豆包抽成12%，智能体开始收过路费了

3.82亿月活、日活破亿的超级应用，终于对商家亮出了收费的镰刀。8月10日，豆包正式对通过其AI对话推荐跳转抖音来客成交的酒店订单，执行12%的独立佣金费率。 以前这些订单被算作抖音的自然流量，只收8%的平台费。现在字节把豆包从附属品提拔成了独立的交易渠道，过路费直接涨了50%。很多人第一反应是贵，但拿尺子量一下中国互联网的商业底色，这定价其实很克制。传统OTA平台酒店佣金普遍在15%到20%之间，而且商家想拿好位置还得额外砸钱投流。豆包这次明确表态现阶段不卖广告，12%就是全部渠道成本。 这两年行业里喊破了嗓子，认为AI是下一代唯一入口，但怎么把流量变成真金白银，大家都在摸黑走。现在豆包和千问几乎同时动作，一个直接在交易闭环里抽成，一个把门打开让多个领域的服务商以智能体形态接入。这说明AI智能体正在撕掉聊天玩具的标签，变成接管具体任务的数字基建。当用户对着手机问北四环附近性价比高的酒店，这种带着明确购买意图的搜索流量，本身就比刷短视频的偶遇流量值钱得多。 不过，闭环跑通和让用户乖乖掏钱是两码事。一份行业调研指出，超过六成的用户拿到AI推荐后，还是会习惯性地打开传统平台去比价。智能体收过路费的商业模式已经立住了，但想真正颠覆旧秩序，还得看谁能把用户根深蒂固的多平台比价习惯给彻底改掉。别急着庆祝入口胜利，留住交易习惯才是硬道理。 入口变现的底气不仅是流量盘子，更是交互方式的彻底颠覆。当AI智能体开始接管具体任务，传统的键盘输入已经成了拖后腿的效率瓶颈。 过去我们觉得语音只是个补充，开车或者手不方便的时候才用。现在情况反过来了，麦克风正在干掉键盘。特别是在Vibe Coding这种让开发者靠嘴写代码的新风潮里，脑子转得飞快，但一分钟敲几十个字根本跟不上。打字速度限制了思考速度，麦克风自然成了新的生产力入口。 看看现在的真实场景。有人把大疆的微型麦克风夹在领口，一边说话一边让AI写代码。有人用Typeless口述需求，AI不仅实时转成干净的文字，还顺手把废话删得干干净净。海外那个叫Wispr的语音输入工具，深度用户里72%的日常输入全靠嘴完成，半年估值翻了近三倍逼近20亿美元。这帮人早就抛弃了键盘，全程靠说话完成操作。 国内大厂也看懂了这个趋势。阿里直接掏出了CosyVoice Studio，把语音识别、合成和实时交互打包成全链路平台，背后是拿了全球评测第一的Qwen-Audio模型打底。这已经不是简单的语音转文字，而是让语音直接产出工作成果、触发完整业务流程。 语音交互重写生产力规则，本质上是把人类从繁琐的敲击动作中解放出来，让意图表达更直接。当说话就能驱动AI写完代码、生成文档甚至触发交易，键盘的时代其实已经进入了倒计时。别再把语音当成键盘的平替，谁先跑通语音原生的工作流，谁就能拿下下一代生产力入口的定价权。 虚拟世界的语音交互已经让生产力起飞，但把目光转向物理世界，具身智能的进化却明显卡了壳。很多人以为机器人不够聪明是因为大模型参数不够大，其实真正卡脖子的是数据。大语言模型能靠互联网海量文本喂出来，但机器人得在现实世界里学抓取、学搬运。一次开门、一次整理，都需要真实发生并同步记录视觉、动作和轨迹等多模态信息。 以前大家觉得搞个采集设备就行，比如穹彻智能用的UMI方案，让人拿着设备做动作就能拿到数据。但真正的噩梦在采集之后。几百小时的视频要喂给模型，得做位姿恢复、鱼眼相机去畸变、把连续动作切成原子任务。这些活儿计算量极大，单机根本跑不动，一旦中间断掉，整批数据就得重头再来。 这就逼着行业把数据处理从手工作坊升级成工业化流水线。穹彻智能最近联合阿里云搭了一套云端自动化数据处理产线。把视频去畸变、SLAM位姿恢复这些重活全扔给云端的分布式计算，大模型直接嵌入流程做动作片段的自动语义标注。DataWorks负责统一编排调度，Hologres做数据管理，最后进PAI平台训练。 这套流水线跑通后，效果很直接：整体吞吐提升超10倍，云端算力能弹性扩展到10万核以上，模型训练效率直接涨了50%。 