豆包在中国AI应用市场的统治地位，已不是领先二字能概括的。

到2026年一季度，豆包的月活达到了3.45亿，日均Token调用量达到120万亿。

曾有字节内部人士透露，豆包的用户增长和市场推广费用，是字节历史上所有破亿DAU产品中花费最低的。

最低的获客成本，最大的用户规模，豆包的增长路径与此前任何一款AI应用都不同。

第一层来自流量迁移。

豆包的获客天然依靠抖音生态的信息流推荐、开屏引导、短视频挂载，它们将豆包直接推到用户面前。

产品特点上，Kimi靠长文本能力在知识工作者中口碑传播，DeepSeek靠推理能力在技术社区引爆，这些路径天然筛选了具备一定AI认知基础的早期用户。

相比之下，豆包继承的是抖音的用户池，不是AI社区的用户池。

抖音的8亿多日活用户覆盖了中国互联网上年龄跨度最大、地域分布最广、教育背景方差最大的人群。

当豆包通过这条管道流入几亿人的手机时，它从第一天起面对的就是认知方差最大的用户群体。

字节比任何公司都清楚自己的用户画像。它选择了这个池子，恰恰因为这个池子最大。

第二层是产品维度的讨好设计。

真正让豆包在留存率和用户黏性上与同类产品拉开差距的，是它的产品设计哲学。

频繁使用豆包的用户曾发现，它有一套鲜明的回答风格，例如“一个最直接、最不绕弯子、最真实、最准确、最可落地的说法……”

输出内容未必有差异，但叠加了这套话术制造了一种心理暗示：我没有敷衍你，在给你最真实的东西。

一名头部硬件大厂算法人士坦言，这是模型训练和产品优化的结果，话术风格、回答策略、表达语气，大概率经过了大规模与产品侧的测试筛选。

“一种是训练时通过讲解函数就能引导模型这样生成，但C端产品更多的时候是在产品层面做约束，怎么样能够更好地优化体验，改善数据，就会往哪个方向做。”该人士称。

字节的效率主义方法论有目共睹，AB测试驱动优先，用户留存和日活是北极星指标。

那些让用户更满意、更愿意第二天回来的回答更容易胜出，它们让用户觉得“更确定”、“更直接”、“更少犹豫”。

搜索引擎给出十条链接，用户仍需要自己判断取舍；

但一个用对话体、用肯定句式、条分缕析给出答案的AI，利用的其实是人际信任的心理模型。

第三层有着增长飞轮的伦理盲区。

短视频Feed流领域，讨好用户的代价是更多的屏幕时间；在电商领域，推荐算法优化的代价是一些冲动消费。

当一套“怎样让用户更爽”的增长逻辑嫁接到一个可能会产生幻觉的AI上时，优化用户体验和保护用户安全之间就会面临冲突。

每个因“不绕弯”、“最直接”而留存甚至放弃交叉验证的用户，都是被漂亮增长数据所掩盖的风险敞口。

模型不确定时坦诚回答在技术上实现其实不难，但如果这句话降低用户的满意度评分，会影响次日留存率，会拉低DAU，模型方很可能就不愿意这么干。

在产品机制上，没人知道豆包是否选择了让模型对于不确定的和谦虚感的“少说”。

可以确定的是，当一款AI产品持续以更直接、更肯定、更像人的方式回应用户时，它客观上会降低一部分用户继续求证的动力。

结果是豆包会用最大流量池触达了防线最薄弱的人群，再用极致讨好的产品设计让这些人放下了仅有的警惕，最后用一行并不醒目的免责声明将所有后果推回给用户自己。

流量、体验、信任都是字节在AI竞赛中领跑的筹码。但筹码另一面是被豆包覆盖的那些人在不知情中承担的代价。

随着用户规模持续扩大，豆包正在从一款增长型产品，逐步变成一款商业化产品，对于付费版本的准备已经箭在弦上。

当用户只是贡献活跃度时，关于幻觉、误导和过度信任的问题，更多还是产品问题；当用户开始直接付费时，这些问题会越来越接近消费者权益问题。

2026 年 3 月，美国加州洛杉矶高等法院陪审团在标志性社媒侵权诉讼中作出裁定：Meta的Instagram、谷歌旗下YouTube凭借无限滚动、算法个性化推荐等成瘾导向产品设计，对未成年时期的原告造成心理损伤，构成过失伤害。

