字节藏了一手“牌”

出品｜虎嗅黄青春频道

作者｜商业消费主笔黄青春

头图｜电影《Her》

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，HumeAI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。

不止“聊天”，更懂“人心”

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）——具体而言，“情感大模型”会通过分析用户的语调、停顿、表情理解情感，从而生成符合情绪的回应，即通过“理解情绪+精准回应”使交互更生动、真实。

简单概括就是：“情感大模型”不止“聊天”，更懂“人心”，更能“共情”。

可别小瞧了这个隐秘的新风口：

腾讯研究院《2024大模型十大趋势》报告显示，“情感大模型”的发展将引领AI陪伴市场的快速增长，预计在接下来的2-3年内，人机陪伴市场将迎来产品和用户数量的爆发式增长；

另据非凡产研数据，人工智能伴侣平台的月活跃用户数量2018-2023年间增长了30倍，全球市场规模预计将在2023-2030年间，从3000万美元飙升至1500亿美元，年均复合增长率达到236%。

“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%。

一位大模型创业者向虎嗅分析，“现阶段，国内外‘情感大模型’发展存在一定差距，国内大概比国外晚一年左右；也可以将‘情感大模型’视作通用大模型发展的一个节点，涉及到多模态多端学习和MoE架构（即混合专家模型，是一种新型的大模型架构，其核心思想是“术业有专攻”，通过多个“专家”模型共同协作来处理复杂的任务），国内在相关技术研究上已取得一定进展。”

聚焦到产品，开源证券研报指出，GPT-4o等多模态大模型正加速推进AI情感陪伴大模型落地，提供实用性Agent功能。

比如，国外Miko公司推出第一代AI伴侣，初步实现AI与IP联动；Curio于2023年12月推出针对3-12岁儿童的AI玩具，包括Gabbo、Grem和Grok三款产品。

至于国内，FoloToy联合火山引擎推出“显眼包”，跃然创新持续迭代BubblePal（截至2024年10月已销售数万台）；Looi推出可移动手机支架形态的桌面机器人，具有调整情感反应和性格特征等功能；CASIO推出AI宠物机器人Moflin，提供情感治愈价值。

字节埋“伏笔”

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。

与之匹配的动作包括：一方面，字节会围绕抖音等C端体系推进娱乐、社交、陪伴、游戏场景渗透；另一方面，字节跳动会进一步提升火山引擎在ToB领域的输出能力，为企业提供API调用、AI对话解决方案等服务，例如，为客服、销售、售后等岗位提供个性化服务，还能与智能家居、音箱、耳机（比如OlaFriend智能体耳机主打卖点就是接入豆包AI大模型）等硬件结合，未来能在唱歌、作曲等领域有更好的发展。

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，HumeAI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，HumeAI首席执行官艾伦·考恩（AlanCowen）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。

有从业者告诉虎嗅，通用大模型未来会融合各种细分模型，如“情感大模型”、文生视频大模型、图生视频大模型等，从而变得更加全面、强大；至于大模型下一阶段进化方向，行业资深从业者的共识是世界模型（媲美人脑，通过学习现实世界中的物理和因果规律，具备“物理直觉”，可在内部模拟环境变化，并基于当前环境状态推演未来状态，同时评估自身行为后果）。

至于市场潜力，“情感大模型”热浪或将推动消费类机器人加速升级——群智咨询显示2024年全球机器人出货规模约4700万台，未来5年复合增长率超20%，消费类机器人占比约81%；高盛预测2035年全球人形机器人市场规模达1540亿美元。

当然，“情感大模型”现阶段仍面临诸多问题，如算力消耗非线性增长、模型长效记忆能力、数据收集与隐私安全等，这些既是大厂跑马圈地过程中的阻碍，也能成为业务突破后的技术护城河。