作者｜连冉

编辑｜郑玄

12 月 24 日，有报道称豆包的日均活跃用户数（DAU）已突破 1 亿。加上前两天豆包要上春晚的消息，看起来，豆包离一款国民级应用的距离越来越近了，而这也让所有怀疑 Chat 是否是 AI 时代超级入口的讨论，变成了「面向未来的终局探讨」，今天，字节已经用行动表明了自己的明确判断。

此前据报道，字节跳动旗下火山引擎将成为 2026 年中央广播电视总台春晚独家 AI 云合作伙伴，其智能助手豆包也将配合上线多种互动玩法。

有着十亿观众规模的春晚，依然是「流量放大器」，只是这次主角变成了 AI 应用。

十年前，微信摇一摇抢红包登上春晚，微信红包一举创下了达 10.1 亿次的收发总量，摇一摇互动峰值更是达到每分钟 8.1 亿次，此后，微信开始跟「国民级」应用画上了等号。

更早之前，火山引擎近日宣布豆包大模型日均 token 使用量突破 50 万亿，较去年同期增长超 10 倍。而根据 QuestMobile 发布的 2025 年三季度 AI 应用行业报告，豆包以 1.72 亿月活用户（MAU）力压 DeepSeek 的 1.44 亿，登顶国内 AI 应用榜首。

在这些宏大的流量战报与榜首光环之外，极客公园也发现了一组看似不起眼、却更能决定 AI 产品存亡的微观数据。

一个是 Sora app 60 天留存 0%，一个是豆包 180 天留存率竟反超 90 天留存率，这是在 2025 年年底，我们了解到的两款 AI 产品大相径庭的留存曲线。

虽然这两个产品分属不同的赛道，一个是垂直类的视频生成工具，一个是全能型的 AI 助手，但我们或许可以从这个鲜明的对比走向里，看出 AI 应用从「技术尝鲜」迈向「场景落地」的必然规律。

在算法祛魅的下半场，谁能率先用「产品思维」解决生老病死、衣食住行的真实需求，谁才有可能将流量转化为真正的用户护城河。单纯基于「想象力」的技术炫技，越来越难以逃脱「用完即走」的宿命了。

豆包的表现，正在验证一个事实：在 Agent（智能体）时代，Chat 依然是通往超级应用的最佳入口。

通常情况下，AI Chat 类产品由于缺乏深度的用户忠诚度，往往面临「用完即走」或留存率持续下滑的困境。

然而，豆包在发布相当长一段时间后，却走出了一条罕见的「微笑曲线」——有网友在即刻称豆包 Q2 的新用户安装留存率，在 Q4 出现了翘尾现象。180 天留存>90 天留存，留存数据出现回暖和「翘尾」现象。

那么，在这期间，豆包发生了些什么？

回顾豆包下半年以来的更新，会发现一个明显的趋势：它变得越来越「长眼睛」了。

更新的重点不再局限于文本对话，而是大量围绕视觉的生成与理解展开。特别是图片处理（P 图）、修图及换背景等功能，精准切中了年轻女性用户的刚需，甚至在一定程度上成为了「美图秀秀」的 AI 替代品。

这正是字节跳动最擅长的打法——用多模态技术重塑经典场景。

过去，Chat 类产品的核心痛点在于「悬浮」：用户来这里主要是为了闲聊或娱乐，这种基于想象力的交互很容易枯竭。但当 Chat 接入了强大的多模态能力，它就具备了「干活」的能力。

豆包还展现出了一种「旧模式升级」的智慧。与其凭空创造全新的交互，不如去挖掘那些曾在移动互联网早期（如 2017-2018 年抖音爆发期）被验证过的热门玩法。

不仅是修图，豆包将 AI 的能力嵌入到「老照片修复」、「静态照片动起来」等打情怀牌的场景中，击中了用户为孩子庆生或怀念逝去亲人的情感软肋。

还有视频通话的进化，之前火爆的「虚拟好友打电话」功能，其实早在去年 11 月就已上线，前段时间又通过体验优化被用户重新发掘。

这种「内容驱动增长」的逻辑，本质上是寻找那些具有普适性的场景，用 AI 做到极致体验，从而激发用户的自发传播。同时，这种从「闲聊式」的弱连接，向「得力工具」的强连接的进化，或许正是豆包阶段性留存率回暖的关键。

