器崩溃了，服务器仍然可以重新部署，而人类哪怕花费数天完成某个操作也无妨。例如在员工入职流程或贷款申请处理中，无论一个人实际完成某一步需要多少天，代理都必须能够从它停下的地方准确地继续，不会产生幻觉记忆或从未发生过的中间步骤。

第三，代理不能给自己的成果打分。我们见过很多人用同一个代理来编写代码，又用同一个代理来审查代码，这种方法需要更细致的考量。包括Anthropic在内的多个实验室的研究已经相当明确地表明，当代理评估自己的输出时，它会持续高估质量，几乎对结果质量过度自信。因此，在这种要求下的最佳实践，实际上是采用三Agent架构：一个规划者（planner）、一个生成器（generator），以及一个独立的评估者（evaluator），由它来实际测试你的结果。

那么，一个长期运行代理实际上是什么样子？如果把持久化状态、事件驱动的休眠机制和独立评估这三个理念结合在一起，你就不再只是拥有一个聊天机器人，而是拥有了能够完成多日、多周工作流程的系统。我们生活中有太多场景，在与企业打交道或与其他机构合作时，由于业务本身的性质，完成所有事情需要很长时间。要让所有东西都签署完毕、分析完成、逐一勾销，长期运行代理非常适合帮助我们压缩这些工作流程，让代理在后台为我们工作、为我们提供支持。

市场全景：全球智能电动牙刷规模与趋势

受低价普及与高端智能化双重驱动，全球智能电动牙刷市场正进入加速上升期。多家权威机构的预测基准高度一致：

• PW Consulting 医疗健康研究中心：2025 年智能电动牙刷市场规模约 42.5 亿美元，预计 2032 年增至 73.7 亿美元，复合年增长率（CAGR）8.15%；声波技术占比 67.1%，线上渠道贡献 53.4%。
• Strategic Revenue Insights：2025 年 39.5 亿美元 → 2034 年 74.1 亿美元，CAGR 7.20%。
• Research Nester：2025 年 40.1 亿美元 → 2035 年 77.4 亿美元，CAGR 6.8%。
• AI 牙刷细分增长更快：2025 年 21.5 亿美元 → 2032 年 40.6 亿美元，CAGR 9.5%（PW Consulting）。
• 整体电动牙刷大盘（含非智能）：Statista 显示 2024 年 43.6 亿美元 → 2030 年 68.2 亿美元，CAGR 7.8%。

核心趋势： ① 渗透率仍处于低位，需求呈刚性特征，增量空间可观；② 声波技术占据 67% 主导份额；③ 线上渠道占比超 53%，且持续扩张；④ 订阅制刷头 已成为 DTC 品牌增长的核心引擎；⑤ AI/IoT 个性化反馈（刷牙覆盖热力图、压力感应）正在淘汰上一代“伪智能”概念。

6月22日，智谱靠着GLM-5.2新模型的超强市场号召力，一举冲上万亿元市值，风头一时无两。谁能想到，仅隔不到一个月，7月17日月之暗面亮出国产最大尺寸2.8T的K3模型，并以开源姿态杀进全球前三，瞬间将智谱股价砸崩28%。

智谱创始人唐杰与月之暗面创始人杨植麟，均出身清华，是实打实的亲师徒。

唐杰，1977年生，清华大学计算机系教授、知识工程实验室（KEG）主任，同时是智谱AI的创始人兼首席科学家。他2002年进入清华攻读博士，2006年毕业后留校，长期深耕语义Web与数据挖掘，随后带领团队打造出学术社交网络Aminer，并最终将其产业化，孵化出智谱AI。

杨植麟，1993年生，高中保送清华时读的是热能专业，大二果断转系进入计算机系，拜入唐杰门下。在KEG实验室里，从“如何寻找重要问题、如何找角度、如何做实验、如何写文章、如何做展示”——整套科研基本功，都由唐杰亲手调教。2015年，他远赴卡内基梅隆大学攻读博士，师从苹果AI负责人Ruslan Salakhutdinov和谷歌AI首席科学家William W. Cohen。这次K3的惊艳表现让全球AI圈为之侧目，连他的博导也点赞连连。而博导门下早已群星闪耀，对这位当年的中国学生，博导坦言那时并不算最出挑。

