江西
8月21日，在2024火山引擎AI创新巡展上海站的采访环节，火山引擎总裁谭待用上面这句话，谈到了大模型与云之间的关系。
他表示，无论是公有云，还是私有云，本质上大模型都是其中的一部分，大模型私有化也是私有云的一部分；在公有云中，调用大模型，本质上是在调用云上的一个PaaS服务，只不过这个PaaS服务特别重要。
也因此，谭待强调，没有必要把AI和云对立来看——而火山引擎作为云服务厂商的定位，是没有变化。
不过，不得不承认的是，大模型的加持，让火山引擎看到了它在云计算市场的未来机遇。所以，借重于这个千载难逢的机遇，火山引擎作为字节跳动的云计算业务板块，正在花大力气推动旗下豆包大模型的技术突破、成本降低和应用拓展，并且面向不同的行业寻找落地机遇。
从目前的情况来看，火山引擎已经取得了具备巨大可能性的突破。
进击的大模型：不仅仅是技术
作为火山引擎旗下的破局利器，豆包大模型的进化速度令人刮目相看。
这其中，一个典型且容易被外界感知的数据是：根据公开及内部测评集显示，最新版豆包大语言模型相比发布初期综合能力提升了20.3%。
从具体的细分能力来看，豆包大模型实现了如下方面的提升：
- 角色扮演能力提升了38.3%，具备了更强的上下文感知，让对话情境更连贯、角色更拟人化。
- 语言理解能力提升了33.3%，让豆包大模型在信息分类、抽取、摘要、理解和问答等NLP方面都有了显著提升，能够在更多生产力场景中得到应用。
- 此外，模型在长文任务、数学、专业知识、代码能力上也有不同程度的增强。
基于这些技术能力的升级，火山引擎还在本次活动中公布了多个豆包垂类模型的最新升级，具体来说：
- 豆包·文生图模型对长文本有更精准的图文匹配能力，多主体、多位置、手部结构等复杂场景的生图能力更强，更善于理解中国特色元素，创造更具美感的中国风图片。
- 豆包·语音识别模型基于大语言模型丰富的知识和推理能力，通过上下文感知，提升语音识别准确性，在多个公开测试集中，与国内公开发布的语音识别大模型相比，错误率最高降低40%；支持一个模型识别普通话和粤语、上海话、四川话、西安话、闽南语等方言。
- 豆包·语音合成模型升级了流式语音合成能力，能够实时响应、精准断句，支持「边想边说」。
另外，基于上述能力，火山引擎还专门发布了对话式AI实时交互解决方案，该方案整合了豆包大模型和实时音视频（RTC）技术，提供端到端的大模型实时对话方案。
基于该方案，企业可以轻松地在自己AI应用中嵌入该实时语音功能，用户不仅能用语音与AI进行交谈，还能像平时说话一样，在对话过程中适时打断或插话，经过升级后的AI声音具备较好表现力和感情色彩，对话更自然、更真实、更流畅。
另外，除了模型效果，针对企业生产环境对AI高并发需求出发，豆包通用模型pro提供了国内最高标准的800k初始TPM（每分钟处理tokens数量）。基于这样的能力，火山引擎可以在客户高并发的对话场景要求下，帮助客户完成多轮提示词的优化，并且提供充分的高并发保障，帮助客户应对高峰场景。
总体来看，经过技术能力的持续迭代，豆包大模型在三个月的时间里，已经完成了新一轮肉眼可见的能力进化，涵盖了基础能力提升、垂类模型优化、实时对话方案、高并发场景保障等多个与客户关联密切的方面。
除了能力本身，我们还也注意到，火山引擎还在活动现场介绍了一系列面向客户的大模型相关产品升级点，比如说火山方舟最新推出的全周期安全可信方案、扣子专业版、HiAgent的最新能力等。
这背后，自然也离不开字节跳动本身在AI领域的深厚技术积累。
值得一提的是，除了技术开发，火山引擎也尤其注重于降低豆包大模型的成本，从而使得它的快速走向「价值创造阶段」。实际上，在5月15日的活动上，豆包主力模型面向企业市场就掀起了一场价格战，并由此掀起了行业里的大模型降价风潮。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
