バイトダンスの2026年AI戦略は、ワールドモデル、ビデオモデルSeedance、コーディング、豆包の商業化の4つの分野に焦点を当てます。
執筆者：周鑫雨
出典：36氪
『知的浮上』は複数の情報源から独占的に入手した情報によると、2026年、バイトダンスAIには4つの重要なテーマがある：
世界モデルのトレーニングへの投資を強化し、今年末までに、モデルの性能を現在の世界最高峰（SOTA）であるGoogle Genie 3のレベルに達させます。
ビデオモデルは引き続きリーダー地位を維持し、「動的生成」などの新分野を探索しています。
コーディングの基盤をさらに強化し、コーディングのドッグフーディング（データのフィードバック、評価によりフライホイールを形成）を徹底して、エージェントの能力を向上させる。
豆包は商業化能力を強化し、主なシナリオは「オフィス」です。
バイトダンスの未開拓の地：ワールドモデル 現在、バイトダンスのAIマトリックスには、バイトダンスを中国の大規模モデルのトップグループに導いたSeed 2.0や、世界最高水準のSOTAを達成したSeedance 2.0が存在し、アプリケーション面ではDouBaoが断然のリードを築いている——複数の情報源によると、2026年の春節明けには、DouBaoの日次アクティブユーザー数が2億に達した。
「明確な弱点がない。」ある大手企業のAI戦略家は、バイトダンスのAI事業ポートフォリオをこのように評価した。
しかし、さまざまなモデルの中で、次世代の大規模モデル研究に不可欠な世界モデルが欠けている。
Seedチームに近い複数の関係者によると、バイトダンスは世界モデル分野への参入が遅れたプレイヤーである。2024年、アリババからバイトダンスへ移籍した周暢が、世界モデル研究の旗を担った。
当時、内部の判断としては、世界モデルの路線と商業化シナリオがまだ明確ではなく、より重要なのはビデオモデルの戦いを確実に勝ち抜くことでした。
2025年まで、バイトダンスは小規模な研究チームを設立し、世界モデルにおけるVLA（視覚-言語-アクションモデル）の道筋を探索し始めた。チームを率いるのは2人である：
まず、バイトダンスAIラボの責任者である李航——2025年4月、AIラボ（ロボティクスチームを含む）全体がSeedに統合され、その目的の一つは、モデルとアプリケーション（具身知能）間の通信効率を向上させること——主にシミュレーションデータを用いてワールドモデルを訓練する。
もう一人は、Seedのマルチモーダル研究員である王文千で、主に自然データを用いてトレーニングを行っています。
2026年になり、呉永輝はSeed全員会で世界モデルに明確な目標を設定した：2026年末までに、Googleが2025年8月にリリースしたGenie 3と同等の性能を持つ世界モデルを少なくとも1版公開する。
しかし、現在の進捗を見ると、追いつく速度が十分ではない。Seedに近い関係者によると、呉永輝はSeedの内部会議で複数回、バイトダンスのワールドモデルとエムボディードAIの効果が予想に劣ると率直に述べた。
また、Seedのメンバーは、内部評価に基づき、2026年初頭までに字節の世界モデルの総合性能が世界的なSOTAと10％の差があると明かした。
しかし、この戦いは未来を象徴している。
一方では、世界モデルの下流には、少なくとも1000億ドル規模のエムボディードAI市場、そして広大な可能性を秘めたゲームおよびエンターテインメントシーンが存在します。
以前のSeed研究員は、バイトダンスのロボットのこれまでの適用シーンは主に物資輸送と工業用搬送だったが、内部的にはその市場の上限が低いと判断されており、「市場の可能性がより広い人型ロボットは、バイトダンスが必ず参入する方向である。」と語っていた。
一方で、世界モデルのアプローチには依然として多くの非合意点が存在し、ビデオ生成派、VLA（視覚-言語-アクションモデル）派、JEPA（ピクセル予測）派などがある。
「バイトの人才密度と資金投入を考慮すれば、勝つ可能性が高い。」あるAI投資家が私たちに分析した。「賭けなければ、絶対に負ける。」
世界トップクラスの地位を目指して、2026年以降、字節は世界モデルのトレーニングに関して多くの調整を行ってきた。
『智能涌现』によると、2026年の春節後、Seedは前Meta FAIR Lab研究員の范浩奇をリーダーとする世界モデル研究チームを新設し、周暢が担当するSeedのマルチモーダルおよび世界モデル部門に報告する。
同時に、李航と王文千が率いていた2つのVLA研究チームが統合され、周暢に統一して報告するようになりました。
複数の関係者によると、李航と王文千の研究チームが追求していたのは主にVLAで、「即興性」と「リアルさ」を重視し、エムボディードAIを主な応用分野としていた。一方、范浩奇が率いる新チームは3Dシミュレーション路線を採用し、エンターテインメントやゲームなどの応用分野に焦点を当てている。
