豆包即将发布最新实时语音大模型，并将基于此模型全量上线豆包App实时语音通话功能。目前，豆包APP已小范围测试最新能力，部分用户在豆包App的实时通话界面已更新。此前，业内就曾有消息称豆包将上线最新情感语音大模型，测试效果超过GPT-4o。

据了解，该传言提及模型即为上述实时语音模型。最新模型通过面向语音生成和理解进行统一建模，区别于此前的ASR+LLM+TTS级联方式，在对话效果上有大幅提升，实时交互上不仅低延时，也能流畅打断。

根据火山引擎2024冬季force原动力大会披露的数据，豆包大模型的日均调用量在高速增长，2024年5月豆包大模型的日均tokens调用量为1200亿，7月增长到5000亿，9月达1.3万亿，截止2024年12月15日已经突破了4万亿，在7个月的时间里增长超过33倍。

大模型升级：全方位看一下，豆包大模型的优化

2024年12月18日火山引擎 FORCE 原动力大会上，火山引擎展示了其全新升级的豆包大模型家族，包含豆包视觉理解模型、豆包3D生成模型，以及全面更新的豆包通用模型pro、音乐模型、文生图模型等，为企业提供多模态大模型能力。豆包大模型于12月实现日均 tokens 使用量超过4万亿，较5月发布时期增长超过33倍，稳居行业领先地位。

视觉理解模型重磅发布。视觉理解模型具备以下三种能力：更强的内容识别能力，可识别出图像中的物体类别、形状等基本要素以及理解物体之间的关系、空间布局以及场景的整体含义；更强的理解和推理能力，能根据所识别的文字和图像信息进行复杂的逻辑计算；更细腻的视觉描述能力，可以基于图像信息，更细腻地描述图像呈现的内容以及多种文体创作。

视觉理解模型：理解和推理能力，大幅度提升

以上能力极大拓展了大模型的场景边界，在金融、医疗、建筑、地理、体育、物流等诸多行业有着广阔应用前景。除此之外，视觉理解的输入价格为每千tokens0.003元，比行业平均价格降低85%，相当于1元钱可以处理284张720P的图片，具备高性价比优势，视觉理解模型正式走进厘时代。

同时火山引擎还将提供更高的初始流量，RPM达到15000次，TPM达到120万，让企业和开发者用好视觉理解模型，找到更多创新场景。

投资建议

豆包大模型表现超预期，体现字节跳动在AI的投入形成正反馈，国内AI产业追赶海外的效果开始体现，国内龙头公司有望加速在AI领域的投入。

今年以来，视觉理解模型在GPT-4o、Google的ProjectAstra，以及iPhone16和一众旗舰机型上都加速落地，可以留意板块的中线投资机会，另外人工智能应用端的机器人，在特斯拉Opimus2025~2027的出货量的预期下，机器人概念依然也应用端的热点方向之一。

择时关注：AI大模型、AI芯片、机器人等

（结合五绝战法+三红指标筛选）

长华集团 (605018)、克劳斯 (600579)、森源电气 (002358)

方正电机 (002196)、精锻科技 (300258)、浪潮信息 (000977)

风险提示：

AI及云计算发展不及预期、机柜上架不及预期、行业竞争加剧等

参考资料：财联社、华鑫证券《计算机行业周报》、开源证券《通信行业点评报告》

老师梳理不易

亲们记得一键三连

点赞+评论+打赏

特别是点赞和评论

❤策略币多少都是爱 ❤

大佬可以打赏888