慢半拍的字节，豆包缺席Agent狂欢，为何拒绝 “跟风”？_风闻

文 | 大力财经

当腾讯元宝接入DeepSeek高歌猛进，字节跳动的豆包却埋头走出一条技术苦行路。

2025年初，一场AI风暴席卷中国互联网。DeepSeek以惊人的推理能力和中文处理优势横扫市场，短短一个月内登顶全球App下载榜。

腾讯迅速行动，将元宝接入DeepSeek技术栈，凭借微信生态导流实现用户量环比飙升346%，一度超越昔日领头羊豆包。

整个行业都在为“Agent元年”沸腾。周鸿祎在ISC大会上振臂高呼：“AI终于长出了‘手和脚’！”

他将智能体分为L1到L5五个等级，预言智能体将重塑经济形态和运营逻辑。

然而在这场狂欢中，字节跳动的明星AI产品豆包却显得格外沉默。

01 风暴中心：Agent元年的集体狂欢与豆包失速

2025年被称为“Agent元年”，行业迎来爆发式增长。Manus、Genspark等通用Agent产品横空出世，短短数月内创下数千万美元年化收入的商业奇迹。

OpenAI推出ChatGPT Agent，马斯克的Grok 3上线AI女友，全球科技巨头纷纷入局，共同掀起智能体研发热潮。

在中国市场，DeepSeek的春节爆发彻底改写了竞争格局。

这个以强大推理能力见长的模型，在编程辅助、数学逻辑和中文处理上表现尤为出色，迅速吸引了大量专业用户，成为现象级AI产品。

腾讯的反应堪称教科书级别：元宝接入DeepSeek后，广告投放量环比激增346%，下载量一路攀升，迅速超越豆包。

到3月3日，元宝成功登顶苹果应用商店免费榜，而豆包排名则跌至低谷，市场地位受到严峻挑战。

字节跳动内部开始弥漫着焦虑情绪。内部对元宝“以小代价获大增长”的模式表达了不满。字节开始重新审视企业的发展策略。

事实上，豆包并非没有实力。2024年11月，其月活用户一度达到近6000万，占据行业半壁江山。但面对DeepSeek的技术突破和腾讯的凶猛攻势，字节的AI帝国开始显露出裂痕。

02 逆行之路：豆包为何拒绝“跟风”？

当整个行业都在拥抱DeepSeek时，豆包却选择了一条截然不同的发展道路。

2025年3月底的一次更新引发业内哗然：豆包将“联网搜索”能力深度融入思考过程，而非像DeepSeek那样作为独立选项。用户输入问题后，系统会自主进行多轮搜索并整合信息，形成完整回答，而非简单的一搜一答模式。

这一设计立刻引发了广泛争议。当用户询问“北京天气”时，豆包会展示数千字的思考过程和参考资料，响应时间长达15秒。业内批评声四起： 应该让用户自己选择，一旦联网就会干扰推理过程，影响使用体验。

这种“不跟风”的背后，是曾经的惨痛教训。2月的内部会议上，CEO梁汝波承认团队“稍微有些放松”，没有及时跟进技术突破，认为“早一个月、晚一个月关系不大”。这种懈怠让豆包在关键战役中付出了沉重代价。

03 隐秘战线：从娱乐化智能体到B端深潜

去年，虽字节跳动官方澄清该实习生干扰的是商业化技术团队研究项目的模型训练任务，不涉及字节跳动大模型等其他业务，网传损失也严重夸大，但这一事件仍为大模型发展敲响了警钟，暴露出字节的诸多潜在风险。

在表面的沉默之下，豆包正在进行两场关键实验，悄然布局未来。

真正的重兵部署却在B端。2025年4月，火山引擎（字节云服务）发布 Agent Devops体系 和 AI数据湖服务 ，瞄准企业智能体开发的全生命周期管理，为企业客户提供全方位的AI解决方案。

豆包备受争议的多轮搜索设计，实际上暴露了其更深层的战略考量。

当豆包执行“思考-搜索-再思考”的循环时，系统会持续积累网页信息与用户反馈的关联数据，不断优化模型性能。这种机制虽然导致响应延迟和内容冗余，却为打造真正的任务型智能体提供了宝贵的“燃料”，奠定了技术根基。

但这一过程的代价是惊人的算力消耗。有媒体曝出，2025年字节AI算力预算高达900亿元，豆包每次回答的成本远超竞争对手。这种“烧钱训练”的策略，体现了字节的决心，着眼于构建难以复制的核心竞争力。

05 未来之战：被大模型吃掉的Agent？

当豆包默默构筑护城河时，Agent赛道已隐现危机，行业泡沫开始破裂。

Manus在3月登顶后访问量下跌25%，6月月度收入环比腰斩；Genspark收入下滑13.58%，不少曾经风光的Agent产品陷入困境。

Gartner的预测更为严峻：到2027年，超40%的代理型AI项目将因成本与价值问题被迫终止。分析师Anushree Verma直指行业乱象，多数所谓“代理AI”只是原有聊天机器人换壳，缺乏真正的代理功能，难以创造实际价值。

问题的根源在于能力缺陷。卡耐基梅隆大学的测试显示，当前AI代理在模拟办公环境中失败率高达70%。Gemini 2.5 Pro成功率仅30.3%，Claude 3.5 Sonnet为24%，GPT-4o更是低至8.6%，性能远未达到实际应用需求。

Salesforce的测试基准显示，AI代理在多轮交互场景下成功率不足20%。更关键的是，保密意识薄弱成为致命伤——所有被测模型“在保密意识方面几乎没有表现”，难以满足企业对数据安全的要求。

面对困局，周鸿祎提出分级破局思路：L2工作流智能体处理标准化流程，L3推理型智能体主攻创造性任务。他认为专业垂直才是出路：“万能的智能体目前仅存于幻想中，真正的价值在于深耕垂直领域，解决实际问题。”

最后

Agent元年的真正赢家，可能不是最早上场的玩家，而是那些 在喧嚣中看清本质的深耕者 。

当行业为通用Agent的梦想烧钱时，豆包选择在产业土壤中扎下根须。

毕竟在AI的长跑中，速度决定起跑时的位置，耐力才决定终点的名次。