从15亿到150亿，火山引擎MaaS突然转身。
新眸原创·作者 | 棠宁
上周和一个做短剧的朋友吃饭，他吐槽说现在整个行业都被一个AI模型“绑架”了。以前团队里有好几个后期，现在只需要留一个人负责审核和微调，剩下的活全交给AI。“如果你是短剧行业从业者，你很难不是Seedance的用户。”
就在最近，行业内爆出了一个独家消息，字节跳动火山引擎在今年4月已经把MaaS业务的全年营收目标上调到了150亿元。而在2025年底，这个目标还只是100亿元。更让人惊讶的是，2025年全年，火山引擎的MaaS收入才只有15亿元左右。这意味着，火山引擎给自己设定的目标，是在一年内实现10倍的增长。
这个数字在半年前几乎是不可想象的。2025年的MaaS市场，还笼罩在价格战的阴影之下。通用大模型的Token价格一路走低，很多厂商都在靠补贴换取市场份额，整个行业都在怀疑MaaS到底能不能成为一门真正赚钱的生意。
某种意义上，火山引擎的突然爆发，打破了这种集体焦虑。它不仅证明了MaaS的商业价值，也让整个行业重新思考，大模型的竞争到底应该围绕什么展开。
01
从15亿到150亿：
火山MaaS的突然加速
去年的MaaS市场，呈现出一种非常矛盾的状态。一方面，几乎所有的企业都在谈论大模型，都在尝试将大模型融入自己的业务；另一方面，没有多少企业愿意为大模型支付高额的费用。
这种矛盾导致了惨烈的价格战。为了吸引用户，各家厂商不断下调通用大模型的API价格。从最初的几块钱一万Token，降到后来的几毛钱一万Token，甚至有厂商推出了免费额度。很多云厂商的MaaS业务都处于亏损状态，大家比拼的是谁能烧更久的钱。
在这样的市场环境下，火山引擎的表现并不算特别突出。去年全年15亿元的MaaS收入，在整个云服务市场中占比很小。当时提到火山引擎，人们首先想到的还是它的云基础设施服务，是字节内部技术对外输出的平台。MaaS只是它众多业务中的一项，并没有显示出成为核心增长引擎的潜力。
变化发生在今年2月，字节跳动发布了新一代视频生成模型Seedance 2.0。这个模型发布后，迅速在全球范围内获得了认可。模型发布后不久，就出现了严重的供不应求的情况。
面对这种情况，字节没有选择盲目扩容来满足所有用户的需求。相反，它推出了一套非常务实的商业化策略：白名单制度。只有签订了年框合同的企业客户，才能获得稳定供应的满血版Seedance 2.0。普通用户则只能使用功能受限的版本，并且仍然需要排队。
这个策略在当时引发了一些讨论，但从结果来看，它非常有效。它帮助字节快速筛选出了最有付费意愿和付费能力的核心客户，避免了宝贵的算力资源被低价值的请求消耗。同时，年框合同也为火山引擎带来了稳定的现金流，为后续的模型迭代和算力投入提供了支持。
仅仅三个月后，Seedance 2.0的单月营收就突破了10亿元。根据36氪的报道，截至目前，火山引擎的Token日均消耗量仍然保持着月度近40%的增速。
更重要的是，这个成绩是在Seedance 2.0的API尚未在海外正式全量上线的情况下取得的。目前，Seedance 2.0在全球视频模型市场的份额已经排名第二，仅次于谷歌的Veo。字节今年的目标，是将Seedance 2.0打造成全球市场份额最大的视频模型。如果这个目标能够实现，那么150亿元的全年营收目标，很可能还会被再次上调。
当然，火山引擎也不是在所有赛道都取得了成功。在代码生成这个同样重要的领域，它的表现就不尽如人意。目前，吃到Coding赛道最大红利的是智谱AI。智谱从2024年开始就专注于提升模型的代码能力，经过两年的积累，其GLM-5.1模型已经成为国内代码能力最强的大模型之一。
此前智谱CEO张鹏在近期的财报电话会议中透露，2026年一季度，GLM接口的调用价格累计上涨了约83%。尽管价格大幅上涨，但API的调用量仍然增长了400%。目前，GLM-5.1的缓存命中Token价格已经接近Claude Sonnet 4.6的水平，这是国产大模型首次在核心场景实现与海外头部厂商的价格对齐。
02
爆发背后：字节的积累与火山的定位
Seedance 2.0的成功，不是一个偶然的事件。甚至可以说，它是字节跳动在视频领域十几年积累的集中爆发。
字节拥有全世界最大规模的高质量视频数据。过去十几年，通过抖音和TikTok这两款产品，字节积累了数十亿用户上传的海量视频内容。这些数据涵盖了各种场景、各种风格、各种语言，是训练视频生成模型最宝贵的原材料。没有任何一家其他公司，能够拥有如此丰富和多样化的视频数据储备。
除了数据，字节的工程化能力也是其能够打造出顶尖视频模型的重要原因。训练一个千亿参数的视频生成模型，需要调度数万张GPU协同工作，还要解决分布式训练中的各种技术难题。字节在这方面有着丰富的经验。多年来，为了支撑抖音和TikTok全球几十亿用户的并发访问，字节已经打造出了行业领先的分布式系统和算力调度平台。这种能力，自然也被应用到了大模型的训练和推理过程中。
