大厂原本很擅长做组织调整。到了 AI 时代，调整频率还是明显高了一截。

7 月 23 日，腾讯宣布将混元大语言模型部与多模态模型部合并，成立基础模型部，统一交给姚顺雨。就在此前，混元多模态理解负责人胡瀚提出离职，原 OpenAI 研究员田永龙接手视觉语言模型方向。

阿里这边，ATH、集团技术委员会、通义大模型事业部、Token Foundry 在几个月内先后出现，通义千问核心负责人林俊旸离职，周靖人的角色也连续变化。桌面办公 agent 方面，阿里变化也很频繁。

字节则让吴永辉坐稳 Seed 一号位，同时推出 " 豆包股 "，留住不断被友商和创业公司盯上的 AI 人才。

原因并不复杂。移动互联网的生产关系已经相当成熟：产品经理定义需求，技术团队实现，业务负责人看用户和收入。大模型把技术推到了更靠前的位置。模型团队先做出一种能力，产品部门再来寻找用法；有时连产品长什么样，都要等模型能力出现后才知道。

于是，谁管理模型团队，谁能调算力，谁决定模型先接入哪个产品，开始影响整个公司的下一步。

汇报线只是组织图上的一根细线，线上流动的却是 GPU、人才、数据、产品入口，以及以亿元计算的资本支出。

阿里、腾讯和字节，正在用三种方式安排这些资源。

阿里反复画线，想把 AI 连成一条产业链

阿里的 AI 资源很多，组织问题也由此而来。

2024 年底，通义的 C 端产品与工程团队从阿里云拆出，划入吴嘉负责的智能信息事业群，通义实验室继续留在云体系。研究模型的人专注模型，擅长夸克、UC 和用户产品的人负责应用，这套分工当时颇为合理。

到 2025 年 12 月，阿里成立千问 C 端事业群，把千问 App、夸克、AI 硬件、UC 和书旗放到吴嘉手中，希望推出一个 AI 时代的超级入口。

这套结构运行没多久，集团开始收拢 AI 业务。

2026 年 3 月，林俊旸离职，吴泳铭宣布由周靖人继续带领通义实验室，同时成立基础模型支持小组。十多天后，Alibaba Token Hub 成立，通义实验室、MaaS、千问、悟空和 AI 创新等业务进入同一个事业群，由吴泳铭直接负责。

阿里用三个动词概括 ATH 的任务：创造 Token、交付 Token、应用 Token。

4 月，阿里又成立集团技术委员会，通义实验室升级为通义大模型事业部。6 月，通义大模型事业部和未来生活实验室合并为 Token Foundry 事业部，仍由吴泳铭直管。周靖人出任阿里首席科学家，牵头 AI 未来研究院。

几个月里，模型、云、MaaS、C 端助手、企业智能体和多模态项目被拆开、归拢，再重新分层。阿里一直在寻找一条更短的通道，让基础模型直接抵达产品和收入。

它的目标也比推出一款聊天机器人大得多。

阿里手里同时握有芯片、云基础设施、基础模型、MaaS、电商、支付、办公和本地生活。如果这些资源能够真正打通，阿里可以覆盖 AI 生产和消费的完整链路：上游提供算力，中间生产及分发 Token，下游用淘宝、支付宝、钉钉、高德和千问消耗 Token。

过去的阿里云销售计算、存储和数据库；Agent 时代，阿里希望继续向上卖 " 智能 "。Token 由计费单位变成新的生产资料，调用量既代表技术使用量，也可能成为云业务未来的收入来源。

这套思路解释了吴泳铭为何不断收权。

云团队关心算力收入，模型团队追求能力和开源影响力，C 端产品关心用户规模，电商部门更在意成交转化。每个部门都有合理目标，放在一起却容易互相拉扯。吴泳铭亲自管理，相当于给这条链路安排了一名总调度员。

最近的桌面办公调整，可以看作这条产业链向下延伸的一处新变化。

6 月 11 日，陈航卸任钉钉 CEO，做过 MuleRun 的陈宇森接任。7 月，阿里又把 QoderWork、悟空和 MuleRun 交给陈宇森整合。三款产品将以 QoderWork 为基础，升级为面向企业生产力场景的新产品——千问办公。

QoderWork 靠近桌面入口，悟空背后是钉钉的组织和工作流，MuleRun 偏向云端 Agent 探索。把三支队伍合在一起，阿里想做的仍是 " 连线 "：上游模型产生能力，中间由云和 Agent 平台调度，下游进入文件、会议、审批和企业流程。

办公 AI 会消耗大量 Token，却也比普通闲聊更接近付费。企业愿意为一份完成的报表、一个自动执行的流程或一名数字员工付钱。阿里增加这块拼图，并没有改变原来的收权方向；它只是让那条从算力通往收入的链条，又向办公桌伸了一截。

