火山引擎，想做独属于 AI 时代的云。

12 月 18 日 -19 日，火山冬季原动力大会在上海召开，此次大会上，火山引擎正式发布了豆包大模型 1.8 版本，也将豆包图像创作模型 Seedream 更新至 4.5 版本，为用户们带来了更丰富的创作工具与更低门槛的 AI 应用落地方案。

不过，要说最被市场关注的，还得是火山引擎的 token 调用量。

而据火山引擎总裁谭待公布，截至今年 12 月，该模型的日均调用量已突破 50 万亿次，较去年同期增长超十倍，与发布初期相比更是实现了 417 倍的爆发式增长。

这也被市场认为是火山引擎良好 " 兑现 " 自己是云原生 AI 的最好例证。

不过，在大家都在为这张成绩单惊叹的背后，却也产生新的考量：呈几何倍数增长的 Token 消耗量，究竟能为火山引擎的报表贡献多少实实在在的营收？自我标榜为 AI 原生云的火山引擎，又能否利用 AI 跨过国内 SaaS 重人力的陷阱呢？

万亿 Token，到底能换回多少真金白银？

要理解火山引擎的野心，得先看清它的 " 出身 "。

在国内云市场的牌桌上，火山引擎是个 " 异类 "。它不同于阿里、腾讯这些背负着沉重 " 传统云 " 包袱的前辈，火山引擎几乎没有历史负担——它出生在移动互联网的黄昏，却刚好赶上了大模型的黎明。

这种 " 迟到 " 反而成了一种战略红利。因为没有老旧的数据中心架构需要兼容，火山引擎从第一天起就活得像个 AI 时代的特种兵：它不想做那种传统的、靠卖存储和带宽过日子的 " 包租公 "，它想做的是 MaaS（模型即服务）的绝对庄家。

这也是总裁谭待在各种场合反复布道的逻辑：火山引擎就是为 AI 而生的云，它的终极形态，就是卖模型调用，卖智能服务。

如今，市场确实买账了。50 万亿次的日均调用量，不仅是一个让同行侧目的天文数字，更像是火山引擎在 AI 云赛道上跑通了第一条 " 高速公路 "。但热闹归热闹，当烟花散去，理性的投资者和观察者终究会拿起计算器，算一笔最现实的账。

这 50 万亿 Token 的消耗，到底能给火山引擎带来多少营收？

我们可以从火山引擎今年披露的几组核心数据中，清晰地捕捉到这种近乎疯狂的扩张曲线。根据官方发布及市场公开数据，火山引擎豆包大模型的日均 Token 调用量呈现出了典型的指数型增长：

2024 年 12 月：日均调用量仅为 4 万亿次。

2025 年 4 月：迅速攀升至 12.7 万亿次。

2025 年 5 月：达到 16.4 万亿次。

2025 年 8 月：突破 25.9 万亿次。

2025 年 10 月：稳步增长至 30 万亿次。

2025 年 12 月：最终在原动力大会上宣布，日均调用量正式突破 50 万亿次。

而如果我们将这些点连接起来，并假设在统计区间内消耗量是平稳增长的，那么整个 2025 年，豆包大模型的 Token 消耗总量已经超过 9000 万亿，接近一万万亿。

但是，这看似庞大的数据，却没能转化为可观的收入，而其核心症结在于：Token 的单价实在是太低了。

为了在群雄逐鹿的云市场中撕开一道口子，火山引擎在过去一年几乎是以 " 自杀式 " 的降价策略在横扫市场。

去年 5 月，火山引擎在业内首先开打价格战，把豆包主力模型的推理输入价格降至 0.0008 元 / 千 tokens，较当时的行业价格下降了超过 99%，而在之后的一年时间里，也延续了 " 崩溃式 " 降价的逻辑。

这种推倒重来的定价逻辑，虽然让火山引擎在极短的时间内吸引了海量用户，但也意味着它必须面对一个极其残酷的现实：Token 已经从昂贵的 " 奢侈品 " 变成了廉价的 " 大宗商品 "。

那么，2025 年一万万亿 Token，到底为火山引擎带来了多少收入呢？我们以火山引擎目前官网的单价为基准，经计算，在综合了在线推理、在线推理 - 上下文缓存、批量推理的价格后，可得出每千 Token 的价格大约在 0.0009 元附近。

按照目前该单价计算，这 " 一万万亿 " 次的年度总调用量，理论上能为火山引擎撑起近百亿规模的营收空间。

然而，这 90 亿元绝非最终落袋的真金白银。

在市场推广的初期，为了跑马圈地，绝大多数的 Token 其实都是被 " 免费送出 " 的。在激烈的价格战和生态补贴下，真正产生扣费的付费流量比例极低。如果我们大胆假设收费 Token 仅占总量的 10%，那么火山引擎 2025 年实际的 MaaS 收入仅为 9 亿元左右。

