今年初，Seedance 2.0在没有过多预热的情况下发布。几小时内，用它生成的视频刷遍了国内外社交平台：电影级运镜、原生音画同步、多镜头叙事。就连马斯克也在X上转发了一条样片，留下一句：“It's happening fast.”

在此之前，一个叫吴永辉的人已经成了行业里关注的焦点，2001级南大计算机系本科，谷歌17年，Google Fellow，Gemini大模型应用总技术负责人之一。一年前，他离开山景城，回到北京，接管字节跳动的大模型研究团队Seed。

吴永辉接手时面对的局面，有媒体描述：上千人的研究团队、投入上百亿元追赶两年，终于做出能排在中国第一梯队的基础模型，迅速被只有上百人的DeepSeek用更少资源研发的模型超过，部门负责人承认失误，公司CEO在全员会上点名，本可以做得更好。

一年半后，豆包大模型日均token调用量冲到180万亿，两年增长超过1500倍。火山引擎以49.5%的份额占据中国公有云MaaS市场第一。Seedance 2.0成为全球视频生成模型的标杆，毛利率据多方估算在70%以上，贡献了火山引擎MaaS收入的一半以上。

今年6月发布的豆包2.1 Pro，在Terminal Bench 2.1等编程评测上追平Claude Opus 4.7，综合使用成本不到对手的两成。8月，原生音视频全双工大模型SeedRealtime发布，当天在豆包App全量上线，3.8亿用户一夜之间可以和AI“边看边听边说”地视频通话。

数字背后是一场静悄悄的组织基因改造。一家以推荐算法、AB测试和赛马机制崛起的互联网公司，用三年时间学着做一件它过去不擅长的事：基础研究。这个过程里有判断失误，有人事动荡，有路线之争，也有被外部环境推着走的时刻。

Seed的故事，关于技术，关于人，更关于一家公司在范式转换期，如何重新定义自己的边界。

01

旧地图与新战争

字节做AI大模型的起点不算早。

2023年GPT-4发布后，公司成立大模型专项，由时任AI Lab负责人李航牵头。同年8月，“云雀”大模型完成备案，比百度文心一言晚了五个月，比阿里通义千问晚了三个月。朱文佳从搜索业务线被调出来，带队组建Seed的前身。

这位被字节推荐算法负责人杨震原评价为“头条算法Top 3”的技术高管，履历带着典型的字节色彩：

百度搜索部主任架构师出身，2015年加入字节做搜索，2019年接掌今日头条，三个月后直接向张一鸣汇报，2020年春节把头条DAU做到1.4亿，2021年调去新加坡支持TikTok技术。

他懂大规模系统，懂推荐算法，懂怎么把技术变成亿级用户的产品。

2024年是字节AI的应用工厂之年。5月豆包大模型家族正式发布，火山引擎把API价格打到0.0008元/千token，比行业均价低99.3%，打响了大模型价格战的第一枪。

豆包App靠着字节成熟的产品方法论、流量体系和增长黑客手段，一年内从零做到中国DAU第一的AI应用，2024年11月月活接近6000万，甩开第二名近5000万。

这套打法字节太熟了。过去十年，从今日头条到抖音，从西瓜视频到剪映，同一套逻辑反复验证：快速迭代、数据驱动、AB测试、赛马机制、饱和投入。只要进入一个内容或工具赛道，字节总能用更精细的运营和更猛的资源投入后来居上。

去年DeepSeek发布R1，推理模型的能力曲线在那个冬天出现了一次陡峭的跃迁，但字节甚至没有对应的推理模型产品。应用层积累的用户优势，在基础能力的代差面前显得脆弱。

于是，就有了梁汝波在当年全员会上做的第二次反思。上一次他说“公司变迟钝了”，忽视了以Transformer为核心的语言模型。这一次他承认，对OpenAI o1的跟进太慢，团队当时觉得早一个月晚一个月关系不大。

他说了一句后来被反复引用的话：做科技公司还不够，得做创新科技公司，不仅要应用好新技术，还要能探索、发明新技术。

这是一个关键的认知转弯。互联网时期的成功，很大程度上建立在工程化追赶上，看准方向，用更强的工程能力和资源投入快速缩小差距。但大模型时代，推荐系统的反馈周期以小时计，模型能力的反馈周期以月甚至季度计；前者可以靠AB测试小步快跑，后者架构选择和训练路线一旦选错，几个月投入就打了水漂。

那年，梁汝波给Seed定了新的目标：追求智能上限。把智能本身作为最重要的目标，而不是某个产品的DAU。这个目标顺序的调整，比任何组织架构变动都更根本。

02

接棒者与研究文化的植入

去年2月，吴永辉正式入职字节。他是字节继CFO高准之后，又一位直接空降到CEO-1级别的外部高管。

南大本科，UCR博士，2008年加入谷歌，一待十多年。在搜索排名团队，把“大规模机器学习系统服务亿级用户”刻进了工作习惯；2015年转Google Brain，是GNMT神经机器翻译系统的核心作者。后来的Conformer语音架构、GLaM稀疏专家模型、CoCa图文模型，他都是核心贡献者。

