字节跳动想统治 AI，先得让全栈彼此养活

作者丨 AI 科技评论 编辑丨 AI 科技评论

一家公司同时押注前沿模型、视频生成、AI 云服务和定制芯片，听起来像把整张牌桌都搬回了自己的办公室。

但这恰恰是 Financial Times 这篇 Big Read 最值得看的地方。

7 月 30 日，FT 刊发 Zijing Wu 与 Eleanor Olcott 的报道《ByteDance's plan to dominate AI》，将字节跳动的目标概括为覆盖 AI 的几乎所有环节：前沿模型、视频生成、云服务和定制芯片。1

FT 公开页面还给出两个关键数字：字节跳动希望在 AI 基础设施上投入超过 120 亿美元，并已占据中国 AI 云服务收入约 16%。1

前沿模型最容易制造注意力，也最容易让人误判竞争的终点。

模型发布之后，训练算力、推理成本、视频生成的计算负载和企业客户的调用需求，都会变成持续账单。

FT 把这些业务放在同一篇报道里，说明字节跳动的目标并非单点追赶，而是把模型放进一条自己能控制的链条里。1

这条链条的好处很直接。

模型可以优先服务自己的产品，视频生成可以消化更大的推理需求，云服务可以把内部建设转成外部收入，定制芯片则有机会减少对通用 GPU 的单一依赖。

当然，这只是经营逻辑，不是已经兑现的结果。

模型能力、芯片效率、云客户和视频产品之间，任何一环接不上，前面的投入都会变成孤立的固定成本。

字节跳动已经拥有面向消费者的流量入口，但 AI 云面对的是另一种考题：客户愿不愿意长期把工作负载放上来。

FT 称，字节跳动约占中国 AI 云服务收入的 16%。1

这个数字的价值，不在于它看起来有多大。

它说明字节跳动已经不是把云当成内部工具，而是在争夺一个能被客户单独比较的市场位置。

云服务像一排水龙头。

模型能力再强，客户真正付费时，仍然会看价格、延迟、稳定性、数据合规和迁移成本。

这些指标不能靠一次模型发布解决。

超过 120 亿美元的 AI 基础设施投入，也因此不是一次性买芯片那么简单。1

机房、电力、网络、服务器和芯片，都需要在需求真正到来前先铺好。

这不是字节跳动独有的路线。

Google CEO Sundar Pichai 在 I/O 2026 的官方演讲中，把 Google 的 AI 路线明确描述为从定制芯片、基础设施和模型，到产品与平台的「full-stack」方式。2

Google 称，2026 年资本开支预计约为 1800 亿至 1900 亿美元，并将定制 TPU 作为这笔投入的重要组成部分。2

Anthropic 的做法则更像另一种全栈：它同时使用 AWS Trainium、Google TPU 和 Nvidia GPU，并宣布与 Google、Broadcom 签署协议，新增多个吉瓦级 TPU 容量，预计从 2027 年开始上线。3

Anthropic 还表示，Claude 可以通过 AWS、Google Cloud 和 Microsoft Azure 三大云平台提供。3

Google 是在内部把芯片、模型和产品串起来。

Anthropic 则在外部把多种芯片和多家云平台接起来。

AI 科技评论注意到，ByteDance 的难处也在这里：美国公司可以依靠更深的云平台和芯片供应商网络分摊风险，中国公司则更需要把有限资源压进一套自洽的内部循环。

不能把字节跳动超过 120 亿美元的 AI 基础设施投入，与 Google 预计 1800 亿至 1900 亿美元的集团资本开支直接排成一张全球排行榜。

两组数字的口径不同：前者是 ByteDance AI 基础设施投入的报道信号，后者是 Alphabet 2026 年整体资本开支预期。12

但这个差异本身很有用。

它提醒我们，ByteDance 的全栈计划还不能只看投入规模，必须看投入有没有形成可计量的回报。

模型给云带来多少负载。

云服务带来多少外部客户。

定制芯片把单位推理成本压低了多少。

视频生成的使用量有没有足以支撑持续扩容。

如果这些数字没有接起来，全栈就会变成四个昂贵的项目，而不是一条能自我加速的业务链。

在 AI 科技评论看来，字节跳动现在押注的是一种比「做出一个爆款模型」更慢的胜负。

它要同时管理产品速度、基础设施折旧、芯片迭代和云客户留存。

这场比赛没有一个榜单能替它结算。

FT 报道所揭示的，是一家中国互联网公司正在把 AI 从产品线，搬进机房、芯片厂和长期资本开支表。1

字节跳动要统治的如果真是 AI 全栈，最先要证明的不是它能造多少层，而是这些层能不能彼此养活。