张一鸣那句 " 做大模型坚决不蒸馏 " 的表态，正在从技术路线主张，落地成整套组织架构的系统性调整。

近日字节跳动组建 AI 数据与安全部门的消息逐步坐实，由原 TikTok 平台责任负责人王赢磊牵头，将此前分散在集团数据中台 DMC、Flow 业务线 AIDP、Global Data 等团队的数据相关职能全盘整合，覆盖从数据需求定义、来源采购、清洗标注，到质量校验、安全合规的全链路管理。 这不是一次普通的团队合并，而是字节 AI 战略的又一次底层升级：当模型研发、C 端产品、B 端商业化三条战线都进入加速期后，曾经作为 " 后勤支撑 " 的数据能力，正式被抬到了与模型、业务平级的战略位置。

从后台支撑到一级部门：数据成了字节 AI 的第四架马车

这次调整最核心的信号，是部门级别的提升。 新成立的 AI 数据与安全部门，与 Seed（大模型研发）、Flow（AI 产品）、抖音、火山引擎等业务线平级，直接跻身公司一级部门序列。在此之前，AI 数据相关工作分散在多条业务线：集团数据中台负责通用数据能力，Seed 团队配套自己的标注团队，Flow 旗下有独立的 AI 数据平台，彼此职责重叠、标准不一，既容易造成重复投入，也会拖慢模型迭代的整体效率。

整合之后，所有 AI 数据相关的资源被收拢到同一体系下，形成了清晰的分工闭环：

统一规划数据需求，避免各业务线重复采购、重复标注；

统一管控数据质量，从源头到加工全链路制定标准，为模型训练提供更可控的 " 弹药 "；

统一负责数据安全与合规，在数据采购、使用、训练全流程嵌入合规审查，守住大模型的监管底线。 简单说，以前数据是服务模型的后台部门，现在成了和模型、产品、商业化并列的核心支柱。字节 AI 的作战体系，从过去的 " 模型 + 产品 + 商业化 " 三驾马车，变成了 "Seed 攻坚模型 + 豆包做 C 端产品 + 火山引擎做 B 端商业化 + 数据部门供给底座 " 的四梁八柱。

十年组织进化：从推荐工具到全栈 AI 战略

把这次调整放进字节 AI 的发展脉络里看，就会发现这不是临时起意，而是大模型浪潮下组织升级的必经一步。 字节的 AI 积累远早于大模型风口。2016 年成立的 AI Lab 由前微软亚研院副院长马维英带队，直接向张一鸣汇报，核心任务是为内容产品提供技术支撑 —— 今日头条的推荐算法、抖音的视频特效与内容分发，背后都是这支团队的技术输出。可以说，字节本身就是靠 AI 算法长大的公司，推荐时代的 AI 能力，是它最底层的原生优势。

大模型浪潮袭来后，原有 AI 组织不足以覆盖从基础研发到产品落地的全链条，字节由此开启了连续的架构升级： 2023 年，从 AI Lab、AML、搜索等团队抽调核心力量，组建大模型研发部门 Seed，明确走自主研发路线，仅自有数据标注团队就配置近千人，为 " 不蒸馏、不抄近路 " 的技术路线搭好了研发班底； 同年 11 月，成立 AI 应用部门 Flow，专门负责 C 端 AI 产品落地，后续陆续推出豆包、猫箱、豆包爱学等产品，补齐了应用层短板；

到 2023 年底，Seed 与 Flow 双双升级为一级部门，与抖音、TikTok、火山引擎并列，AI 正式从技术支持部门，升级为公司级核心战略业务。 2025 年吴永辉从 DeepMind 加入后，字节又对飞书做了拆分：产品能力并入豆包，销售体系划入火山引擎。前者让豆包承接了飞书积累的企业办公能力，补齐了 B 端产品短板；后者让火山引擎拿到了完整的客户与销售资源，强化了商业化输出能力。 再到如今 AI 数据与安全部门成立，本质是把 AI 最底层的生产资料 —— 数据，也纳入集中化的战略管理。每一次架构调整，都对应着业务边界的扩张；每一次资源收拢，都是为了集中力量啃更硬的技术骨头。