谷歌大脑与DeepMind合并后，吴永辉升任研究副总裁、Google Fellow，在Gemini团队是应用端的总技术负责人之一，主导了百万token上下文窗口的落地。谷歌学术显示，他的论文总被引超过7.3万次。

DeepSeek-R1发布在他入职前一个月。那股冲击波在字节内部还没散去，梁汝波全员会上做完反思，吴永辉紧接着站到了台前。

实际上，字节AI组织调整在吴永辉入职前已经启动：2025年1月，Seed Edge正式立项，瞄准五年以上的长期研究，考核周期拉到三年，出了重要成果还可以“追溯补偿”绩效。这在以半年OKR为基本节奏的字节，是一个近乎反OKR的存在。

五个方向——下一代推理、下一代感知（世界模型）、软硬一体模型设计、下一代范式（超越反向传播与Transformer）、下一代Scaling（Multi-Agent与测试时训练），没有一个能在一年内看到明确产出。

吴永辉到任后，进一步搭出Edge/Focus/Base三层虚拟组织：Edge面向五年以上的长期探索，Focus攻坚下一代模型的核心瓶颈，Base负责当前代模型的工程交付。三层之间人员和课题可以流动，Edge出了成果可以下放，Focus发现长期课题可以转入Edge。

他鼓励沟通，引导交流，数据和代码库在内部全面透明化，打破过去小组之间文档互不可见的壁垒。

张一鸣在这件事上投入的精力也超出很多人预期。这位创始人在2023年底就开始一对一拜访重要AI论文的作者，其中包括还没毕业的博士生。吴永辉入职后，张一鸣回一线看技术的频率更高了，Seed的重要技术会他常列席，偶尔还会和研究员讨论细节。

但研究文化的植入并非一朝一夕。吴永辉接手后训第一个大模型豆包2.0时，给了整个团队一个实实在在的教训。这是Seed成立以来训练的最大模型，一万亿参数，类Gemini的多模态架构。

参数规模往上走的时候，训练稳定性出了问题，用一位研究员的话说，“就像盖房子，地基不稳，往上加砖头容易出问题”。后来多个团队配合，花了三个月从模型架构和训练数据两端打补丁，才赶在2026年春节前把模型训了出来。

OpenAI的RL Infra负责人翁家翌说过：每个模型团队的Infra都有bug，模型公司本质上拼的是Infra修bug的速度，它决定了单位时间内能验证多少想法，而想法只要提高人才密度就能解决。

对于字节来说，人员的换血和混编很早就开始了。Seed组建期间，字节在全球范围内密集挖人，谷歌VideoPoet负责人蒋路、阿里通义千问前技术负责人周畅、零一万物联合创始人黄文灏先后加入。

吴永辉到任那年，朱文佳的汇报关系从梁汝波转为吴永辉，早期的双负责人结构变成吴永辉主导基础研究、朱文佳负责模型应用的单核架构。视觉生成线也经历了调整，文生图Seedream、文生视频Seedance、3D生成Seed3D全部划归周畅管理。

进入2026年，人员补强还在继续。DeepSeek R1核心作者郭达雅加入Seed，负责Coding与Agent方向，相关研发资源被统一收拢到他手下。6月，Seed Robotics机器人团队也并入周畅麾下，多模态和具身智能这条线的权责进一步集中。

一个值得细讲的细节是Seedance 2.0的训练决策。2025年底团队聚餐时，视频模型负责人曾妍——一位2021年校招进来的年轻研究员，提出想直接训200B参数的模型。

团队内部有分歧，有人认为先训100B更稳妥，训练资源也紧张。吴永辉和周畅讨论后选择支持她的判断。这个在当时看起来偏激进的选择，后来被证明是Seedance 2.0能拉开代差的关键之一。

03

不蒸馏的Seed

前段时间Seed全员会上，张一鸣罕见地讲了很长时间。其中有一条核心信息：Seed不会用蒸馏的方式追赶，闭源模型不能蒸馏，开源模型也不能蒸馏，可以接受暂时落后。

据后续多家媒体的还原，这个决定在Seed内部经历了三次路线争论。

第一次是2025年1月DeepSeek-R1发布后，有研究员提出用头部模型的生成数据补推理能力；第二次是2025年底英伟达Blackwell GPU大规模部署，中美算力差距被新一代硬件进一步拉大，“实在不行就蒸馏”的声音再次出现；

第三次是2026年7月Kimi K3发布后，月之暗面用小得多的团队规模把开源模型推进了全球第一梯队，Seed内部的动摇情绪达到顶点，甚至出现了“至少可以蒸馏开源模型”的折中方案。