人力と探索ルートの拡張に加えて、世界モデルはテキスト、コーディング、動画などの複数のモデル分野の中で、資金投入が最も高いです。
データ予算が非常に重要です。バイトダンスのデータプラットフォームの従業員は、LLM（大言語モデル）およびSeedance 2.0で顕著な成果を上げた「量を重視する」データ戦略を、世界モデルのトレーニングにも適用する計画であると語りました。
これはより高額なデータ投入を意味します。複数の情報源によると、2026年において、バイトダンスがワールドモデルのトレーニングデータ（VLA、長尺動画、3Dなど複数のモダリティを含む）に割り当てる予算は、すべてのモダリティの中で最も高く、数千万元に達します。
あるデータサプライヤーは、バイトダンスが世界モデルに投入するデータ量が他の企業の3〜4倍に達すると述べました。
コーディング：より極限のデータエンジニアリング能力を追求することは基礎であり、エージェントの性能上限を決定する鍵である——これは業界のコンセンサスとなっている。
複数の関係者から、バイトダンスがCodingへの注力を強調していると聞いている。「バイトダンスはCodingへの投資を非常に高く評価しており、今年のワールドモデルに次いでいます。」Seedに近い人物が『インテリジェント・エマージェンス』に語った。
例えば、内部でデータを特定の目的で調達したり、Claude CodeやCodeXなどの海外トップレベルのコーディングモデルのトレーニングデータデモを研究したりします。
2025年の火山エンジンForceカンファレンスで、バイトダンスの技術副社長であるホン・ディンクンは、コーディングが高度に構造化され、論理的に厳密なタスクであり、モデルが複雑な意味構造、論理的推論、アルゴリズム設計、正確な表現を理解する能力に高い要求を課すため、モデルの知能上限の探求を支援すると述べました。
一方、外部では、バイトダンスのCoding事業の存在感は常に弱い。2025年11月にリリースされたモデルDoubao-Seed-Codeや、2025年初頭に発表されたAIプログラミングツールTraeの効果や注目度は、智谱のGLM 5や月の暗面のK2に及ばない。
「字節のCoding効果が突破できない理由は、データのフィードバックが不足しているためです。」とある関係者は評価した。モデルの能力が限られているため、字節の関連事業はSeed-Codeを採用したがらない。
AIコーディングアプリTraeでも、最初に導入されたのはDeepSeekとClaude Code、および社内で独自に訓練したコーディングモデルである。
これにより、バイトコーディングモデルは実際のアプリケーションシーンからのフィードバックを欠いています。
2026年以降、多くのバイトダンス社員は、各事業部門がSeedモデルへの支援を強化しているのを感じてきた。あるSeed従業員は『インテリジェント・エマージェンス』に、かつてバイトダンスは事業側がサードパーティのCodingモデルを使用することを制限していなかったが、2026年以降、複数のアプリケーション部門がSeedモデルの使用を強制されるようになったと語った。
しかし、より徹底的なデータ投入の下で、Seedの採用速度はやや鈍化しています。
AI業界のヘッドハンターが『知能の湧現』に語ったところによると、バイトダンスのHRは現在、粗放的で高給での採用時代は終わったと明確に示しており、次なる課題は内部での人材育成と若手の昇進、アルゴリズム分野の待遇向上である。
現在、Seedの限られた採用枠は、主にDeepSeekやOpenAI、DeepMind、Metaなどの海外大手企業から来たAI人材に開放されており、たとえば元DeepSeekコアメンバーの郭達雅や、元NVIDIA研究員の董鑫などが含まれる。
Seedanceが2026年までSOTAの地位を維持する方法
「Seedance 2.0の成功は、データの勝利である。」あるビデオ生成スタートアップの創業者は、『インテリジェント・エマージェンス』にこう評価した。大規模なトレーニングデータと2000人以上の評価チームが、Seedance 2.0の優れた成果を生み出したことが分かっている。
しかし、量を重視した訓練方法にも懸念点がある。一部の研究では、動画生成分野に「アンチスケーリング法則」の現象が見られると示されている。簡単に言えば、訓練データが増えるほど、モデルは「怠け」て、重要なフレームのみを学習し、物語全体を無視する傾向が強まる。そのため、訓練の後期になるほど、データの量を増やしても得られる効果は次第に低下する。
データ側の二人の関係者によると、Seedanceは事前学習においてすでに限界に達しており、今後パフォーマンスを向上させるには、訓練データをクリーニングし、より精密な後学習を行う必要がある。