为什么现在死磕数据？" 不蒸馏 " 的路线没有捷径

字节急着补齐数据这块拼图，核心驱动力来自两个现实：一边是产品和商业化跑得太快，数据供给已经跟不上；另一边是基础模型要补课，" 不蒸馏 " 的路线决定了只能靠高质量数据硬堆。 先看业务侧的压力。截至 2026 年 6 月，豆包大模型日均 Token 调用量已突破 180 万亿，过去一年增幅超 10 倍；B 端火山引擎在公有云 MaaS 市场份额达到 49.5%，稳居行业第一。C 端用户需求和 B 端企业需求同时爆发，对训练数据、微调数据、推理优化数据的需求呈指数级增长，分散式的数据管理已经撑不起这种规模的业务增速。

更关键的是模型侧的补课压力。梁汝波在年中全员会上已经明确表态：字节的视频生成模型 Seedance 保持行业领先，但基础大语言模型和海外头部产品之间确实存在差距。 张一鸣定下的 " 坚决不蒸馏 " 路线，堵死了靠微调、蒸馏快速追平的捷径。在他看来，依赖蒸馏追赶短期效果好看，却会干扰真正的长期技术突破。不走捷径，就只能靠原生训练硬拼 —— 而大模型训练到今天，参数规模、算力投入的边际效益正在递减，真正的瓶颈已经落到了高质量数据的数量与纯度上。 坊间传闻字节正在规划参数量超 5 万亿的超级大模型，如果消息属实，对训练数据的需求会是现有量级的数倍。把数据部门升级为一级组织，本质就是为接下来的高强度模型迭代，提前备好粮草、理顺供应链。

长板足够长，短板待补课：字节 AI 的攻守道

客观来看，当前字节在国内 AI 赛道的位置非常鲜明：长板足够突出，短板也非常清晰，这次架构调整，就是在给短板补课。 它的优势几乎都在落地侧。C 端豆包的用户规模、日活、调用量断层领先，是国内唯一一个真正跑成国民级应用的大模型产品；B 端火山引擎靠 MaaS 服务拿下近半市场份额，商业化跑通速度行业最快；视频生成赛道 Seedance 持续领跑，依托抖音的海量视频数据积累，形成了别人很难追上的壁垒；再加上推荐算法时代攒下的工程化能力、用户理解能力，都是它的天然优势。

但它的短板也同样集中在底层。基础大语言模型的原生能力，在主流评测榜单上落后于阿里 Qwen3.8-Max、月之暗面 Kimi K3，技术厚度和第一梯队头部还有差距；开源生态的建设进度，也不及千问的全球影响力。 而 " 不蒸馏 " 的路线选择，意味着字节要接受短期追赶速度更慢，去换长期的技术自主性。这是典型的张一鸣式决策：不赚短期快钱，不蹭风口热度，认准长期方向后，就从组织、人才、资源上全套配置，沉下心打持久战。

大模型行业的竞争，早已经过了靠微调、蒸馏快速追平的草莽阶段，进入了拼数据、拼工程化、拼全栈能力的深水区。 有人选捷径快速出成绩，就有人选慢路打地基。字节这次把数据能力上升到战略级，就是在为 " 不蒸馏 " 的长期路线铺路 —— 组织架构先对齐战略方向，资源再跟着组织走，一步步把底层能力补扎实。 整合只是第一步，团队磨合的效率、数据质量的提升、最终能不能兑现成模型能力的跨越，都需要时间验证。但能确定的是，张一鸣给字节 AI 定的方向从来没变过： 宁可暂时落后，也要把基本功做扎实。毕竟真正的技术长跑，从来没有捷径可走。