共计 1344 个字符，预计需要花费 4 分钟才能阅读完成。
2026 年, 中国 AI 云市场同时出现了两个“第一”。Omdia 报告显示, 阿里云以 38.1% 的收入份额位居 AI 云市场第一; 而 IDC 数据则指出, 火山引擎以 49.5% 的公有云大模型调用量份额站在了 MaaS 领域的首位。两把尺子量出了截然不同的战略落点: 阿里云守住收入体量, 火山引擎则用规模建立坐标, 并试图将量的积累转化为平台层更难替代的价值。
5 月 11 日, 火山引擎发布国内首个 Agent Plan, 将 GLM-5.1、Kimi-K2.6 等竞品模型与自研 Seed 系列打包, 采用 AFP 统一计费, 月费 40 元起。这一举动标志着火山引擎正从模型分发商向基础设施提供方转型——当主流模型能力差距收窄,Token 单价持续压缩,“最强模型”的叙事价值加速衰减, 而“最全平台”的战略优先级随之上升。
📌 低价 Token 策略: 先跑出规模, 再构建壁垒
- 重点: MaaS 不需要 SOTA 模型
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
火山引擎拿下 MaaS 近半市场份额, 靠的不只是模型能力 , 而是比同行更早完成规模积累, 并将规模转化为可持续的工程优势。2020 年入局云市场时, 传统 IaaS 格局已固化,MaaS 成为唯一突破口。谭待曾表示,Token 使用量高速增长的核心驱动力是 AI 视频创作与智能体普及, 而非通用语言模型能力提升。字节跳动的 Seedance 在视频生成市场占据超 80% 算力份额,AI Agent 场景的单次 Token 消耗量远高于普通对话, 这些高密度需求场景构成了火山引擎调用量领先的关键前提。
价格机制是规模积累的杠杆。 去年 5 月 , 火山引擎将豆包大模型价格打入“厘时代”, 综合成本降低 63%。背后是 PD 分离与 KV Cache 两项工程优化:PD 分离将“读题”和“答题”拆给不同工位,KV Cache 缓存历史状态避免重复计算, 两者共同降低单次推理成本。这些技术的收益高度依赖规模——规模越大, 缓存命中率越高, 工程优化收益越显著。当同行跟随降价时, 火山引擎凭借规模优势保持成本空间,2025 年下半年调用量份额从 49.2% 升至 49.5%, 印证了规模防御价值。
🔍 Agent Plan: 从卖 Token 到卖任务, 平台化转型启动
Agent Plan 的发布 , 将计费单位从“消耗多少 Token”迁移到“完成多少任务”。自研模型与竞品模型同台, 配合 Harness 工具将推理转化为可约束、可追踪的工作流。企业客户的 Agent 任务通过 AFP 平台运行时, 工作流日志、用量报表、审计记录都在同一体系内生成, 迁移成本随之攀升。
火山引擎将竞品纳入套餐, 逻辑类似 AWS Marketplace: 平台的核心资产是用户积累的工作流数据与账单绑定深度。开放性吸引用户进入,AFP 计费提高离开成本。第三方模型在 Agent Plan 中的占比变化将成为检验平台化成功与否的关键变量: 若用户向 Seed 系列集中, 平台叙事成立; 若比例稳定, 则更接近能力补位。
💡 行业观察: 规模优势的下半场考验
围绕“火山引擎, 正在告别 Token 崇拜”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