一方で、「動的生成」機能は、2026年にSeedanceチームが注目する新たな方向性です。
いわゆる「動的生成」とは、インタラクティブ動画を指し、ユーザーがコマンドを入力することで、動画の内容やストーリーを随時調整できるものです。この分野では、元商湯の上級研究ディレクターである劉宇が設立したVivix AIが13.2億ドルの評価額を達成しています。
複数の関係者から、周暢は動的生成の実用化の可能性を常に高く評価していると聞いている。
「インタラクティブ動画はミニゲームにすることもでき、インタラクティブなドラマにもでき、世界モデルの探求とも連携できます（動画生成は世界モデルの探求パスの一つでもあります）。」と、Seedに近い人物は述べた。
豆包の商業化と海外展開を加速 36氪は独占報道で、豆包が6月下旬に有料コンテンツを正式にリリースすると予想していると伝え、同時に豆包は抖音電商と連携し、有料シーンを充実させる計画であることも明らかにした。
2026年5月初、豆包はApp Storeで有料サブスクリプションプランを更新し、月額料金は無料から500元まででした。
6月3日、DouBao公式は、ソフトウェア開発、データ分析、専門設計、プロセス自動化、金融分析、科学研究などの専門サービスを含む「DouBaoプロフェッショナル版」を、プロフェッショナル層の生産性要件に対応してリリースすると発表しました。
複数の関係者によると、春節後、DouBaoのDAUは2億を突破した。「今年のDouBaoの広告予算は非常に低い。」ある関係者によると、高いDAUは膨大な推論コストと運用負荷をもたらしており、DouBaoがこのタイミングで商業化を推進しているのは、成長率の抑制と自立した収益化の両方を目的としている。
PPT生成は、豆包がユーザーの有料利用意識を醸成する核心的なポイントである。「豆包はPPT生成機能を強化したいと考えており、金融や法律などのハイネット層の白领層に有料で提供することを目的としています。」と、豆包に近い人物は『インテリジェント・エマージェンス』に語った。次段階では、豆包は企業版を導入し、企業内のシステムと連携することを計画しているが、具体的な連携方法についてはまだ内部で議論中である。
彼は、このアイデアが海外のモデルビジネスモデルからインスパイアされたと述べた。現在、オフィスシーン向けの課金という商業化パスは、海外で既に検証されている。Anthropicが開示したデータによると、Claude Codeはリリースから6か月でARRが10億ドルに達し、リリース1年後の2026年2月にはARRが25億ドルに達した。
企業開発シーン向けのClaude Codeがもたらす安定したキャッシュフローにより、OpenAIより6年遅れて設立されたAnthropicは、今年初頭にOpenAIのARRを上回った。
それでは、現在豆包が解決すべき課題は、ユーザーの認知を「すべてを無料で質問できる汎用入口」から、「費用はかかるが効率を向上させるオフィスアシスタント」へと変えることです。
しかし、豆包が参入しようとしているこの市場はすでに混雑している。豆包の関係者は「智能涌现」に、企業顧客の調査を通じて、字節が企業AIツール市場が多くの業界向けAIソリューションベンダーに占められていることを発見したと述べた。遅れて参入した豆包は、必然的に高い顧客獲得コストに直面することになる。
『知能の湧現』は、海外展開が豆包今年の重要なテーマの一つであることを把握している。
以前、豆包の海外版アプリDolaは2025年末にDAUが1000万を突破した。『智能涌现』は、Dolaの2026年の成長目標が、年末にDAUを3000万に達させることであることを把握している。
ある関係者によると、小語種国がDolaの主要ターゲット市場である。現在、海外のAIチャットボット市場はほぼChatGPT、Claude、Geminiに支配されている。欧米市場で「AIの三大勢力」と直接対決するのではなく、小語種市場に差別化して参入することが、Dolaの成長戦略である。
第三者のデータによると、2025年下半期以降、Dolaはインドネシア、マレーシア、メキシコなどの国々のアプリストアのダウンロードランキングに頻繁に登場しています。
——
バイトダンスに加入して1年間、呉永輝の課題は、Seedチームを率いてバグを修正しながらSOTAモデルを開発することだった。2026年には、AIのあらゆる戦場で、バイトダンスの目標は勝者となることである。
現在、Seed 2.0およびSeedance 2.0の成果が徐々に現れており、Seedが蓄積してきたエンジニアリング、データ、人材の経験は、次なる戦いにより効率的に活用されます。
（『知的湧現』の著者ダン・ヨンイも本記事に貢献しました。）