Related articles
文 | 华商韬略
沉默已久的张一鸣，再次成为中国 AI 圈的焦点。
8 月 5 日，《The Information》 报道称，在上个月举行的 Seed 全员会上，字节跳动创始人张一鸣给这个负责大模型研发的核心团队定下一条硬规矩：不能依赖蒸馏其他公司的前沿模型，来提升自己的能力。
此时，中国大模型激战正酣。榜单上的名次不停变化，新模型一出来，各家公司马上研究、追赶、迭代。
对一个仍在追赶的团队来说，蒸馏是缩小差距最快的方法之一。张一鸣，却主动把这条路堵上了。
从 2024 年下半年开始，张一鸣每个月都会参加一次 Seed 核心技术团队的复盘和讨论会。
《The Information》 报道称，如今他大约一半的工作时间和精力都放在 Seed 上。但张一鸣很少公开谈论 AI，即使在内部会议上，大多数时候也只是听、追问，几乎不主动表态。
直到 2026 年 7 月，当团队再次讨论要不要通过蒸馏追赶竞争对手时，他罕见地开了口。
据参会员工透露，张一鸣明确表示，即使 Seed 暂时落后，也不能依赖蒸馏其他公司的前沿模型提升能力。
蒸馏的诱惑有多大？简单来说，就是找一个更强的模型当师傅，让自己的模型学习它给出的答案和解题方式。
这项技术并不新鲜。早在 2015 年，「深度学习之父」 杰弗里·辛顿等人就系统推广过知识蒸馏。
过去，它主要被用来压缩模型、降低成本。ChatGPT 出现后，事情变了。
当最先进的大模型开始变成各家公司最核心的技术资产，蒸馏也开始卷入知识产权、技术原创和中美 AI 竞争。
但 Seed 内部争论的问题更加直接，既然别人已经把答案做出来了，为什么不先学？
尤其在大语言模型上，字节承受着不小的压力。每当有更强的开源模型出现，关于蒸馏的讨论就会重新升温。
最终，张一鸣亲自拍板：为了实现长远目标，我们应该愿意牺牲一些短期利益。
《The Information》 把这一决定部分归因于 TikTok 在美国面临的风险。但 8 月 6 日，字节跳动 CEO 梁汝波，就在字节年中全员会上回应了这种说法。
他承认，字节的大语言模型目前确实落后，也承认与海外领先模型之间的差距还在扩大。但对于 「外部压力迫使字节坚持自研」 的解释，梁汝波直接用了两个字：「瞎猜。」
按照他的解释，真正的原因是，希望团队学会延迟满足，把基本功打牢。
张一鸣堵掉的，也不只美国模型这条路。据国内媒体报道，字节内部对利用其他开源模型进行蒸馏同样严格限制，甚至会通过 API 检测等方式加强管控。
这就很能说明问题了。他真正担心的，是 Seed 习惯站在别人铺好的路上。蒸馏能帮助一个团队迅速接近已经存在的目标，却很难告诉它，下一个目标在哪里。
今天学 Claude，明天追 GPT，后天再追一个新模型，排名可能越来越好，但研究方向、训练方法甚至评价标准，都在跟着别人走。
久而久之，字节可以成为一个非常强的追赶者，却很难成为第一个提出新问题的人。所以，张一鸣宁愿暂时慢一点。
但关掉捷径只是第一步。如果真想让 Seed 自己找路，他还得改掉字节过去最熟悉的一些成功方式。
要理解张一鸣的逻辑，还要回到 2012 年。
那一年，今日头条刚刚起步。年底的一天晚上，北京知春路锦秋家园 6 楼的办公室里，张一鸣把所有产品经理和研发人员叫到一起开会。
讨论的核心只有一个，既然要做信息平台，要不要把个性化推荐引擎真正做起来？
当时，真正下决心做推荐引擎的中国创业公司并不多，张一鸣和团队自己也不会。有人担心：「我们没有推荐的基因和能力。」
张一鸣的回答很简单，「推荐我们不会，但可以学啊。」
后来，字节真的开始从头学。机器记录用户点了什么、停留多久、喜欢什么，再不断猜测这个人接下来还想看什么。
