近日，火山引擎FORCE原動(dòng)力大會(huì)在北京盛大召開。會(huì)上，火山引擎正式發(fā)布豆包大模型1.6、豆包?視頻生成模型Seedance 1.0 pro等新模型，并升級(jí)了Agent開發(fā)平臺(tái)等AI云原生服務(wù)。這些新產(chǎn)品在多模態(tài)交互、復(fù)雜任務(wù)處理、內(nèi)容生成等方面展現(xiàn)出強(qiáng)大功能，如豆包大模型1.6支持多模態(tài)理解和圖形界面操作，能高效處理真實(shí)世界問題；Seedance 1.0 pro可生成高品質(zhì)視頻，在多項(xiàng)評(píng)測(cè)中位居前列。

當(dāng)前，全球AI大模型市場(chǎng)競(jìng)爭(zhēng)激烈，眾多企業(yè)紛紛布局。與市面上同類產(chǎn)品相比，火山引擎此次發(fā)布的大模型家族憑借全模態(tài)、全尺寸、高性價(jià)比的特性脫穎而出。例如在多模態(tài)能力上，相比部分僅支持單一或少數(shù)模態(tài)的模型，豆包大模型1.6實(shí)現(xiàn)了更廣泛的模態(tài)融合與深度理解；在成本方面，創(chuàng)新的定價(jià)策略也為企業(yè)用戶帶來(lái)了顯著優(yōu)勢(shì)，在激烈的市場(chǎng)競(jìng)爭(zhēng)中搶占先機(jī)。

大模型矩陣“再添新丁”

火山引擎的豆包大模型家族已形成豐富矩陣，涵蓋基礎(chǔ)語(yǔ)言模型、視覺模型、語(yǔ)音模型等，適用于智能交互、內(nèi)容創(chuàng)作、數(shù)據(jù)分析等多元場(chǎng)景?；A(chǔ)語(yǔ)言模型憑借強(qiáng)大的自然語(yǔ)言處理能力，為智能客服、文本生成等場(chǎng)景提供核心支持；視覺模型在圖像識(shí)別、視頻分析等領(lǐng)域發(fā)揮關(guān)鍵作用；語(yǔ)音模型則專注于語(yǔ)音交互、語(yǔ)音內(nèi)容生成，滿足不同行業(yè)和業(yè)務(wù)需求。

此次大會(huì)上，豆包大模型1.6成為焦點(diǎn)。在復(fù)雜推理、競(jìng)賽級(jí)數(shù)學(xué)、多輪對(duì)話和指令遵循等測(cè)試集上，豆包1.6-thinking的表現(xiàn)躋身全球前列。另外，豆包1.6系列模型支持多模態(tài)理解和圖形界面操作，能夠理解和處理真實(shí)世界問題，這項(xiàng)能力讓豆包進(jìn)一步具備“行動(dòng)力”。例如，豆包1.6可以自動(dòng)操作瀏覽器完成酒店預(yù)訂、識(shí)別購(gòu)物小票并整理成Excel表格等復(fù)雜任務(wù)。

豆包?視頻生成模型Seedance 1.0 pro同樣表現(xiàn)亮眼。該模型支持文字與圖片輸入，可生成多鏡頭無(wú)縫切換的1080P高品質(zhì)視頻，主體運(yùn)動(dòng)穩(wěn)定性與畫面自然度達(dá)到行業(yè)領(lǐng)先水平。在國(guó)際知名評(píng)測(cè)榜單Artificial Analysis上，Seedance在文生視頻、圖生視頻兩項(xiàng)任務(wù)上均排名首位，超越Veo3、可靈2.0等優(yōu)秀模型，為影視制作、廣告宣傳、內(nèi)容創(chuàng)作等領(lǐng)域提供了高效的視頻生成解決方案。

此外，豆包?實(shí)時(shí)語(yǔ)音模型的全量上線以及豆包?語(yǔ)音播客模型的發(fā)布，也為語(yǔ)音交互帶來(lái)革新體驗(yàn)。實(shí)時(shí)語(yǔ)音模型的方言演繹、悄悄話、唱歌等特色效果深受用戶喜愛；語(yǔ)音播客模型讓雙人對(duì)話更加自然，具備互相附和、插話、猶豫等播客節(jié)奏，可廣泛應(yīng)用于語(yǔ)音內(nèi)容創(chuàng)作、智能語(yǔ)音助手等場(chǎng)景，進(jìn)一步完善了豆包大模型家族的全模態(tài)能力。

技術(shù)撬動(dòng)“三座大山”

