4月2日，火山引擎AI创新巡展武汉站正式启动。现场披露最新数据：截至今年3月，豆包大模型日均Token使用量已突破120万亿，较3个月前实现翻倍，自2024年5月对外服务以来增长达1000倍。
活动现场。
同时，火山引擎总裁谭待现场宣布，Seedance 2.0 API面向企业用户开放公测。针对行业普遍关注的版权争议，谭待表示，正是因为需要搭建完善的版权保护体系，Seedance 2.0才选择此时正式开启API公测。目前，火山引擎已打造了全新版权IP保护机制，可有效保护人物形象的不同风格与年代形态。
Token调用量再创新高，多款AI产品集中落地
Token使用量是衡量AI发展速度的核心指标。在本次武汉巡展活动中，谭待对豆包大模型的日均Token使用量作了详细介绍：截至今年3月，豆包大模型日均Token使用量已突破120万亿，较3个月前直接翻倍；另外，目前在火山引擎上累计Token使用量超过一万亿的企业，已从去年底的100家增长到140家。在谭待看来，这一高速增长背后的核心驱动因素是AI视频创作的爆发与AI智能体的加速普及。
谭待在接受记者采访时进一步提到，当前Seedance 2.0等视频生成模型快速普及，跨行业内容创作需求激增。“所有行业都有营销、传播的需求，而视频是最好的载体，视频内容制作属于垂直领域，涵盖影视、短剧、动画等多个细分领域，这些领域的token消耗量都在快速提升。”
与此同时，AI智能体已经进入企业的日常工作流。以火山引擎推出的“龙虾”智能体服务ArkClaw为例，谭待表示，自发布以来，ArkClaw持续快速迭代，“比如，它不仅仅可以快速适配飞书，还新增了微信、钉钉、微博等消息渠道的便捷配置功能；同时，我们还对ArkClaw的网盘功能进行了升级，帮助大家构建高效的端云协同存储空间。”
活动现场。
当天活动现场还宣布了三项关键落地动作：
·Seedance 2.0 API面向企业公测，重点解决企业批量生产排队问题，并搭载全新版权保护体系，满足营销、短剧、影视等场景的合规高效生产需求；
·推出ArkClaw智能体平台，明确企业落地AI的"养虾三要素"，即模型、Skill和安全，降低企业构建与使用智能体门槛；
·搭建ClawHub中国镜像站，提升开发者访问速度，坚持开放生态，推动技能工具共享。
AI看端到端成本，模型能力是核心竞争力
谈及大模型成本与定价问题，谭待强调，不应该只看单Token价格，更要看端到端完成任务的总成本。他认为，当模型的智力水平提升时，模型自然会涨价，同时也会创造更大价值。“以我们的Seedance 2.0为例，它比之前的版本贵一些，但视频呈现效果更好，比传统工作流节省很多，这是以前做不到的。”
针对企业AI落地路径，谭待也分享了自己的看法。他认为，对企业而言，Agent建设有敏态和稳态两种思路，这两种思路应该同步进行。所谓敏态Agent，它强调的是探索，重点是解决个人生产力的问题，比如，如何成为一个更好的招聘者？如何成为一个市场数据分析的高手？当企业员工有想法时，“龙虾”类产品就能帮助他们快速实践落地。“这就是企业的‘创新试验厂’。”
另一类稳态Agent则是为了重点解决组织生产力的问题。“找到AI最佳实践后，我们就可以把它流程化，管理好成本、效率和风险。比如说合同交易、流程生产等，就需要将Agent流程化部署，降低幻觉，做好规模化服务。”
AICC是解决公有云数据安全问题的关键
“我认为AI私有化是行不通的。”谭待认为，当前AI迭代速度过快，私有化部署模型很容易短期内过期，芯片等硬件的生命周期也会很短。因此企业的AI转型需要通过“公有云”的方式，让最先进的AI技术被企业享受到，而AI机密计算（AICC）是解决公有云数据安全问题的关键。
谭待表示，火山引擎通过AI机密计算（AICC）实现端到端加密与受保护环境运行，从技术层面解决企业上云的数据隐私顾虑。“数据在端侧加密后，传输过程中全程加密，到服务端计算时，传统方式需要在内存中解密，存在明文被获取的风险，而我们叠加类CPU和GPU的TEE环境，确保解密后的明文仅在芯片的受保护环境中运行，其他程序无法探知和保存。”谭待进一步解释道，只有双方认证过签名的监控护栏程序，才能在该环境中运行，确保没有任何数据的录盘或出网行为。
针对行业普遍关注的AI版权争议问题，“保护一个IP形象，我们不仅要保护他当下的样子，还要保护十年前的样子，包括他穿古装、现代装，还有素描版、漫画版，传统技术难以满足如此全面的保护需求。”谭待表示，火山引擎打造了全新版权IP保护机制，可全面保护人物形象及其不同风格与年代形态。他直言，正是因为需要搭建完善的版权保护体系，Seedance 2.0才选择在此时开启API公测。
当前，全球AI市场竞争逻辑已发生转变，从拼参数、讲概念，转向拼落地能力、成本效率、安全合规与生态开放。在大模型“百花齐放”的当下，谭待认为，目前行业内并不存在“内卷”，因为模型能力提升的空间还很大。“现在的模型虽然已经很好，但未来还会有更优秀的模型出现，所以相比工程优化，模型能力的提升才是更重要的。”