今日头条靠这套算法改变了新闻分发，抖音又把它带进短视频时代。
多年后，张一鸣回忆创业早期时说过一句很经典的话：「回头看，开始的时候我们的很多方法并不好，但是很努力、很专注，大力出奇迹。」
「大力出奇迹」，后来几乎成了字节早期的一种气质。产品先上，数据说话，快速试错，持续迭代。一旦找到正确方向，马上调集资源，把优势迅速放大。
今日头条如此，抖音也是如此。移动互联网时代，这套方法让字节一次次后来居上。
但到 2021 年，张一鸣突然承认，自己有点跟不上了。那年 5 月，38 岁的他宣布卸任字节跳动 CEO。
在内部信中，张一鸣毫不避讳地说，自己过去几年很大程度上都在 「吃老本」。2017 年以前，他还能持续关注机器学习技术的新进展。此后三年，他已经很少有时间系统学习，甚至在一些技术讨论会上都很难跟上。
一个靠算法创业的人，公开承认自己跟不上最新算法，这很少见。
张一鸣决定把公司日常经营交给梁汝波，自己腾出更多时间学习、思考和研究。他给自己定了一个很长的时间：以十年为期。
当时在外界看来，这像是一位创始人的退场。五年后再看，更像是一次换位。
梁汝波接手字节庞大的日常经营，张一鸣则越来越多地把注意力放在 AI 和前沿技术。
近两年，他频繁往返北京与新加坡。在新加坡，他和 AI 研究人员交流；回到国内，他会参加 Seed 技术团队的讨论，看模型训练，盯长期研究方向。
只是这一次，他面对的问题已经和 2012 年完全不同。
2012 年的推荐算法，已经有人走在前面。不会，可以学。今天的大模型前沿，却还有大量问题没有现成答案。
下一代模型架构是什么？世界模型应该怎么走？Agent 究竟能走到哪一步？想回答这些问题，光靠 「大力出奇迹」 已经不够。
字节开始给一部分人松绑。
2025 年初，原 Google DeepMind 研究副总裁吴永辉加入字节，负责 Seed 基础研究。同一时期，字节启动 Seed Edge 计划，专门研究周期更长、结果更不确定的 AGI 课题。
▲吴永辉博士
这支团队取消季度 OKR 和半年考核，还获得了单独的算力支持。对于一家长期强调季度目标、快速迭代和数据反馈的公司来说，这样的安排很少见。
吴永辉也在改变 Seed 的日常。
据 《晚点 LatePost》 报道，过去不同研究小组之间存在信息壁垒。一个团队想看另一个团队的文档和代码，有时要经过多层审批。吴永辉到任后开始推动信息共享，也鼓励研究员发表论文和博客，主动向外界展示研究成果。
有一次全员会，他甚至提醒大家，把自己的个人主页 「装修一下」。
变化很快出现。据统计，吴永辉加入后的三个月，Seed 发布的论文数量就超过 2024 年全年。
更有画面感的变化发生在食堂。有 Seed 研究员回忆，经常能看到吴永辉端着餐盘，直接坐到年轻研究员对面，一边吃饭，一边问项目做得怎么样。
这些细小的变化，都在给 Seed 增加一种过去字节很少拥有的东西：耐心。
允许一个项目短期没有结果，允许一些研究暂时无法商业化，也允许研究人员花时间解决几年后才可能真正重要的问题。
所以，张一鸣拒绝外部模型蒸馏，与 Seed Edge 的出现，其实是一件事的两面。一边关掉现成答案，一边给寻找新答案的人，留下时间和算力。
7 月 31 日，字节发布 Seedance 2.5。
此时距离张一鸣在 Seed 全员会上定下 「不依赖外部模型蒸馏」 的基调，刚过去不久。
这款模型，也很适合用来观察字节今天到底打到了哪里。相比年初的 Seedance 2.0，新模型一次可以生成 30 秒视频，还能同时参考最多 50 个图片、视频和音频素材。
但更有意思的，是它已经开始走出短视频。
