等不来自家大模型，火山引擎先搭了一个模型“货架” | 最前线

文 | 周鑫雨

编辑 | 邓咏仪

尚未推出自研模型基座的字节跳动，先和第一梯队的模型厂商攒了个局。

6月28日，字节跳动云服务平台火山引擎推出了大模型服务平台“火山方舟”，面向企业提供包括精调、评测、推理等在内的模型服务。

这个时间点并不算早。此前，BTA、商汤、360等国内互联网企业已经纷纷推出了MaaS（模型服务）平台，抢占先发优势。多数MaaS平台的服务模式大同小异：以厂商自研的通用大模型或数个行业大模型为基座，再推出相应的模型服务。

姗姗来迟的字节走的是差异化路线。没有自研模型基座，那就拉强者组局——火山方舟宛如国内第一梯队模型厂商的“陈列柜”，集成了智谱AI、MiniMax、百川智能、出门问问、复旦大学MOSS、IDEA研究院、澜舟科技七家科技公司及科研机构的大模型。

火山引擎总裁谭待

性价比、低成本是火山方舟强调的第一个特性。

随着AI赛道从大炼模型的投入期，逐渐到了落地场景的应用期，愈来愈多做AI应用的厂商开始重视模型服务的“性价比”。火山引擎总裁谭待在采访中指出：“一个企业未来一定会在多个场景应用多个模型，因为每个模型在不同场景性价比是不一样的。”

与此同时，火山引擎智能算法负责人吴迪判断，训练大模型很昂贵，但是从长期来看，模型的推理开销会超过训练开销。

谭待在访谈中打了个比方：大模型好比工资高的博士，不少应用场景则好比小学数学题，付费让博士去解小学数学题显然是不合理的——这也迫使不少厂商选择精调后的中小模型，在获得媲美大模型效果的同时，降低推理成本。

组团合作的亮点在于，可让用户像搭积木一样选择适应自身业务需求、且具高性价比的模型组合。与此同时，火山方舟还提供了模型精调和评测服务，客户可同时对接多家大模型，并通过自动化和人工评估精调后的模型效果。

数据安全，则是火山方舟强调的第二个特点。

大模型私有化部署是目前最为安全的方案，也是国内客户更容易接受的形式，但也意味着企业将承担更高的部署成本。为此，火山方舟推出了大模型安全互信计算方案，用计算隔离、存储隔离、网络隔离、流量审计等方式保证模型的机密性、完整性和可用性——简而言之，就是给不同企业的数据分别建了保险柜。

但相对地，企业也需要牺牲部分的训练推理速度。吴迪指出，大模型安全互信计算方案适用于对训练和推理延时要求较低的客户；火山正在与英伟达合作，基于英伟达新一代硬件探索安全方案。

不过，卖模型弹药的字节，最终仍会亲自上大模型的战场。强调火山引擎本身不训练模型的同时，谭待表示：“字节内部其他团队，如果做好了模型，大概也会上到方舟平台上对外提供，它在方舟上就是众多模型的一个。”

欢迎交流！

欢迎交流！