豆包应用日均用户超2亿 日收入不足百万元

据凤凰网科技报道，截至上半年，每天有超过2亿人使用的豆包应用，其日均收入却不足百万元，主要收入来源为电商佣金。这一数据揭示了该应用庞大的活跃用户群体与其商业化变现能力之间的显著落差。

用户规模与收入构成

报道指出，豆包应用的日活跃用户数已突破2亿，但日均收入低于100万元。按此测算，每位用户每日为应用贡献的收入不足0.005元，商业化转化率极低。

“截至上半年，每天2亿多人使用的豆包应用每天收入不足百万元，主要来自电商佣金。” —— 凤凰网科技报道原文

• 日活跃用户：超过2亿
• 日均收入：不足100万元
• 主要收入来源：电商佣金

电商佣金模式解析

电商佣金是指应用通过引导用户跳转至外部电商平台完成购物后，从交易额中抽取的一定比例促成费用。豆包应用目前依赖这一模式获取主要收入，并未形成多元化的营收结构。

商业化困境凸显

在拥有2亿级日活用户的背景下，不足百万的日收入反映出其商业化路径尚处于早期探索阶段。如何将海量用户流量有效转化为可持续收入，成为豆包应用当前面临的核心挑战。

豆包应用日消耗达数千万元 火山引擎API价格成推算基准

根据行业推算，截至今年5月，字节跳动旗下豆包应用的单日运营成本已达到数千万元级别。这一数据是参照火山引擎公布的公开 API 价格，并结合豆包大模型的毛利率以及用户使用习惯综合推算得出的，目前尚未得到官方确认。

成本测算依据

推算所依据的核心参数包括：火山引擎对外公开的 API 调用定价、豆包大模型自身的毛利率水平，以及豆包用户在应用内的平均使用频率与时长。上述因素共同构成了每日数千万元的消耗规模。

“参照火山引擎公开 API 价格，结合豆包大模型的毛利率、豆包用户使用习惯推算。”

公开口径解读

火山引擎的 API 定价属于公开信息，而豆包大模型的毛利率水平则反映了其模型训练与推理的硬件及电力成本。用户使用习惯（如日均对话轮次、生成文本长度）则直接影响推理算力的占用。这些推算项均来源于公开或可估算的量化指标。

行业影响

此类高额日消耗表明，大型语言模型的推理运营成本仍是现阶段AI应用规模化的重要约束。对于同属大模型赛道的其他厂商而言，豆包的成本结构或为行业提供一种参考基准。

多模态AI功能算力成本可达文字聊天的数十倍

当前基于大语言模型的交互服务中，不同功能的单位成本呈现显著差异。文字聊天以每日人均15至20分钟的使用时长计算，单次费用仅为几分钱，而涉及推理、图片识别、语音聊天、视频聊天等多模态功能，其所需算力成本是文字聊天的数倍乃至数十倍。

成本差异来自算力消耗量级

素材描述的“推理”指AI模型根据输入数据进行计算并生成应答的过程，该过程消耗的计算资源远高于单纯的文本匹配与输出。图片识别、语音聊天、视频聊天等任务需要对非结构化数据（如像素、音频波形）进行多次转码与特征提取，进一步推高了算力开销。

“文字聊天不贵，按每天人均15-20分钟的使用时长，只要几分钱，但推理，以及图片识别、语音聊天、视频聊天等多模态功能需要的算力成本要贵几倍甚至几十倍。”

这意味着在相同使用时长下，多模态功能的每次交互成本将显著高于纯文字交互，直接影响服务商的定价策略与资源调度。

不同模态的算力层级

• 纯文字聊天：仅需语言模型进行简单应答，算力需求最低。
• 图片识别：需运行视觉模型进行像素分析，算力成本较文字聊天提升数倍。
• 语音聊天：涉及音频编码、语音识别与合成，算力消耗高于文字但低于图片识别。
• 视频聊天：需实时处理连续帧画面与音频流，算力成本最高，可达文字聊天的数十倍。