字节藏了一手“牌”

字节跳动又盯上“情感大模型”了。

 

虎嗅获悉，字节跳动旗下火山方舟大模型平台将上线一批“情感大模型”，向企业提供 API 调用、AI 对话解决方案（如客服、信息检索服务等）；豆包则在自研新“情感大模型”——与年初接入 DeepSeek 时策略一样，字节跳动依然坚持“火山开放，豆包自研”的路线，兼顾生态与自有产品。

 

虎嗅就上述信息向字节方面求证，火山引擎相关负责人回应称，有关“情感大模型”信息不实，没有此模型计划。

 

简单来说，字节跳动之所以盯上 “情感大模型”，源于其并非普通数据处理大模型，而是以 “拟人化情感理解” 为核心，即通过技术识别、理解来模拟人类情感——去年，Hume AI 推出具有情商的对话式 AI，已经能检测到用户 53 种情绪，未来电影《Her》中主人公迷恋上 Samantha 的剧情或将照进现实。

 

很多读者或许会好奇，“情感大模型”到底有什么特别之处？

 

区别于传统聊天机器人机械的交互，“情感大模型”不仅追求对话能力，更注重用户情感体验（如接近真人的语音、可打断对话等）——简单概括就是：“情感大模型”不止 “聊天”，更懂 “人心”，更能 “共情”。

 

“情感大模型”之所以突然成为市场关注的焦点，一个重要原因在于：它正推动 AI 从 “工具属性” 向 “情感伴侣” 延伸，从而打开全新的应用场景。

 

基于此，“情感大模型”的技术演化形成了两条路径：一是在通用大模型的基础上，通过增强多模态情感计算能力，催生出具有更好情感理解与响应能力的 AI 情感应用，如豆包实时语音大模型可实现端到端对话、低时延、接近真人交互。

 

二是专注于情感领域的生成式大模型，如 HumeAI 的移情语音界面（EVI）、祝语未来科技的 AEGMV 等，这也是字节正在布局的方向。

 

以 Character.AI 为例，不仅支持1对1聊天，还可以进行创作角色、发展剧情，甚至拉角色开“群聊派对”，其 7 月 5 日新发布的 TalkingMachines（自回归扩散模型）可以实时进行 AI 角色视频互动——用户只需要输入一张图片和声音信号，该模型就能实现类似 FaceTime 的通话视觉互动。

 

 

与之对应，仅去年上半年，Character.AI 在移动端累计下载量已突破 3432 万，网页端单月访问量高达 3.1 亿，在相关榜单仅次于 ChatGPT。

 

一位大模型工程师向虎嗅解释，“情感大模型”多以 Transformer 为基础不断改善网络结构，采取全模态关联，中间不进行模型转换动作，而是通过小组件改善准确率。

 

基于这样的技术特点，企业要如何落地应用呢？

 

虎嗅了解到，“情感大模型”与传统大语言模型在参数量和算力上有差异，业内普遍做法是有更多 NLP 专家参与，采用通用加分散专家模式，相比传统模型在算力上有所节省，但对特殊数据要求高。

 

与之对应，情感模型领域多采用端到端形式，不能像正常架构那样转换数据，否则模型效果差——有鉴于此，为保证长时间生成领域效果，训练时所需算力比通用版本高 30%-50%。

 

面对这样的市场与技术趋势，字节跳动如何布局？虎嗅了解到，字节跳动计划通过不同垂类大模型带动豆包月活在 2025 年实现翻倍。

 

一个有趣的切面是，“情感大模型”在语音层面学习时，会将语音、语调、面部关键点参数（如唇形等面部 landmark 参数）以及对应的文字以数据对形式放入模型，在语速、语调、视觉等多模态之间建立统一关联——这不仅涉及用户表达、短语分析，更深层次还需理解用户真实感受，敏锐地捕捉到用户内心愉悦、生气、担忧等情感状态。

 

比如，Hume AI 在 2024 年发布的 EVI 能够从用户那里检测到约 53 种不同的情绪，宣称是“第一个具有情商的对话式人工智能”。

 

对此，Hume AI 首席执行官艾伦·考恩（Alan Cowen）表示，“情商包括从行为中推断意图和偏好的能力——这是人工智能界面试图实现的核心：推断用户想要什么并执行它。因此，从用户真实需求层面来看，情商是人工智能界面最重要的要求。”

 

有鉴于此，“情感大模型”能大幅提高用户体验与交互效果，适用于助手类效率提升产品，在信息检索、陪伴、知识协作、AI 玩具、社交游戏等领域有显著优势——更隐秘的躁动则涌向了 AI 情趣机器人，一度带动二级市场产业上下游关联企业股价攀升。