隨著大模型智能水平的不斷提高，Agent正逐步進(jìn)入企業(yè)核心業(yè)務(wù)，然而，AI Agent在落地企業(yè)核心業(yè)務(wù)的過(guò)程中，仍存在著不少挑戰(zhàn)，尤其是AI Agent開發(fā)工具的全生命周期管理、多模態(tài)數(shù)據(jù)處理技術(shù)以及AI的安全與隱私保護(hù)。火山引擎聚焦這些關(guān)鍵問題，在技術(shù)層面展開多維度創(chuàng)新，打造出更高效、更安全的AI開發(fā)生態(tài)。

首先，在智能Agent開發(fā)工具方面，火山引擎全新發(fā)布的Agent開發(fā)套件，實(shí)現(xiàn)了從設(shè)計(jì)、訓(xùn)練到部署的全流程技術(shù)革新。以PromptPilot智能提示工具為例，該工具能夠深度解析用戶意圖，并自動(dòng)構(gòu)建最優(yōu)指令路徑，將用戶模糊的想法通過(guò)細(xì)致入微的轉(zhuǎn)化過(guò)程，系統(tǒng)性地變成AI能夠精準(zhǔn)執(zhí)行的專業(yè)指令，從而保障模型穩(wěn)定地輸出高質(zhì)量成果。

其次，多模態(tài)數(shù)據(jù)處理一直是企業(yè)面臨的棘手難題，火山引擎敏銳地洞察到這一痛點(diǎn)，重磅推出多模態(tài)數(shù)據(jù)湖解決方案，這為企業(yè)打造了新一代的AI Native數(shù)據(jù)基礎(chǔ)設(shè)施。該方案具備支持GPU+CPU異構(gòu)計(jì)算的強(qiáng)大能力，在數(shù)據(jù)處理過(guò)程中，可顯著提升資源的使用效率。同時(shí)，它靈活兼容多種開源系統(tǒng)，并融合了Ray、Lance等前沿技術(shù)棧，極大地增強(qiáng)了技術(shù)實(shí)力和應(yīng)用靈活性。更為關(guān)鍵的是，多模態(tài)數(shù)據(jù)湖能夠與火山機(jī)器學(xué)習(xí)平臺(tái)以及方舟平臺(tái)實(shí)現(xiàn)無(wú)縫對(duì)接，借助數(shù)據(jù)智能體的助力，進(jìn)一步優(yōu)化分析效率，為企業(yè)在數(shù)據(jù)處理與分析領(lǐng)域帶來(lái)前所未有的高效體驗(yàn)。

同時(shí)，在語(yǔ)義檢索增強(qiáng)技術(shù)上，多模態(tài)數(shù)據(jù)湖基于向量數(shù)據(jù)庫(kù)，運(yùn)用深度學(xué)習(xí)中的對(duì)比學(xué)習(xí)算法，將不同模態(tài)數(shù)據(jù)映射到統(tǒng)一語(yǔ)義空間，實(shí)現(xiàn)跨模態(tài)文獻(xiàn)檢索效率的答復(fù)提升。

第三，在AI安全與隱私保護(hù)領(lǐng)域，火山引擎發(fā)布的AICC密態(tài)計(jì)算技術(shù)，基于可信執(zhí)行環(huán)境（TEE）技術(shù)構(gòu)建。在CPU/GPU硬件層面，利用英特爾SGX、英偉達(dá)NGT等技術(shù)，創(chuàng)建受硬件保護(hù)的安全區(qū)域，實(shí)現(xiàn)模型推理全流程密文處理，有效降低了數(shù)據(jù)泄漏風(fēng)險(xiǎn)。

此外，火山引擎的大模型應(yīng)用防火墻采用基于深度學(xué)習(xí)的入侵檢測(cè)技術(shù)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)網(wǎng)絡(luò)請(qǐng)求數(shù)據(jù)進(jìn)行特征提取，再利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）分析請(qǐng)求序列，采用分層漏斗策略，可有效攔截各類prompt注入攻擊，提升惡意請(qǐng)求攔截率。

由此可見，火山引擎在智能Agent開發(fā)工具、多模態(tài)數(shù)據(jù)處理和AI安全與隱私保護(hù)方面都做出了非常全面且有效的探索和落地，不斷協(xié)助企業(yè)實(shí)現(xiàn)核心業(yè)務(wù)的智能化轉(zhuǎn)型。

