豆包vs可灵：抖快AI之争背后的产品路径
业界普遍认同的是，AI应用既是国内AI产业当前的短板，也是一个潜在的突破口，为后来者提供了追赶乃至超越的机遇。
值得玩味的是，暂且搁置尚处初级阶段的“百模大战”，仅从AI应用落地视角来看，抖音与快手这两大先天占据优势的短视频平台，其各自火爆的AI应用，正好展现了两种截然不同的发展路径。
01 豆包，文生图文基底的AI Agent
在AIGC相关的App中，豆包是一款绕不开的产品。
豆包并不完全“隶属于”抖音，更确切地说，它归属于字节跳动。坊间流传的说法是，这个接地气的AI产品最初被定位为抖音内部的AI工具包，或整合了抖音内所有AI应用，故得名“豆包”。
自2023年8月上线以来，豆包的产品定位与能力不断演进，最终跳出抖音的框架，成为独立App。与ChatGPT、文心一言等ChatBot产品相比，尽管交互形态相似，但豆包的定位更偏向于一个综合性的AI Agent（人工智能体）平台。
在通用场景下，用户能与“豆包”的默认智能体互动聊天，也可寻找其他垂直领域的智能体来解决特定问题，这些智能体包括官方与第三方创建的应用。
随着持续迭代，豆包的功能日益丰富。目前，豆包不仅拥有App版本，还推出了PC客户端。应用内的使用场景已扩展至虚拟社交聊天、AI搜索、文档对话、文生图、内容创作等多个领域。其AI能力也开始渗透到字节系的其他产品中。
以抖音为例，一方面，抖音应用内上线了AI搜索功能；另一方面，当用户与豆包进行吃喝玩乐等特定类目内容交互时，豆包除了生成文字回复，还会推送一个抖音短视频，用以增强AI回复的准确性与时效性。
在2024年上半年相对热门的AI应用中，字节跳动几乎均有布局，比如虚拟社交领域的猫箱、智能体开发平台扣子、主攻文生视频的即梦等。然而，豆包对字节的战略重要性毋庸置疑。它不仅持续加大增长投入并公布商业化路径，后来更是直接将原大模型名称从“云雀”改为“豆包”，一系列动作已充分证明其地位。
集成、聚合、综合——豆包代表的产品路径，依然延续着“超级App”或“超级入口”的思路。在市场相对空白的阶段，先通过应用端抢占用户市场，在小步快跑中不断迭代，最终聚合为一个超级应用，以获取AI应用时代的优先入场券。
与此同时，不同场景与产品的相互贯通，使得字节生态内的用户数据持续积累，成为其AI能力增长的养料。
02 可灵，视频世界的AI入口
关注AI领域的人们，或许还记得今年2月Sora发布时引发的震动。这堪称ChatGPT式的里程碑。流畅的文生视频体验，象征着人机交互与内容创意之间的某种隔阂被彻底打破，通往通途。
许多人曾预料，中国的“Sora”会诞生于BAT或所谓的“大模型五虎”之中。这种判断合乎常理，毕竟技术底层延伸至产品应用的链路通常更短。然而，出乎意料的是，真正在用户层面引起爆发式普及的文生视频产品，却是快手推出的“可灵”。
与仍处于内测阶段的Sora相比，可灵在6月公布后便直接对外开放。其突出亮点在于，支持生成最长2分钟、30帧的视频，分辨率最高可达1080p，且用户可自由定制宽高比。这种产出能力，甚至超越了Sora及其他竞品（包括在可灵发布前一个月，字节上线测试的文生视频应用“即梦”）。
发布后不久，可灵又上线了图片生成视频功能。其视频生成效果符合官方宣称的大幅度合理运动、物理世界特性模拟、概念组合能力与想象力等优势。这一功能一度成为内容创作者吸引眼球的利器，甚至有人将老照片、手绘图片转化为视频的“独家秘笈”做成课程销售。
快手的AI产品路径同样值得深思。在可灵之前，快手先后推出了通用大语言模型“快意”和文生图大模型“可图”，但均未引发太大反响，反而是更契合自身内容生态的可灵迅速蹿红。
可灵火爆后，移动端唯一可用的渠道仍是快手创作工具“快影”App。不过，快手专门打造了Web端，并发布公告称，之前的可图平台将于8月关闭，其产品功能将整合进“可灵AI”中。从Web端入口可以看出，快手对可灵的官方定位是“新一代AI创意生产力平台”，它突破了文生视频的局限，聚焦于AI内容与创意生成，并为AI视频剪辑等功能留下了想象空间。
这似乎代表了另一个方向：围绕自身核心业务场景，利用AI助力实现扬长避短。快手自身的内容生态、AI能力的训练、AI产品的落地以及用户反馈，共同形成了一个完整闭环。通过第三方平台或工具的形式，从创作、体验到生态，全面提升了主站App的用户体验。
03 Agent和工具集，被动与主动
不难发现，尽管当前交互形态仍处于一问一答、一进一出的阶段，但豆包与可灵之间的差异已显现出“被动”与“主动”的区别。
豆包所尝试的AI Agent，作为通往通用人工智能（AGI）的必经之路，其发展方向无疑是成为能够独立思考、调用工具并逐步完成给定任务的独立助手。其终极目标是，用户只需提出一个需求，系统便能自动拆解步骤并提供解决方案，用户被动享受AI的主动服务。
而可灵AI作为垂类平台，集成了相应的分类能力。用户仍需输入文字、图片及素材，并进行调试。产品采用被动式交互，保留了用户的部分主动性。
两者并无优劣之分，这恰恰反映了阶段性的有趣发展。人机交互关系究竟应为何种形态？人类需要的是万能的智能体助手，还是更垂直有效的工具？这本身又成了一个关乎伦理的新命题。
然而，有一点可以确认：至少在可预见的未来，我们无需担心AI产品会变得乏味无聊。