这是美国首例通过陪审团裁决、就社交媒体成瘾设计追究平台法律责任的判例。

这说明"设计导致上瘾"不仅是社会问题，也可能成为一个法律问题。

发生在AI身上的故事或许是相似的。

AI技术本身是中性的，但技术分发方式、产品设计选择、免责的制度安排，共同构筑了一个风险外部化问题。

技术公司获取增长和数据，有辨识能力的用户获取效率红利，而代价主要由那些被流量裹挟进来、缺乏辨识能力、又最不可能阅读免责声明的人来承担。

豆包不用负责，但终归总会有人来承受后果，至少有几个问题值得被认真讨论：

首先，AI产品是否需要“适当性管理”。

正如金融产品不能不区分风险等级就卖给所有人，一个月活3亿以上的AI助手，在涉及医疗、法律、财务等高后果决策领域时，是否有条件采取比一行灰色小字更有效的风险控制手段。

可以是强制性的不确定性提示，可以是高风险场景下的自动降级，也可以是向用户推荐专业渠道的强引导，还可以是识别到用户可能是高风险人群时的差异化策略。

邓以勒认为，基于风险的场景化分级有可能成为AI治理的一个趋势。

对于高风险场景，包括但不限于医疗诊断、法律诉讼策略等，应设定近似专业服务的注意义务；

对于中风险场景，平台需要提供显著的风险警示，明确告知用户需自行核实，并提供便捷的反馈纠错渠道；

对于一般日常服务，则只要达到法律基本要求即可。

技术能力不是障碍，障碍是增长指标和安全指标之间的优先级排序。

其次，“幻觉致损”是否需要被纳入责任讨论范畴。

现行司法实践区分了AI生成违法内容和AI生成不准确信息的不同注意义务标准，但当"不准确信息"在特定场景下造成了可证实的用户经济或健康损失时，服务商的责任边界是否需要重新厘定，这是一个需要法学界、立法机构和行业共同回答的问题。

泰和泰律师事务所律师郭松向全天候科技指出，比如AI工具对使用者在医学、法律等特定领域给出具有指导性的意见，因而对使用者造成了误导，甚至产生了更严重的后果，那这种简单的提示可能就无法免责。

再次，全社会的AI素养建设应如何被当作基础设施来建设。

识字率是工业社会的基础设施，AI素养包括识别幻觉的能力、交叉验证的习惯、对确定性表达的批判性思考，或许在成为信息社会的基础设施。

这些元素未来或许要被纳入公共教育体系、老年人数字素养培训、社区信息服务的议程。

豆包不用负责。在目前的法律框架下，这是一个事实判断，但不等同于价值判断。

一个社会如果持续生产不需要负责的技术，持续将责任推回给最没有防御能力的个体，持续在"创新"旗帜下回避风险分配的公平性问题，那么最终为此买单的往往是那些最沉默的人。

他们不会上热搜，不会写起诉书，不会在社交媒体上讲述自己的遭遇。他们只会在某一天因为相信了豆包说的一句话，默默承受一个本不必承受的后果。

那个时刻，"AI生成内容仅供参考"这行字，不会给任何人带来安慰。

参考资料：

1、《患者带着豆包进诊室，医生集体破防了？》, 酷玩实验室

2、《用户用豆包预约餐厅，到店后被拒之门外，豆包客服回应》, 海报新闻

3、《宁波高二女生把豆包当“灵魂伴侣”，经常聊到后半夜！白天打瞌睡，甚至选择休学一心只想和豆包“在一起”；医生：与AI相处请守住三条底线》, 宁波晚报

4、《空巢老年人，第一批AI重度依赖症“患者”》, 36氪

5、《2025“银发 AI”应用趋势报告》, 阿里巴巴

6、《热点追踪丨国内首例AI“幻觉”案，给我们提了个醒》, 新华网

⭐星标华尔街见闻，好内容不错过⭐本文不构成个人投资建议，不代表观点，市场有风险，投资需谨慎，请独立判断和决策。