阿里未来三年至少投入 3800 亿元建设 AI 与云基础设施。投入规模到了这个量级，AI 已经无法继续作为阿里云内部的一项技术项目存在。

频繁调整也暴露了另一面：阿里还没找到一套稳定结构，能够同时照顾技术研究、云商业化和 C 端产品。

研究团队需要较长周期，产品团队按周迭代，云业务看客户和收入。三种节奏挤在一起，部门边界很容易随着技术路线改变。周靖人转任首席科学家后，前沿研究与业务交付也被重新分开。这个变化很难用传统的升降职解释，它更像一次权力分工：有人探索能力上限，有人负责把能力变成产品。

阿里正在进行一场公司级的 AI 改造。它的优势是全栈资源，麻烦也来自全栈——链条越长，需要协调的利益越多。

腾讯一边收拢混元，一边保留赛马

腾讯的起点和阿里不同。

微信、QQ、游戏、广告、腾讯文档、腾讯会议和腾讯云都能容纳 AI。腾讯并不缺使用场景，它前几年更头疼的是混元的基础能力和研发效率。

混元早期横跨 AI Lab、机器学习平台、大数据等多个部门，带有明显的虚拟项目色彩。不同团队提供数据、算法和算力，真正出了问题，责任却很难落到一个人身上。

大模型训练对这种结构不太友好。数据质量、训练框架、模型架构、强化学习和评测要反复联调，任何一个环节掉链子，最后都表现为模型 " 不够聪明 "。

2025 年底，腾讯引入前 OpenAI 研究员姚顺雨，任命其为 "CEO/ 总裁办公室 " 首席 AI 科学家，同时负责 AI Infra 部和大语言模型部。公司另外成立 AI Data 部和数据计算平台部，开始按大模型训练的完整流程重组团队。

2026 年 3 月，腾讯撤销成立十年的 AI Lab，部分人员并入混元体系。腾讯还从字节 Seed 引进肖学锋、张弛等技术骨干，重点加强训练基础设施。

到了 7 月 23 日，整合继续推进。混元多模态模型部与大语言模型部合并为基础模型部，姚顺雨统一负责。新部门同时覆盖模型结构、数据与训练策略、强化学习、Agent 和各类模态，腾讯给出的目标是提高协同效率，探索全模态模型的能力上限。

同一阶段，多模态理解负责人胡瀚离职创业，前 OpenAI 研究员田永龙接手视觉语言模型研发，继续向姚顺雨汇报。胡瀚原来承担的部分前沿研究，可能转向世界模型方向。

这一连串动作，让姚顺雨从大语言模型负责人变成了腾讯基础模型的总负责人。文字、视觉、多模态、Infra 和 Agent 开始共享一套指挥系统。

不过，腾讯内部的 AI 赛马并没有结束。

混元在 TEG 体系内建设通用基础模型，微信团队也在训练自己的 WeLM。微信正在灰度测试的 AI 助手 " 小微 "，主模型就是微信团队自研的 WeLM，部分复杂回答会调用 DeepSeek。它没有直接把混元当成唯一底座。

QClaw、WorkBuddy、Marvis 等桌面 Agent 先后出现，元宝、ima、企业微信和 QQ 也在试不同入口。模型研发层正在收拢，产品层仍保留多支队伍。腾讯一贯擅长让业务团队先跑，哪个产品接住用户，再决定资源向哪里倾斜。AI 时代的赛马贵了很多，但这套组织惯性仍在。

所以，腾讯形成了一种颇为微妙的双层结构。

混元内部越来越集中，姚顺雨负责把通用能力追到第一梯队。具体业务仍然保留自主权，微信可以训练 WeLM，元宝和腾讯云也会按场景选择不同模型。腾讯的传统组织习惯依然存在：集团造公共发动机，业务部门仍有资格自己造，或者从外面采购一个更合适的。

微信单独训练 WeLM，有技术路线之争，也有一笔现实的经济账。

微信拥有十亿级用户。小微一旦全量开放，哪怕每名用户每天只发起几次请求，Token 消耗也会迅速膨胀。大模型应用有一个过去互联网产品很少遇到的尴尬：用户越活跃，推理成本越高。产品取得成功，算力账单也会同步成功。

微信又很难在每次对话旁边放一个收费按钮。AI 助手在相当长时间内会是一项免费功能，收入回收路径并不明确。

这种情况下，微信需要的模型首先要稳定、便宜、懂微信，够用往往比榜单第一更重要。WeLM 针对中文内容、公众号、小程序和微信操作做优化，并采用较节约算力的架构；碰到复杂推理任务，再调用能力更强的外部模型。模型路由本身已经成为产品设计的一部分。

小微因此承担着两道任务。它要给用户提供足够好的体验，也要控制每次调用的成本。回答更长、思考更深、模型参数更大，用户可能感觉更聪明，背后的 GPU 也烧得更快。

腾讯在 2026 年 5 月的业绩电话会上披露，混元新模型发布后，公司内部 Token 调用量较前代提升约十倍，已经接入 131 款产品。如果微信全面放量，调用规模还会进入另一个数量级。

这也解释了腾讯为什么会同时保留混元和 WeLM。

姚顺雨负责能力上限，微信团队守住成本、场景和产品节奏。两条路线看起来有重复建设，实际承担的任务并不完全一样。赛马给腾讯留下了选择权，也增加了资源内耗的可能。以后混元能力和推理成本都足够好，微信是否继续养一套模型，会成为一个很实际的问题。