舊場(chǎng)景新工具

目前，豆包大模型已在汽車、金融、教育等多個(gè)行業(yè)取得顯著應(yīng)用成果，推動(dòng)各領(lǐng)域智能化轉(zhuǎn)型。

在汽車行業(yè)，梅賽德斯-奔馳與火山引擎展開深度合作。梅賽德斯-奔馳利用火山引擎AI大模型提升智艙信息檢索能力及智艙系統(tǒng)反應(yīng)速度。以往，用戶在車內(nèi)通過(guò)語(yǔ)音助手查詢信息時(shí)，常常面臨檢索結(jié)果不準(zhǔn)確、反應(yīng)遲緩的問題。接入豆包大模型后，通過(guò)其強(qiáng)大的自然語(yǔ)言處理和信息檢索能力，能夠快速準(zhǔn)確地理解用戶指令，從海量的車輛信息、地圖數(shù)據(jù)、多媒體資源等數(shù)據(jù)庫(kù)中精準(zhǔn)篩選出用戶所需內(nèi)容，提升了智艙系統(tǒng)的反應(yīng)速度和信息檢索的準(zhǔn)確率。此外，在智艙研發(fā)環(huán)節(jié)，借助豆包大模型的數(shù)據(jù)分析和模擬能力，梅賽德斯-奔馳中國(guó)研發(fā)團(tuán)隊(duì)不斷提升“中國(guó)速度”，有效縮短了研發(fā)周期，降低了研發(fā)成本，為客戶提供超越期待的體驗(yàn)。

在金融行業(yè)，海爾消金聯(lián)合火山引擎，完成了消金垂直場(chǎng)景下的大模型精調(diào)，構(gòu)建了消費(fèi)金融垂直大模型，可以滿足消費(fèi)金融場(chǎng)景中90%以上的智能化場(chǎng)景需求，解決了摘錄場(chǎng)景下近95%的質(zhì)量問題。從效率和成本的角度看，日均節(jié)約人工1-3小時(shí)，客服內(nèi)容質(zhì)檢率近99%，意圖識(shí)別準(zhǔn)確率超過(guò)70%，大幅提高了業(yè)務(wù)自動(dòng)化水平和個(gè)性化服務(wù)的能力，有效降低了金融風(fēng)險(xiǎn)，提升了業(yè)務(wù)收益。

在教育行業(yè)，火山引擎已經(jīng)與清華大學(xué)、北京大學(xué)、浙江大學(xué)、同濟(jì)大學(xué)、南開大學(xué)等超五成985高校達(dá)成合作，聚焦大模型在教學(xué)、科研、管理和服務(wù)等核心場(chǎng)景應(yīng)用，持續(xù)推動(dòng)高等教育智能化轉(zhuǎn)型。目前，浙江大學(xué)依托HiAgent平臺(tái)，僅用7天時(shí)間就高效落地了大模型應(yīng)用體系——“浙大先生”，該體系集數(shù)據(jù)整合、文獻(xiàn)梳理、科研信息獲取與撰寫輔助等功能于一體，為師生提供全學(xué)科、多語(yǔ)種、多模態(tài)數(shù)據(jù)處理支持，助力高效完成選題分析、資料查找、趨勢(shì)判斷與內(nèi)容生成，全面提升科研效率與質(zhì)量。此外，同濟(jì)大學(xué)依托HiAgent平臺(tái)，搭建校園AI應(yīng)用創(chuàng)新平臺(tái)，打造專屬智能助手“同濟(jì)同學(xué)”，并基于該平臺(tái)啟動(dòng)了“同心云”AI應(yīng)用設(shè)計(jì)大賽，全面激發(fā)師生參與熱情，推動(dòng)AI能力自主開發(fā)與場(chǎng)景落地。

除了上述行業(yè)內(nèi)的應(yīng)用落地之外，隨著大模型能力的不斷進(jìn)步，字節(jié)跳動(dòng)內(nèi)部也已經(jīng)在探索和上線AI編程產(chǎn)品——TRAE（“The Real AI Engineer”）。

字節(jié)跳動(dòng)技術(shù)副總裁洪定坤

字節(jié)跳動(dòng)技術(shù)副總裁洪定坤提到，在字節(jié)內(nèi)部，超過(guò)80%的工程師在使用TRAE輔助開發(fā)，TRAE的整體月活用戶已經(jīng)超過(guò)了100萬(wàn)。這充分展示了火山引擎的技術(shù)在實(shí)際應(yīng)用中的強(qiáng)大影響力和廣泛接受度。

智能Agent的三個(gè)趨勢(shì)

