浙商证券报告深度解析字节跳动豆包大模型及其端侧AI生态系统。豆包大模型1.5pro在知识、代码、推理、中文等测评中综合得分优于GPT-4o、Claude 3.5；2025年1月20日豆包实时语音全量上线，效果对标GPT-4o、中文领域超越。字节系已构建豆包（MAU 7523万）、猫箱（月活537万）、即梦AI等近10款AI应用矩阵，同时端侧硬件形成“耳机起步、玩具扩圈、眼镜蓄势”三阶段布局。浙商证券认为豆包大模型正在从“技术领先”走向“生态领先”。

2024年12月火山引擎大会上，豆包大模型1.5pro在知识、代码、推理、中文等权威测评基准上获得最佳成绩，综合得分优于GPT-4o、Claude 3.5等业界一流模型。2025年1月20日，豆包全量上线实时语音，基于端到端框架研发，可实现从多模态输入到多模态输出的直接映射。中文场景对话在语音真实感和情绪表现上近乎达到“人机难辨”效果，支持模仿不同声线、随意打断对话、部分方言与英语对话及歌曲演唱能力。火山引擎将于2025年上半年通过方舟平台推出对应API服务。豆包大模型的快速迭代正在缩小与全球顶尖模型的差距，中文场景已实现局部超越。

字节系原生AI产品已形成“一超多强”格局。豆包以7523万MAU断崖式领先；猫箱月活537.3万，通过多样化AI角色与故事实现情感陪伴，近期App Store总榜排名升至100名上下；即梦AI视频生成、星绘图像生成、海绵音乐等垂直应用各具特色。2023年以来字节在国内市场已上线近10款AI产品，覆盖聊天、社交、图像、视频、音乐、教育、办公等各大类型。浙商证券认为随着豆包大模型能力提升及成本下降，加上字节系渠道及算法优势，AI应用已具备爆发基础，2026年字节AI应用矩阵的MAU有望突破2亿。

豆包大模型能力通过端侧硬件实现价值外溢。AI耳机OlaFriend（售价1199元，搭载恒玄科技SoC）实现语音层AI陪伴，支持边听边说、随时打断；AI玩具“显眼包”以毛绒玩具形态内嵌FoloToy Magicbox机芯，搭载豆包大模型、扣子专业版、语音识别等能力；BubblePal等第三方AI陪伴玩具同样接入豆包生态。AI眼镜方面，火山引擎已发布豆包视觉理解模型和3D生成模型，基于Pico团队硬件积累，AI眼镜有望成为字节端侧AI的第三阶段核心产品。浙商证券认为豆包大模型正从“纯软件能力”向“软硬一体生态”进化，端侧硬件是释放大模型价值的关键路径。

猫箱的成功验证了情感陪伴类AI应用的市场需求。豆包实时语音的情感表达、拟人化交互能力，与猫箱的多样化AI角色和故事场景形成协同。猫箱近期排名快速上升，情感大模型正式推出后，AI在情绪识别和情感承载方面的能力进一步提升，有望加速AI社交应用的渗透率提升。浙商证券认为字节在AI社交领域具备差异化优势——豆包大模型的技术底座+猫箱/星野的场景积累+字节系海量用户和渠道资源，三者协同将构建难以复制的竞争壁垒，AI社交有望成为字节AI生态的下一个重要增长极。

表2：字节跳动AI产品矩阵及MAU（2024年）

产品	类型	MAU（万人）	对标产品
豆包	综合聊天助手	7,522.6	ChatGPT
文小言（百度）	综合场景	1,224.1	-
猫箱	AI社交（情感陪伴）	537.3	星野
通义（阿里）	综合场景	290.9	-
即梦AI	视频/图像生成	196.0	-
星绘	图像生成	96.5	妙鸭