火山引擎总裁谭待提到，字节跳动的一个很大优势就是「比较会把体验做好」。他认为，在 AI 时代，Agent 让个体体验变得关键，能否让用户用得顺手，是产品存活的核心。

而据业内人士透露，在豆包内部，这种判断标准变得更加务实：一个新功能是否成立，不再看大厂员工的内测反馈，而是进行「盲测」——找 10 个完全不懂技术的普通老百姓，如果其中有 7 个人不仅愿意用，还产生了忍不住「剁手」分享的冲动，这才是一个合格的 Aha Moment。

应用层的「接地气」，离不开底层模型能力的质变。豆包之所以能接住这些高频图像和语音需求，是因为其底层模型在今年下半年迎来了从「Demo 级」到「Product 级」的跨越。

今年下半年，豆包大模型迎来了多轮关键迭代，涵盖长文本、深度思考（多模态）、视频/语音生成、Agent 能力等方面。

首先是架构的统一与成本的优化。 6 月发布的豆包 1.6，首次将深度思考、多模态、长上下文能力统一进同一套稀疏 MoE 架构。谭待透露，火山引擎通过技术手段将模型推理价格降低了 99% 且依然保持毛利。这意味着，在大规模 C 端应用中调用多模态能力的成本不再是天价，为「免费 P 图」提供了商业可行性。

其次是视觉能力的生产力化。 谭待认为，多模态代表着模型应用进入更深的领域，输入和输出往往都带有视觉信息。9 月推出的 Seedance 视频生成模型，其在中文及方言的音画同步（如口型匹配、不吞音）上表现全球领先。这直接解决了过去视频模型「对不上嘴」的痛点，成为「虚拟通话」等实时互动场景体验爆发的技术基础。

最后是基于强化学习的自我进化。 火山引擎智能算法负责人吴迪在演讲中提到，强化学习是让智能体自我进化的关键。以抖音客服为例，通过构建虚拟环境和剧本进行强化学习，模型的问题解决能力提升了 10 个百分点。这种技术让豆包不仅仅是「答题」，更具备了解决复杂问题的「进化力」。

豆包的阶段性成功，验证了「Chat 作为超级入口」这一逻辑的可行性，Chat 并不会过时，它只是需要更强的手和眼。

在 Agent（智能体）时代，Chat 不再仅仅是聊天窗口，而是调用各种工具能力的调度中心。

谭待也提到，豆包 APP 的表象之下，本质上是一个「特别复杂的 Agent 集合」。他认为，未来的交互方式——无论是手机还是车机——都会是「自然的以 Agent 的方式」进行。

比如在车里，以前的指令很笨（必须说「打开遮阳板」），现在基于大模型的多模态 Agent 可以理解「把天窗开一下」其实是想打开遮阳板，甚至能理解「想听那首什么歌词的歌」这种模糊指令。

多模态能力让这个调度中心拥有了干涉现实的能力。通过整合视觉理解、图像处理等能力以及电商链接等功能，可以看到，豆包正在尝试走通一条「大一统」的超级应用之路。

在阿里通义千问、DeepSeek 以及海外竞品都在激烈争夺入口的背景下，豆包这种「系统性」的打法及其取得的成果，为行业提供了一个关于「AI 入口如何 Make Sense」的重要样本。谭待预测，明年 Agent 将迎来爆发，仅企业内部的 Agent 数量就将从几十个增长到几百个。

据业内人士透露，豆包的竞争重点或将从「模型竞赛」转向「大众实用功能」。

一方面，产品团队正在吸纳更多 95 后、网感好的年轻人，试图复刻更多类似「虚拟视频通话」的爆款功能；另一方面，产品开始聚焦更具社会价值的民生场景，如央视《赢在 AI 》所倡导的方向，利用 AI 寻找走失儿童、服务视听残障人士等。

当 AI 能够真正解决「寻常百姓家」的具体问题时，产品才能真正穿透技术壁垒，构建起长效的用户护城河。

豆包在用户留存上出现的微笑曲线，或许意味着未来 AI 产品的分水岭，将取决于谁能更好地通过 Agent 能力解决实际问题，从而将流量转化为真正的用户价值。

而当 Chat 成为调度万物的指令行，它可以不再只是一个 App，而是通往 AI OS 的雏形。