隨著人工智能技術(shù)的持續(xù)發(fā)展，智能Agent作為AI技術(shù)與行業(yè)應(yīng)用深度融合的產(chǎn)物，正迎來(lái)關(guān)鍵的發(fā)展機(jī)遇期。Gartner在其2024年發(fā)布的相關(guān)報(bào)告中，將Agentic AI列為2025年十大技術(shù)趨勢(shì)之一，并預(yù)測(cè)到2028年，至少15%的日常工作決策將借助Agentic AI自主完成。由此可見，智能Agent將成為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型的核心驅(qū)動(dòng)力之一，其發(fā)展將呈現(xiàn)出多模態(tài)融合深化、邊緣智能協(xié)同加強(qiáng)、自主學(xué)習(xí)與決策能力提升等顯著趨勢(shì)。

第一，多模態(tài)融合將呈現(xiàn)從感知到認(rèn)知的跨越。當(dāng)前，雖然部分AI模型已具備多模態(tài)處理能力，但在模態(tài)間信息深度融合、復(fù)雜場(chǎng)景理解等方面仍存在局限。有多項(xiàng)研究顯示，通過(guò)構(gòu)建統(tǒng)一的多模態(tài)表征空間，結(jié)合注意力機(jī)制與圖神經(jīng)網(wǎng)絡(luò)技術(shù)，智能Agent能夠更精準(zhǔn)地理解不同模態(tài)信息間的關(guān)聯(lián)。未來(lái)，智能Agent將實(shí)現(xiàn)從“多模態(tài)感知”到“多模態(tài)認(rèn)知”的跨越。例如，在智能客服場(chǎng)景中，Agent不僅能處理用戶的文本、語(yǔ)音咨詢，還可結(jié)合用戶上傳的圖片、視頻資料，甚至社交媒體上的情緒數(shù)據(jù)，提供更個(gè)性化、全面的解決方案。

第二，邊緣智能協(xié)同實(shí)現(xiàn)實(shí)時(shí)響應(yīng)與隱私保護(hù)的平衡。隨著物聯(lián)網(wǎng)設(shè)備的普及，大量數(shù)據(jù)在終端產(chǎn)生，將所有數(shù)據(jù)傳輸至云端處理不僅面臨高延遲問題，還存在數(shù)據(jù)泄露風(fēng)險(xiǎn)。邊緣智能技術(shù)使智能Agent能夠在靠近數(shù)據(jù)源的邊緣設(shè)備上完成數(shù)據(jù)處理與決策。根據(jù)IDC預(yù)測(cè)，到2026年，全球75%的數(shù)據(jù)將在邊緣側(cè)完成處理。邊緣計(jì)算環(huán)境下的數(shù)據(jù)本地化處理，有效保障了企業(yè)核心數(shù)據(jù)的隱私安全，符合日益嚴(yán)格的數(shù)據(jù)合規(guī)要求。

第三，從被動(dòng)執(zhí)行到主動(dòng)進(jìn)化的自主學(xué)習(xí)與決策。傳統(tǒng)Agent多依賴預(yù)先設(shè)定的規(guī)則與訓(xùn)練數(shù)據(jù)，而新一代智能Agent將結(jié)合強(qiáng)化學(xué)習(xí)、元學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)動(dòng)態(tài)環(huán)境下的自主學(xué)習(xí)與策略優(yōu)化。DeepMind的研究顯示，通過(guò)基于環(huán)境反饋的持續(xù)學(xué)習(xí)，智能Agent在復(fù)雜游戲、機(jī)器人控制等任務(wù)中的表現(xiàn)不斷超越人類專家。在商業(yè)領(lǐng)域，智能Agent可自主分析市場(chǎng)動(dòng)態(tài)、用戶行為數(shù)據(jù)，實(shí)時(shí)調(diào)整營(yíng)銷策略，為企業(yè)創(chuàng)造更大價(jià)值。

在本次火山引擎FORCE原動(dòng)力大會(huì)上，眾多創(chuàng)新成果的展示令人印象深刻。智能Agent的發(fā)展正處于技術(shù)突破與行業(yè)應(yīng)用的關(guān)鍵階段，多模態(tài)融合、邊緣智能協(xié)同、自主學(xué)習(xí)與決策等趨勢(shì)將重塑各行業(yè)的發(fā)展格局。

盡管在技術(shù)成熟度、倫理規(guī)范等方面仍面臨挑戰(zhàn)，但隨著技術(shù)的不斷進(jìn)步與生態(tài)的逐步完善，智能Agent有望為全球經(jīng)濟(jì)社會(huì)發(fā)展帶來(lái)深遠(yuǎn)變革，成為推動(dòng)人類社會(huì)向智能化時(shí)代邁進(jìn)的核心力量。

來(lái)源：數(shù)據(jù)猿