腾讯真正要平衡的，也不只是一支团队和另一支团队。它需要在产品体验、Token 消耗和资本支出之间找位置。微信 AI 做得太克制，入口可能被豆包、千问抢走；放量过猛，又可能让一款暂时难以收费的产品吞掉大量算力。

小微并未改变腾讯整军的主线，它提供了一个观察窗口：底模需要统一指挥，微信这样的核心产品又很难完全交出自主权。腾讯要找的，是强模型中枢与业务赛马之间的新边界。队伍排齐以后，内部仍会有几匹马同时往前跑。

字节把 Seed 做成核心部队，也成了 AI 创业的黄埔军校

字节的 AI 组织调整发生得更早。走到现在，其 AI 人事线，关键词是 " 留人 "。

2024 年前后，字节将基础模型研发和 AI 产品创新分别放进 Seed 与 Flow。Seed 负责模型，Flow 负责豆包、即梦等 AI 原生应用，火山引擎承担对外云服务和商业化。这些部门进入公司核心汇报体系，AI 从业务支持工具上升为一级战略。

2025 年，原 Google DeepMind 副总裁吴永辉加入 Seed。最初，他与朱文佳分别管理基础研究和模型应用，共同向 CEO 梁汝波汇报。随后，原 AI Lab 并入 Seed，多名技术负责人转向吴永辉汇报。到 2025 年 10 月，朱文佳也改向吴永辉汇报，Seed 的一号位由此明确。

组织逻辑相当清楚：模型研发集中，产品保持高速迭代。

吴永辉强调探索智能上限，Seed Edge 等长期项目弱化短周期考核；豆包、即梦、Seedance 和火山引擎继续追求产品速度和调用规模。字节试图让研究和产品运行在不同的时钟上，又通过数据和工程平台把它们连起来。

字节这套系统培养了大量 AI 人才，也向外输送了不少创业者和竞对骨干。

据界面新闻多方信源统计，过去一年字节 Seed 有近 70 名技术人才离职，已有 30 余家 " 字节系 "AI 创业公司完成融资，方向覆盖 Agent、多模态创作、具身智能和 AI 硬件。

具体名单已经颇为可观。

字节前视觉技术负责人王长虎创办爱诗科技，推出 AI 视频产品 PixVerse；原豆包 PC 端负责人齐俊元创办 " 此间无限 "，瞄准跨应用 Agent；原剪映商业化负责人陈冕创办多模态设计产品 Lovart 和视频生成产品 Libtv；阶跃星辰联合创始人兼 CTO 朱亦博，曾是字节机器学习中台 AI Infra 负责人。

还有一批人流向 DeepSeek、月之暗面、腾讯和阿里。DeepSeek 早期员工李宇琨曾在字节搜索团队，月之暗面后训练与强化学习骨干宋鸿涌有字节经历，腾讯近期引进的肖学锋、张弛、黄启和冯佳时等人，也来自 Seed。

从这个角度看，字节确实越来越像 AI 创业领域的 " 黄埔军校 "。

它提供的训练不只来自模型研究。字节员工普遍熟悉大规模推荐系统、内容产品、增长实验、数据闭环和高并发工程。AI 创业公司恰好需要这几种能力：模型要训出来，产品要快速上线，还得用数据持续迭代。相比只会写论文或者只会做流量的团队，字节系创业者更容易组装出一套完整打法。

投资机构愿意给他们钱，也是在购买一套经过抖音、TikTok、剪映和豆包验证的组织经验。

" 黄埔军校 " 对字节是一种声誉，也是一道警报。

大厂拥有算力、数据和高薪，创业公司能够提供更大的决定权和潜在收益。当技术人才已经有能力独立定义模型或产品，单纯增加工资很难解决问题。他们会比较自己留在两千人的团队里负责一个模块，和出去成为创始人之间的差别。

字节推出 " 豆包股 "，正是对这种人才流动的回应。

这套激励与 Seed 业务价值挂钩，让员工可以直接分享豆包和模型业务的增长。它在字节内部模拟了一部分创业收益：员工继续使用大公司的算力和数据，同时获得更接近创业公司的回报预期。这是字节首次推出与单一业务部门挂钩的特殊股权激励，背景包括腾讯持续从 Seed 挖人。

所以，字节当前的组织难题已经发生变化。早期需要明确谁指挥 Seed，现在更需要解决团队变大后的官僚化，以及核心人才为什么还愿意留下。

把 Seed 做成公司里的公司，是字节给出的暂时答案。

三家公司，正在解决三道不同的题。

阿里的组织图变化太快，技术人员可能把精力耗在适应新边界上；腾讯保留多套机制，容易重复投入；字节拥有很高的人才密度，也最容易成为友商和投资机构的猎场。

这场人事变阵短期内不会停。模型路线还在变化，Agent 入口没有定型，Token 的收入与成本也没有完全算清。组织结构只能跟着技术和产品继续移动。