我用了十多年阿里云域名和 DNS 服务，今早收到一封此前从未见过的邮件。阿里云通知我，某个域名的解析次数超过了每日 10 万次的限额，已经被限流。想解除限流？两个选择：要么花 48 块一年升级高级版，要么去买每年三千元的所谓“企业版”。

那点钱我根本不在乎，但看到通知的瞬间，整个人像吞了一只苍蝇。每天 10 万次解析，听起来相当唬人。可是把它均摊到 86400 秒，折算下来每秒查询次数（QPS）只有 1.15。一秒一次多一点，随便一个小博客被爬虫扫两遍，或者攻击者随便写个循环，几秒就能把这配额打爆。而就是这点负载，国内云厂商的“一哥”直接亮了红牌，跳出来让我付费升级。

我并不稀罕这 48 块钱。在我准备花钱消灾的时候，先到群里吐了个槽。结果云计算圈子里那位被称为 FinOps 铁公鸡、AK 王的老朋友，立刻喊停了我。

打破误区：备案与解析本就可以分开

没用过 Cloudflare 之前，我觉得阿里云这个 DNS 解析凑合着还能用。但真正感受过 Cloudflare 之后，再看原来的服务只觉得处处拉胯，早就想动身搬走。只不过域名注册在阿里云，备案也在阿里云，我一直把注册、备案、解析当成焊死在一起的一块铁板，认为不太好拆，搬起来会很麻烦，就搁置了。

结果 AK 王一句话点醒我：域名的备案和 DNS 解析完全是两码事。哪怕备案放在国内，解析也完全可以切到其他 DNS，比如 Cloudflare。他早就做过调研，全球 DNS 做得最极致的是 Cloudflare 和 AWS，而 CF 分文不收，所以他很早就把大量域名的解析迁了过去。

Cloudflare 被誉为“赛博佛祖”，不仅服务质量顶级，而且不收钱。就算域名不是从他家注册的，它也乐意帮你免费解析。即便是免费档位，也额外附赠监控指标、Pages 托管、DNSSEC 等一系列实用增值能力，而这些在国内云厂商那里，通常都被封装进所谓“收费版”里。

我一直以为要备案就必须用阿里云的解析，现在弄明白可以拆开单独用别家的，那还有什么可犹豫的。说干就干，不到半个小时，我就把阿里云上的五个域名解析全部搬到了 Cloudflare。

迁移过程简单到几乎没有门槛

搬迁 DNS 解析简单到几乎没啥可说的，有手有账号就能完成，两分钟一个域名。

1. 在阿里云 DNS 解析控制台导出 Zone 格式的解析记录，就是一个 TXT 文件。
2. 在 Cloudflare 右上角点击“添加域名”，选择“连接域名”，输入你的域名。它会自动扫描并导入现有 DNS 记录。为了稳妥，再把刚导出的 TXT 整体导入一遍。至此，Cloudflare 侧的解析就配置好了。
3. 回到阿里云，切到“域名”控制台，点击“管理”，进入“修改 DNS 服务器”，把 Cloudflare 提供的两组 DNS 服务器名称填进去，确认即可。

大约一分钟左右，Cloudflare 端就确认完毕，完成域名解析的接管。

打造出 browser-use 的明星团队，近期再次在 GitHub 上开源了一个备受瞩目的新项目。browser-use 早已是拥有 10 万+ Star 的知名作品，能让 AI 像真人一样自由操控浏览器，堪称过去一整年里最炙手可热的 AI Agent 之一。

他们的最新力作名为 video-use，可直接集成到你的 Claude Code 与 Codex 中，实现用 AI 来剪辑视频。项目面世仅两个多月，Star 数已飙升至 1.3 万，近期更是一举登上了开源日榜。我亲自体验了一番，下面与大家分享真实感受。

项目速览

video-use 是一款完全开源的 AI 视频剪辑技能。只需将拍摄的原始素材放入一个文件夹，启动 Claude Code 告诉它“剪成发布视频”，它便会自动扫描素材、生成剪辑方案，等待你确认后立即开始工作，最终在同目录下的 edit/ 文件夹中输出 final.mp4。