和 MaaS 收入形成鲜明对比的是，2025 年火山引擎营收已经超过了 200 亿元（约为 240 亿至 250 亿左右）。

这意味着，尽管 Token 调用量在官方口径里显得气势磅礴，但在现阶段，火山引擎营收的压舱石依然是 IaaS、PaaS 和算力租赁业务，而非纯粹的 AI 调用。

这种 " 头重脚轻 " 的数据结构清晰地表明：AI 原生云的理想很丰满，但商业化的现实依然骨感。

所以，在即将到来的 2026 年，火山引擎必须要面对的一个问题是，当 Token 彻底沦为像电力一样的廉价基建后，如何能快速推动 Token 消耗继续指数级增长，通过规模效应来让 MaaS 成为真正的营收支柱，成为谭待向市场描绘的那个火山引擎？

当 Agent 遇上传统甲方，火山引擎也要派人驻场？

如果说卖 Token 是卖电力，那么火山引擎通过扣子（Coze）等平台力推的 Agent，就是想直接卖给客户一套 " 自动化工厂 "。

在谭待的蓝图里，理想的路径是极其轻盈的：火山引擎搭建好底座和工具，客户只需像搭积木一样，在平台上自行开发出适配业务的 Agent。这本质上是在重塑 SaaS 的交付逻辑，从过去的 " 厂商喂到嘴里 "，变成现在的 " 客户自给自足 "。

然而，在国内的商业土壤上，这种 " 轻盈 " 往往意味着某种巨大的挑战：你如何说服一个习惯了 " 看人头付费 " 的甲方，转而为一套看不见摸不着的算法逻辑买单？

国内 SaaS 行业过去十年跌过的最深的坑，就是 " 非重人力投入不付费 " 的怪圈。由于国内软件付费意愿长期处于低位，为数不多愿意掏钱的企业客户，往往信奉一种极其朴素的逻辑：我花了钱，就得看到你的人。

于是，我们看到无数标榜标准化的 SaaS 厂商，最后都活成了 " 装修外包队 "。

为了拿下一个大单，乙方往往要派出一支庞大的交付团队，背着电脑进驻甲方场地，陪着对方熬夜改代码、调接口。这种 " 人头攒动 " 带来的安全感，曾是国内 SaaS 能够成交的心理基石。

这种模式不仅重，而且极其低效。一旦进入项目制，原本边际成本递减的软件生意，就变成了边际成本恒定的体力活。火山引擎作为 " 后来者 "，深知如果跟着其他云厂去卷这种 " 人肉交付 "，不仅难以反超，更会让自己标榜的 "AI 原生 " 底色消失殆尽。

所以，火山引擎的策略是 " 工具化反击 "。它推出来的不仅是大模型，还有一整套 Agent 开发套件。它的潜台词是：别再找我们要几百个工程师了，给你们一个足够好用的工具，你们自己的员工就能搞定。

但这正是矛盾的焦点所在。习惯了 " 饭来张口 " 的甲方，很难在短时间内迅速适应这种从 " 买方案 " 到 " 学工具 " 的身份转变。对于大多数传统企业来说 AI 依然是个黑盒，Agent 的开发虽然门槛降低了，但 " 能跑通 " 和 " 能落地业务 " 之间，依然隔着万水千山。

更何况，Agent 作为一个新生事物，其稳定性、逻辑闭环以及对复杂商业场景的理解，正处于 " 半成品 " 向 " 成品 " 进化的阵痛期。想要让一个刚出炉的 Agent 达成过去由几十个程序员、产品经理手工打磨出来的 SaaS 软件水平，本身就是一件极难的事情。

当甲方发现自己折腾了半天出来的 Agent 还是 " 人工智障 " 时，他们最自然的反应依然是：火山引擎，你们能不能派点懂行的人来帮我调优一下？

这就产生了一个巨大的悖论：火山引擎越是想推行标准化、低门槛的 Agent，就越是发现，在实际落地的 " 最后一公里 "，依然需要大量专业人员进场去填平技术与业务之间的鸿沟。

而如果火山引擎不能在技术上实现真正的 " 类人级交付 "，或者不能培养出一个庞大的、能够替它分担体力活的第三方合作伙伴生态，那么它标榜的 AI 原生云，极有可能在向深水区迈进时，身不由己地重新掉入那个 " 为了赚一百块，得堆十个人 " 的重人力怪圈。

届时，支撑日均 500、5000 万亿调用量的，或许不再仅仅是后台同步跳动的服务器，还有台前无数疲惫奔波的交付工程师。这种 " 新瓶装旧酒 " 的局面，恐怕不是谭待想要向市场交出的最终答卷。

火山引擎想做 AI 时代的云，这确实是一个性感的愿景。但从 " 万亿 Token" 的狂欢转向 " 实打实利润 " 的深耕，这条路上的硬仗才刚刚开始。

当技术的神话遇上商业的常识，火山引擎需要证明的不仅是它的模型有多快，更是它对国内商业生态的耐力有多强。