徐工集团用 Seedance 生成工业操作培训和工序 SOP 视频。小鹏汽车把它接入内部 AI 设计平台。微分智飞则拿它给飞行机器人 「造训练场」，模拟障碍物闪避、室内自主寻路等复杂环境。
▲小鹏首届 AI 公开赛获奖作品，团队基于 Seedance 2.0 生成的未来概念智能座驾
一个过去主要用来生成电影感画面的 AI 模型，开始给挖掘机、汽车和机器人打工。
视频模型，是目前字节打得最好的一场仗。
这也并不意外。抖音、TikTok、剪映，让字节在视频领域积累了十多年。什么样的画面好看，用户怎么剪视频，创作者缺什么工具，字节太熟悉了。到了生成式 AI 时代，这些产品、数据和工程经验开始转化成模型优势。
另一场已经取得明显优势的，是豆包。
QuestMobile 数据显示，截至 2026 年 3 月，豆包月活达到 3.45 亿，千问为 1.66 亿，DeepSeek 为 1.27 亿。豆包一家，已经超过后两者之和。
更夸张的是调用量。
2024 年 5 月，豆包大模型日均 Token 调用量只有 1200 亿。到 2026 年 4 月，这个数字突破 120 万亿；6 月，又进一步升至 180 万亿。
两年多，增长 1500 倍。
这是字节最熟悉的战场。模型一旦可用，就迅速推向庞大的用户群，再让真实使用产生更多反馈。
今年 6 月，豆包正式试水付费订阅，月费从 68 元到 500 元不等。拥有几亿用户之后，字节开始回答另一个问题：AI 到底怎么挣钱？
然而，张一鸣真正着急的，还在更底层。
8 月 6 日的字节年中会上，梁汝波给 AI 业务打了一张很有反差的成绩单：豆包保持竞争力，Seedance 继续领先，但大语言模型与海外领先模型之间的差距，扩大了。
字节选择继续加码。
8 月 7 日，《金融时报》 披露，字节正在预训练一个参数规模最高可能达到 10 万亿的新模型，超过 Kimi K3 的三倍。
项目仍处在早期阶段，最终会训练到多大、能力能到哪里，都还没有定论。但动作已经足够大。张一鸣刚刚关掉一条捷径，字节转头就在更烧钱的正面战场继续下注。
还有两块硬骨头，Coding 和世界模型。
Coding，也就是 AI 写代码的能力，直接影响 Agent 完成复杂任务的上限。36 氪报道称，字节 2026 年在这一方向投入仅次于世界模型，但目前仍没有形成类似 Seedance 的领先优势。
过去，由于自家 Coding 模型能力有限，字节不少业务团队并不愿意使用 Seed-Code，旗下 AI 编程工具 Trae 早期接入的也包括 DeepSeek、Claude 等外部模型。
这又带来一个问题，使用不足，真实开发数据就难以回流，模型也更难通过实际场景持续改进。
2026 年以来，字节开始推动更多内部业务使用 Seed 模型，希望重新建立 「使用—反馈—训练」 的飞轮。
世界模型则更像一场未来之战。
字节直到 2025 年才小范围组建研究团队。2026 年，吴永辉定下目标：年底前至少发布一版世界模型，性能对标 Google Genie 3。
投入已经明显加大，但截至 2026 年初，内部评测显示，字节世界模型综合性能距离全球领先水平还有约 10% 的差距。
到这里，字节的 AI 战况已经很清楚了。
Seedance 已经突围，豆包拿到了用户，基础大模型和 Coding 仍在追赶，世界模型则提前押注下一阶段。
但真正决定字节能走多远的，还是技术。
2012 年，北京锦秋家园那间办公室里，一群年轻人担心自己不会做推荐。张一鸣说：「推荐我们不会，但可以学啊。」
十多年过去，他面对的是一个更难的问题。AI 最前沿，已经没有多少现成答案可以照着学。
这一次，张一鸣想让字节自己写下答案。