当物理世界的智能体要接管真实任务，数据产线就是它的底层基建。别总盯着模型参数自嗨了，没有规模化、自动化的数据喂养，再聪明的大脑也只能在实验室里原地打转。谁能先建起这条云端数据流水线，谁才真正拿到了具身智能下半场的入场券。 底层基建砸了那么多钱，前端总得听个响。豆包这波12%的抽成，就是智能体交易闭环交出的第一份商业答卷。很多人一看12%直摇头，觉得AI入口开始割韭菜了。但咱们拿传统OTA的账本出来对一对，这笔过路费到底贵不贵。 拿酒店业务来说，携程和美团的明面佣金在15%到20%之间，看着比豆包高。但做过本地生活的都知道，这只是个起步价。商家想在前排露个脸，还得额外掏钱买流量投广告，实际渠道成本早就爆表了。豆包这次把话挑明，现阶段不卖广告，12%就是全部渠道成本。这账算下来，其实比传统平台清爽得多。 豆包敢这么定价，核心在于流量性质变了。以前用户在短视频里顺手定酒店，那是偶遇的泛流量。现在用户对着豆包直接问北四环性价比高的酒店，这是带着明确购买意图的精准搜索。AI智能体接管了从问到买的全链路，在对话里直接推荐、跳转抖音来客下单并完成支付。这种不跳出生态的交易闭环，把高意向客户直接送到商家面前，12%买的是实打实的转化效率。 不过算盘打得再精，也得看用户买不买账。调研数据很打脸，超过六成的人拿到AI推荐后，还是习惯性地切回传统平台去比价。智能体把交易闭环的基建搭好了，过路费也定得明明白白，但如果不能打破用户根深蒂固的多平台比价肌肉记忆，这12%的过路费最终只能是个账面数字。别光盯着抽成比例自嗨，把用户留在你的闭环里才是真本事。 算完了12%的过路费，咱们得往深了看。这两年大家扎堆做AI，总觉得搞个无所不能的超级对话框就能颠覆世界。结果呢？用户聊了两句觉得好玩，转头就忘。现在的行业共识正在发生偏移：别在对话框里死磕了，终局是接管工作流。 你看豆包这波操作，表面上是收过路费，底色其实是把从问到买的业务流彻底接管了。用户问一句酒店，AI直接调出推荐、跳转下单、完成支付，全程没离开过生态。这早就不是简单的信息检索，而是实打实地替用户把活儿干完了。 这种接管正在各个维度蔓延。前端交互上，麦克风干掉键盘，各类语音工具让口述直接触发代码编写和文档生成，意图表达和任务执行无缝衔接。物理世界里，穹彻智能搞出的云端数据产线，让机器人不再是只会作秀的铁疙瘩，而是能真正在流水线上处理多模态数据、执行抓取搬运的数字劳工。 以前我们总把AI当成一个高级搜索引擎或者聊天搭子，现在它正在变成接管具体任务的数字基建。对话只是触发器，工作流才是主战场。当智能体能帮你订酒店、写代码、甚至指挥机器人干活时，谁还会在乎对话框里的回复有多漂亮？ 别再迷信什么得对话框者得天下了。未来的赢家，一定是那些能把AI塞进真实业务流、帮用户把事办妥的玩家。把聊天玩具变成干活的包工头，才是智能体真正跑通商业变现的唯一解。 看了一圈现在的AI项目，最大的毛病就是心太大。动不动就要做通用智能体颠覆行业，结果做出来的东西除了能陪人扯淡，连个最基本的业务流都串不起来。 回头看看那些真正开始赚钱或者提效的团队，全在闷声跑最小闭环。豆包敢收12%的过路费，不是因为它模型天下无敌，而是它把问酒店、跳转下单、支付这条交易链路彻底焊死了。阿里推语音生产力平台，也没去搞什么全知全能的语音伴侣，而是死死盯住程序员写代码的场景，让人靠嘴把需求变成代码，把输入到产出的效率闭环做实。就连搞具身智能的穹彻智能，也没盲目去卷通用大模型，而是老老实实和阿里云搭了条云端数据流水线，专门解决机器人抓取搬运时的数据清洗问题，把数据喂养的闭环跑通。 以前大家做AI，总想着造个无所不能的超级大脑。现在聪明的玩家都在做减法，找一个极度垂直的痛点，把触发、执行到交付的链条彻底打通。 给还在迷茫的开发者和企业一句劝，别在对话框里死磕参数和拟人度了。去业务一线找个最脏最累的活儿，用AI把它接管过来。哪怕只是帮商家自动回复并促成交易，或者帮工厂自动清洗一批传感器数据，只要能在这个极小的闭环里产生真实的商业价值，你就已经跑赢了绝大多数还在做PPT的同行。先把手头这件小事办妥，再谈颠覆世界。