开源地址：https://github.com/browser-use/video-use

不只是 Claude Code，任何拥有 shell 权限的 Agent（例如 Codex、Hermes、Openclaw）都能顺畅运行。官方表示，口播、Vlog、教程、旅行、访谈等多种内容类型均适用。

巧妙避坑：用文本推理替代逐帧处理

这是整个项目最精彩的设计思路。让 AI 剪辑视频，最朴素的做法是把视频拆成一帧帧图片，喂给多模态模型去理解。但稍微算一笔账：一段 20 分钟的素材，按 30 帧/秒计，会拆出超过 3 万帧；每帧若消耗 1500 token，总量高达 4500 万 token。成本暂且不谈，单是这种极高的信噪比，就足以让模型抓不住重点，效果惨不忍睹。

video-use 换了一种完全不同的思路，分为两层处理。

第一层是音频转写。它利用 ElevenLabs 的 Scribe 模型，将整段素材转写为带有词级时间戳的文本，能识别出谁在说话、何时停顿、何时出现笑声和掌声。最后，所有素材会被打包成一个约 12KB 的 markdown 文件，作为大模型的主要阅读视图。

一边控诉别人抄袭自己的模型，一边掏出 15 亿美元收购他人著作来训练自己的模型。Anthropic 把“蒸馏”一词，玩成了两副截然不同的面孔。

7 月 20 日，美国联邦法官为 Anthropic 与一群作家之间的版权纠纷画上了句号：和解金 15 亿美元。这是目前已知的 AI 版权诉讼中数额最高的一次。作家们声称，Anthropic 在未获授权的情况下，将他们的书籍用来训练 Claude 模型。而仅仅数月之前，Anthropic 还曾公开指责中国 AI 公司“蒸馏”其模型。

15 亿美元换来了什么

这起案件名为 Bartz v. Anthropic。一群作家将 Anthropic 告上法庭，理由是自己的书被拿去喂养 Claude，既没有授权，也没有补偿。

Anthropic 并未承认存在不当行为，但同意支付 15 亿美元来了结纠纷。路透社称之为“已知同类案件中金额最大的和解”。美联社的标题更加直接：法官批准 Anthropic 支付 15 亿美元，就使用盗版书籍训练 Claude 一案达成和解。

15 亿美元是什么体量？Anthropic 2024 年全年营收大约 20 亿美元，这笔和解金几乎吃掉了大半年的收入。对一家仍处于烧钱阶段的 AI 公司来说，这绝不是一个轻松的负担。

需要留意的是，和解并不等同于认罪。Anthropic 在协议中并未认可侵犯版权。但 15 亿美元这个数字足以说明，将诉讼继续下去的潜在风险，已经大到不值得再赌下去。

“蒸馏”的两张脸

让这条新闻在社交平台上炸锅的，不光是金额本身。还有 zerohedge 那句评语：“Anthropic 一面指控中国蒸馏它的模型，一面刚花 15 亿美元蒸馏书籍。”

这条推文获得了超过 36 万次浏览和 7300 多个点赞。它精准地戳到了许多人早已察觉的不对劲。

先厘清“蒸馏”在 AI 中的含义。简单来说，就是利用大模型的输出，去训练一个小模型。小模型据此习得了大模型的能力，但并不需要从头训练，省时、省钱、省算力。

Anthropic 曾多次公开指责中国 AI 公司借助蒸馏技术窃取 Claude 的能力，并将这一行为定性为知识产权侵犯。

最近字节跳动动作频频。先是豆包上线专业模式收费，紧接着传出在海外寻求200亿美元贷款的消息，随后CEO梁汝波向全球员工发出一封全员邮件，首次提出新周期下的具体路径：“通过计算换智能，通过智能提升创造力和体验。”

在此前的多次表态中，梁汝波也反复对外强调，过去几年字节一直在收缩业务宽度，把精力重点聚焦到AI，并在AI方向上进一步集中资源提升模型能力。一连串动作意味着，字节从底层逻辑上确认了AI的战略方向。但在这一战略的两侧，希望与压力并列站在一起。

希望来源于实打实的数据增量。截至2026年6月，豆包大模型日均tokens调用量已达180万亿，较发布初期增长超1500倍，豆包应用日活超过2亿。压力则来自收入与成本的残酷对比。有消息称，字节跳动2026年的AI基础设施开支可能高达2000亿元人民币，甚至还有报道提及700亿美元（约合人民币4700亿元）的年度AI资本开支。

