晚点 LatePost 披露豆包通用对话团队正在减员，团队此前约 50 人、未来规模预计缩减约一半。一个日均活跃用户突破 2 亿的 AI 产品，为什么要收缩它最核心的对话团队？答案在其商业困境里。

2026年9月22日晚间，《晚点 LatePost》披露，豆包通用Session（对话）团队正在减员，团队此前约有50人，未来规模预计缩减约一半。

对话团队是豆包内部规模最大的团队之一，主要负责对话产品的策略、评测等工作。调整之后，部分人员转岗至豆包商业化、飞书等团队，其余人员将被裁撤。

与此同时，负责对话方向的产品后训练团队也在缩减，部分员工已转岗至Horizon RL、产品后训练-办公等部门。

一个拥有2亿日活的AI产品，为什么要收缩它最核心的对话团队？答案来自其商业困境里。

01 2亿人用，日入不到百万

截至2026年上半年，豆包的日均活跃用户突破2亿，月活达3.45亿，是国内首个突破3亿月活的AI应用。到6月份，月活进一步攀升至3.82亿，是第二名千问的近三倍。

但巨大的流量没有变成对应的收入。据报道，豆包每天的收入不足100万元，主要来自电商佣金。而按照火山引擎公开的API价格、结合豆包大模型的毛利率和用户使用习惯推算，豆包每天消耗的算力成本高达数千万元。

有分析进一步估算，豆包提供一天免费AI服务的总成本在1.32亿元至2.4亿元之间。收入与成本之间，差了2个数量级。

“事实证明，在AI产品里，互联网免费逻辑是走不通的”，一位来自AI创业公司的创业者表示。

传统互联网产品的商业逻辑建立在边际成本趋近于零的前提上，多服务一个用户几乎不增加额外成本。但AI产品每一次对话都是一次模型推理，每一次推理都在烧真实的算力。

纯文字聊天尚可承受，人均每天15到20分钟的使用成本只要几分钱；但一旦用户使用推理、图片识别、语音交互或视频生成等多模态功能，算力成本会飙升数倍乃至数十倍。

换句话说，用户越多、用得越深，平台亏得越多。

这不是豆包一家的问题。2025年国内大模型行业整体亏损超180亿元，2026年预计突破200亿元，算力成本通常占运营支出的七成以上。

当月活合计超3亿的C端AI产品成为“赚不到钱的资产”，豆包必须重新算账。

02 三条商业化路径，每一条都不好走

目前对话类产品的商业化探索集中在三条路径上：订阅、广告和抽佣。

但这三条路，各有各的难处。

订阅制面临“能力需求间歇性”的先天矛盾。 大多数用户对AI能力的需求是间歇性的，不是每天都需要高级功能。

ChatGPT的付费转化率不到6%，国内豆包6月份开始收费后，付费转化率未披露，但至少作者询问过周围朋友，身边统计几乎无人付费。这意味着，真正愿意掏钱的只有极少数深度用户。

更麻烦的是，市面上免费的AI工具一抓一大把，一旦某款产品开启付费或涨价，用户的第一反应是直接换别家，迁移成本几乎可以忽略不计。

那么广告模式是否可行呢？实际上也行不通。

搜索时代，一个关键词能带出几十条链接，中间夹几条广告，用户仍有大量搜索结果可以比较。但AI可能只给三个推荐，如果其中一家是商家广告，很可能会透支用户的信任。

ChatGPT的广告刻意把商业内容与回答隔开，并强调广告不会影响答案，更早尝试赞助内容的Perplexity后来也暂停了广告业务。

还有一种商业化路径就是抽佣模式，但同样面临挑战。

豆包已在酒店预订品类上尝试独立计费，综合费率约12%，处于OTA赛道的中等区间。

这种模式的优势在于，AI推荐越准确，用户越容易成交，平台收入与用户体验出现了部分“同向”。但，如果用户知道推荐质量受商业因素影响，那么信任的建立需要时间，而AI推荐的“黑箱感”恰恰在消耗信任。

举个例子，AI每次只给有限推荐，用户会怀疑推荐到底是基于佣金的多少，还是真的是满足用户的需求的最佳选择。

此外，跨平台供给割裂和履约责任等挑战也在制约抽佣模式的规模化。

03 对话类产品到底该怎么赚钱？

对话产品商业化的困境，正在倒逼整个行业重新思考AI的产品形态。最显著的趋势是从Chatbot走向Agent。

Meta旗下的Muse上线后的表现也印证了这一点。上线仅一周，Muse便登上苹果美国App Store免费应用排行榜第一位，超越长期占据领先地位的ChatGPT，随后也登顶Google Play。

不同于发一句提示词回一句的Chatbot，Muse的核心卖点是替用户省钱，在后台为每个用户配备了一个虚拟机，能够7×24小时替用户在网上办事，比如在后台帮助用户打电话与保险公司讨价还价、取消不再使用的流媒体订阅、在互联网上寻找折扣等等。

在收费上，其提供了每月20美元和100美元两档付费订阅，Truist分析师估计，到2030年，Muse有望通过订阅、商业交易和开发者接入，每年为Meta增加285亿美元的收入。

垂直Agent的商业化前景更为清晰。 在编程领域，Claude Code年化收入已达25亿美元，一个Agent可替代几百个初级程序员的工作量。在法律行业，EvenUp平台能自动为律师生成索赔文件，让法律事务所以更低成本服务更多客户。在医疗领域，Abridge能将医患对话直接转化为临床笔记，医疗机构正在加速采用。这些垂直场景有明确的商业参照物，付费逻辑非常清晰。

此外，向B端办公转型正在成为对话类产品最现实的价值出口之一。

千问办公上线一个月用户数突破3000万，豆包工作上线一周吸引超10万企业用户申请内测。AI转型的焦虑加上裁员降本的需求，让AI办公成为企业的刚需，符合目前大多数公司的期盼，因此更容易让企业掏钱。

因此，今年7月30日，字节跳动启动了AI业务的组织架构调整，让飞书产品团队与豆包产品团队整合，成立新的豆包产品团队，由赵祺统一负责，豆包ToB趋势更加明显。

04 豆包会变笨吗？

随着团队规模的调整和资源的倾斜方向变化，许多用户都在担心一个问题，那就是豆包对话会不会变得更差？

这个直觉并非没有依据。

通用Session团队此前的职责，正是定义豆包该怎么回答，信源如何排序、答案多长、语气如何、什么时候该追问。后训练团队里的Strong Character小组则用脱敏用户反馈训练奖励模型，塑造模型的人设和回答风格。

这些工作直接决定用户每一次打开豆包时的感受。而团队规模减半，这些工作的颗粒度和迭代速度势必受到影响。

就在此次调整之前，豆包内部已经出现过一个信号，上半年4月份，用户集中抱怨豆包的回答“又蠢又讨好”，最终豆包产品和算法团队加班一个多月，调整奖励模型权重、清洗数据、重新训练，解决这个问题。

未来类似的问题会不会出现很难说，晚点报道指出，随着业务重心变化，这类问题的优先级目前已经下降。“豆包如今成了一个日活超过2亿的‘边缘产品’。”

当对话不再是字节AI战略的重心，当资源流向办公、商业化和Agent，豆包对话体验的“上限”正在被锁定。

用户或许不会在明天发现豆包突然变笨了，但可能会在接下来的一年里，慢慢感觉到它不再像以前那样变得更好。

在AI这个每天都在进步的行业里，维持现状本身，就是一种退步。