张一鸣三次都否决了。从时间线看，字节对蒸馏的警惕并非短期。2023年4月，团队就引入了GPT API调用规范检查，明确要求不得将GPT生成的数据加入训练集，还做过内部抽检排查。

张一鸣在会上的原话是“为实现长远目标，应该愿意牺牲一些短期利益”。这个判断的底层逻辑其实不复杂。蒸馏是一条足够有效的捷径，可以让模型在几个月内补齐benchmark上的差距。但它无法告诉研究者这些能力究竟是怎么产生的，也无法保证当现有SOTA走到天花板时，蒸馏的一方下一步该往哪里走。

一款模型可以通过蒸馏进入前沿，但一家实验室没法通过蒸馏成为前沿实验室。

接受短期落后，意味着要在另一些战场上拿出足够硬的成果来支撑信心。Seedance 2.0扮演了这个角色。

视频生成是字节和海外起点最接近的赛道。快手可灵选择DiT原生视频架构后，在2024年领先了将近一年。字节内部早期PixelDance走了2D UNet扩展到3D的路线，事后看上限不高。曾妍带着AI Lab的视频团队并入Seed，技术路线从UNet切到DiT，团队和方向同时收敛。

Seedance 2.0的成功被多位从业者归结为“数据的胜利”。字节内部为这个模型配套了上千人规模的数据评测团队，而很多视频赛道创业公司的评测团队只有几十人。

算法团队有专人对接数据团队，像数据产品经理一样提清晰的需求，算法人员自己也参与数据构造和清洗。但训练数据几乎没有用抖音的内容，而是大量采购影视级素材，用语言模型拆解成脚本和分镜，再针对运动、室内空间、游戏画面等场景做针对性训练。

商业回报来得很快。2026年春节期间Seedance 2.0在豆包、剪映、即梦全量接入，C端排队一度长达十小时，即梦靠会员优先排队贡献了第一批收入，3月收入约1.4亿，4月涨到2.1亿到2.2亿。

火山引擎紧接着开放企业API，按720P每秒约1元的定价，Seedance的确比国内同代视频模型更加昂贵。但质量说话，中文在线、九州文化等头部短剧公司一次性充值5000万的案例不在少数。

谭待在被采访时确认，2026年火山引擎MaaS收入的一半以上由Seedance贡献。视频模型的高定价、高毛利和相对宽松的竞争格局，模型SOTA直接转化为收入。

更重要的是它和字节原有业务形成了闭环：模型给内容公司，内容公司用Seedance做AI短剧，红果和抖音承接内容供给，并支持制作方投流。一个从模型能力到内容生产再到广告收入的飞轮，在视频这个模态上先转了起来。

6月火山引擎FORCE大会上，豆包2.1 Pro发布。这是Seed在Coding方向补课的成果，郭达雅加入后相关研发资源被统一收拢。Terminal Bench 2.1拿到71.0分，贴住Claude Opus 4.7的71.7分；SciCode 59.8分，超过GPT-5.5和Opus 4.7；NL2Repo仓库级代码生成47.0分，明显领先GPT-5.5。

谭待的说法是，上牌桌了，国内真正上牌桌的还没几个。

8月SeedRealtime发布。这个原生音视频全双工模型用统一架构替代了传统的"语音识别+语言模型+语音合成"级联方案，端到端延迟降到了可以自然打断、实时对话的水平，当天在豆包App全量上线。从视频生成到全双工交互，多模态这条线的能力积累开始进入产品收获期。

梁汝波前不久在全员会上坦言，大语言模型被海外SOTA拉开了差距，但“动作不要变形”，接受一段时间的落后，坚持自研和长期优化。他把公司战略总结为高度优先，粗主干，优化长期——AI、信息平台、交易服务三个主干业务，AI是其中最粗的那根。

回头看Seed这三年，走的不是一条直线。2023年起步晚了，2024年用应用层的胜利掩盖了基础层的差距，2025年被DeepSeek上了一课之后开始补课，2026年在视频和多模态上拿到了领先，语言模型上还在追赶。

组织架构调了好几轮，核心人员进进出出，技术路线走过弯路，也有过靠年轻研究员的坚持赌对方向的时刻。

就像他们内部统一共识：“AI是一场马拉松，现在还只是前500米。”这句话放在字节身上有额外的意味。

这家公司过去总在确定的赛道上，用确定的方法论快速取胜，而基础研究本质上是一件不确定的事。你需要容忍失败，容忍长反馈周期，容忍投入在数年内看不到回报，甚至容忍自己在某些阶段明明白白地落后。

Seed这个名字本身就带着某种隐喻。它更像一颗还在土壤里扎根的种子，而非已经成型的产品。种子的使命，不是在第一个季度就开花结果。它需要先把根扎得足够深，在属于它的季节到来之前，先学会怎么在泥土里生长。