另据晚点LatePost报道，豆包每天收入不足百万元。然而，参照火山引擎公开API价格和毛利率推算，豆包每天的推理算力成本很可能达到数千万元。即便是眼下被外界誉为“字节印钞机”的Seedance，火山引擎总裁谭待也在上个月的媒体会上亲自澄清，称网上传的“单月营收破10亿”并不属实，实际数字明显要低。

随着字节对AI的投入战略越来越坚定，外界的目光却始终聚焦在一个现实问题上：字节持续砸进去的几千亿，到底要怎么才能赚回来？

AI变现新路径：字节押注B端市场

回看国内互联网二十多年的商业化路径，除游戏等内容消费领域之外，无论是社交媒体、搜索推荐、电商，还是后来崛起的短视频，几乎没有一家能靠“直接向C端用户收钱”来撑起核心营收。

这一规律在AI行业同样重演。从国内市场来看，文心一言、豆包、元宝、千问上线至今，尚未出现依靠会员付费支撑起规模化营收的样本。海外市场也是如此，全球AI用户的付费意愿普遍不高，即便是行业领先的ChatGPT，付费转化率也仅在5%左右。

传统的流量平台最终靠广告、电商、增值服务拼出千亿级营收，本质上仍然是B端买单的商业逻辑，字节也是这套逻辑的重要受益者。从创立到成为国内营收最高的互联网公司之一，字节的商业基本盘始终建立在流量分发之上，核心收入来自广告、电商抽成、商家营销这类B端预算。

从B端赚钱，同样是AI玩家们的普遍共识。

落到AI商业化上，字节目前拿出了两个方向：一是推出豆包专业版订阅，二是火山引擎MaaS。

先看豆包。6月24日，豆包推出专业版，设定68元、200元、500元三档连续包月套餐，对应不同额度与功能权限。过去豆包成长于C端市场，为了保留用户基数，字节最终没有选择一刀切的收费模式，而是按模型能力分层，最高档的功能几乎全部指向办公场景：例如支持操作本地电脑、使用浏览器、调用Skills技能和定时任务等能力，并且内置了Office办公套件。

这样一来，豆包虽然还挂着C端产品的外壳，但提供的能力已经无限趋近企业办公需求，相当于在C端流量里提前筛选出有生产力付费意愿的B端用户。

在B端，真正承载字节AI商业化核心期待的，是定位持续发生变化的火山引擎。字节正在向火山MaaS倾斜更多资源，加速推广企业级AI服务。

在传统云厂商的产品逻辑中，算力、数据库、存储、网络等基础设施是核心，模型只是云产品矩阵中的补充能力。但在字节近两周的产品调整和发布中不难看到，大模型已经成为火山引擎的绝对核心，云服务、Agent工具、安全体系等所有产品几乎都在围绕模型的能力搭建，为模型在企业场景中的落地而服务。

此外，字节已经很久没有推出C端产品了。今年5月，X账号Mr. 小川@xiaochuan8688发帖称：据行业内消息，字节4月内部AI战略复盘会上，直接砍掉了30%的AI应用项目，包括猫箱、星绘、海外AI视频工具Dreamina的部分业务线。

帖文同时指出，豆包之外的产品全部没有达到预期，AI视频、AI写作、AI教育等方向烧掉几十亿，却没有一个真正跑出来；算力成本压不住，2025年AI推理成本已超过80亿元人民币；海外业务受到TikTok美国剥离、欧盟AI Act、印度封禁等政策压力，字节AI出海的窗口正在关闭。

钛媒体曾报道，针对该消息，字节内部人士回应称消息不实，但字节跳动目前尚未进行官方回应。

从整体布局来看，火山引擎正在被打造成字节AI能力的核心出口：它底层依托自研基础模型和云算力底座，上层则连接着豆包、TRAE、扣子、即梦等一系列经过真实场景验证的产品入口。把这些能力打包成可直接落地的行业方案，送入企业、开发者和产业客户的生产系统，正是字节为AI商业化找到的最契合自身基因的路径。兜兜转转，字节的AI生意，最终还是回到了B端战场。