更重要的是，字节有着非常强的产品和商业化导向。很多公司在研发大模型的时候，容易陷入技术至上的误区，追求参数的提升和技术的酷炫，而忽略了实际的商业需求。字节则不同，它做任何产品，都是从解决用户的实际问题出发。
Seedance 2.0之所以能够获得市场的广泛认可，最根本的原因是它真正达到了商用的标准。在Seedance 2.0之前，很多视频生成模型生成的内容存在清晰度低、动作不连贯、逻辑混乱等问题，只能作为玩具使用，无法应用到实际的生产流程中。而Seedance 2.0生成的视频，在清晰度、流畅度和逻辑一致性上都有了质的飞跃，能够直接用于短剧、广告、游戏等行业的生产环节。
当一个工具能够实实在在地帮助企业提高生产效率、降低生产成本的时候，企业自然愿意为它付费。而且这种付费是刚性的。在竞争激烈的短剧行业，如果你不用Seedance 2.0，你的竞争对手用了，你就会在更新速度和生产成本上处于劣势，最终被市场淘汰。
某种程度上，Seedance 2.0的爆发，也让火山引擎的战略定位变得更加清晰。此前，火山引擎更多的是作为字节内部技术对外输出的窗口，主要销售云服务器、存储、CDN等基础设施服务。而现在，MaaS已经成为了火山引擎的核心业务之一。
火山引擎的本质，是将字节跳动在过去十几年中积累的AI能力，对外输出给全行业。字节在推荐算法、计算机视觉、自然语言处理、视频生成等领域都有着深厚的积累，这些能力曾经只服务于字节内部的业务。现在，通过火山引擎的MaaS平台，其他企业也可以使用这些顶尖的AI能力，来改造自己的业务。
短剧只是第一个被视频生成模型彻底改造的行业。接下来，广告、影视、游戏、教育、电商等所有与视频相关的行业，都会经历类似的变革。这些行业都会产生巨大的Token消耗，为火山引擎的MaaS业务带来持续的增长动力。
海外市场则是一个更加广阔的空间。目前，Seedance 2.0还没有在海外正式全量上线。一旦上线，凭借其领先的模型能力和字节在全球的品牌影响力，它很有可能会快速抢占市场份额，挑战谷歌Veo的领先地位。
03
被重塑的MaaS行业
火山引擎的成功，给MaaS行业带来冲击的同时，也改变了行业游戏规则。
前几年，行业的普遍共识是，MaaS的竞争核心是价格和算力。谁的算力成本更低，谁的销售能力更强，谁就能获得更多的客户。因此，所有的厂商都在打价格战，都在拼命扩建数据中心。
但火山引擎用实际行动证明了，模型能力才是MaaS最核心的竞争力。只要你的模型能力足够强，能够做到与竞争对手断层领先，那么客户根本不在乎价格。他们愿意为了使用最好的模型支付溢价，甚至愿意排队等待，愿意签订长期的年框合同。
现在，MaaS市场的竞争已经清晰地分化为两条主要战线：一条是视频模型，另一条是代码模型。通用大模型赛道已经变得非常拥挤，价格战已经打到了地板价，几乎没有利润空间。而头部的视频模型和代码模型，仍然拥有较强的议价权。
OpenRouter在2025年底提出的“灰姑娘水晶鞋效应”，正在被市场反复验证。这个理论认为，AI模型发布第一个月获得的用户，留存率会远高于后来的用户。因为当用户使用到一个效果足够好的模型时，他们会产生极高的忠诚度，并且会将自己的业务深度绑定到这个模型上。
这种高粘性和高切换成本，意味着谁能够率先在某个细分领域建立起模型能力的领先优势，谁就能够长期占据这个市场的大部分份额。因此，现在所有的厂商都在加大对视频和代码这两条战线的投入。
据了解，阿里云已经成立了多个新的MaaS销售团队，与原有的直销团队协同作战，目标是挖掘更多的企业应用场景，推动客户使用Agent能力，增加Token消耗。月之暗面、MiniMax等创业公司，也都推出了自己的代码生成产品，希望能够在这个市场中分一杯羹。
与此同时，行业的格局也在发生剧变。此前，MaaS只是云服务的一个增值业务，云厂商推出MaaS的主要目的，是为了吸引更多的客户使用自己的基础设施服务。但现在，MaaS已经成为了云厂商的核心增长引擎。拥有顶尖模型的云厂商，能够凭借模型的吸引力，带动整个云业务的增长。而没有好模型的云厂商，未来很可能会沦为单纯的算力提供商，只能赚取微薄的利润。
也就是说，未来的MaaS行业，会呈现出越来越明显的垂直化趋势。通用大模型的战争已经基本结束，剩下的只是几家头部公司之间的存量竞争。接下来的机会，存在于各个垂直领域。谁能够在某个细分行业打造出能力领先的垂直模型，谁就能吃到这个行业最大的蛋糕。除了视频和代码，生物制药、金融、法律、医疗等领域，都有可能诞生出成功的垂直大模型公司。
从这个角度看，火山引擎的爆发，给整个MaaS行业注入了信心。它证明了大模型不是一个泡沫，而是能够真正创造商业价值的技术。它也让整个行业明白，MaaS的竞争不是比谁烧钱更多，而是比谁能够更好地理解行业需求，谁能够打造出真正解决问题的模型。
— END —