火山引擎闯关To B：字节的突围与挑战

转向B端是全行业算过账之后形成的共识，而字节要走的这条路，海外已经跑出了一正一反两个参照样本。

一个是由前OpenAI核心团队创立的Anthropic，它也是过去两年全球大模型赛道增长最快的玩家：今年1月，Anthropic年化收入为90亿美金，3月冲到190亿美金，5月翻倍至450亿美金。Anthropic做对的是，从成立第一天就All in B端政企市场，专注高付费、高复购的企业客户，如今B端营收已经反超OpenAI。

另一边，靠C端ChatGPT打开全球市场的OpenAI，至今没能跑通盈利模型。2025年OpenAI总营收130.7亿美元，但全年总支出高达340亿美元，经营性亏损约209亿美元。C端带来的声量和订阅收入，尚且覆盖不了天量算力投入的成本窟窿。

对字节来说，这两个样本刚好对应自己手里的两张牌：豆包专业版和火山引擎。但眼下，豆包收费远远撑不起营收基本盘，B端的仗也并不好打。

一方面，豆包3.45亿月活看起来体量庞大，但专业版瞄准的重度办公、专业创作人群，在整个用户池里的占比可能并不高。叠加国内AI工具付费意愿整体偏弱的大环境，豆包专业版注定只能是AI营收的补充，无法撑起核心支柱的定位。这种增长疲软在付费政策落地之前就已经显现。第三方平台Aicpb.com数据显示，2026年5月豆包月活环比下滑1.81%，减少约610万用户。付费版本上线后，用户反馈进一步坐实了个人付费的窄小空间，社交平台上集中出现了“专业版额度不足，三次简单任务就耗掉30%额度”“语音通话免费时长缩水”等吐槽。

另一方面，摆在火山引擎面前的，是阿里云、腾讯云两座大山。字节在企业服务市场的积淀远不如腾讯云和阿里云深厚。从整体营收规模来看，差距一目了然：2025年火山引擎整体营收约200亿元，仅为腾讯云（券商测算320亿-350亿元）的六成左右，不到阿里云（1466亿元）的七分之一。单看MaaS赛道，火山引擎确实跑出了高增速，IDC数据显示其在中国公有云MaaS市场份额达到49.5%，接近半壁江山。但看向具体的数据，2025年火山全品类MaaS全年实际营收约15亿元，即便2026年的营收目标已上调至150亿元，火山引擎要确立行业地位，还有很长一段路要走。

不过，一位负责企业云服务采购的从业者对Tech星球表示，“仅有MaaS是不够的。”火山还需要补齐底层算力与基础设施以及大客户能力，才有实力与阿里云、腾讯云正面竞争。

从业务到组织：字节全员信背后的AI持久战

2022年梁汝波接棒CEO后的第一封全员信，底色是松绑：将双月OKR拉长为季度，给成熟业务降速，强调务实与效率。时隔四年，6月29日发布的这封全员信，基调却从减负转向加压，本质上是字节为AI战略重新设计组织逻辑。刷新使命、重构管理理念、更新10条领导力原则，这一系列调整相当于把AI战略从业务层面的方向，下沉为组织考核的硬标准，没有任何缓冲。

几条核心调整的指向性极其明确，恰好对应着字节当前AI商业化的关键痛点。新增的“做有高度的事”“敢于设定高目标”，本质上是打破字节过去快速验证、快速变现的路径依赖。AI重投入、长周期的属性决定了，无论是底层算力基建还是B端行业解决方案，都不可能像C端产品那样迅速跑通闭环，字节及其员工必须接受啃硬骨头、打持久战。

将“保持危机感与外部视角”“深入一线”独立成条，则直指字节做B端业务的短板。面对阿里云、腾讯云这类深耕行业十几年的对手，如果火山无法理解客户需求、缺乏一线体感，仅靠模型性能和价格战，根本拿不下头部大客户的订单。一家十几万人的大公司，从做产品到做服务，从流量思维到客户思维，从快速迭代到长周期交付，没有组织层面的彻底对齐，战略就很容易卡在执行层。

这封全员信，也因此成了字节进入AI下半场的明确信号。随着模型能力的差距逐渐收窄，商业化的压力越来越具体，技术与组织，将共同决定商业化冲刺的最终成败。