收拢拳头，再狠狠干一场。

出品 | 电商头条   作者 | 木易

字节过去最擅长的，就是用 " 大力出奇迹 " 的方式寻找机会。

做短视频时，它同时推出火山、抖音、西瓜等多个产品，最终跑出了抖音；进入游戏、教育等领域时，也习惯通过多线探索寻找突破口。

但到了人工智能时代，光靠多线探索还不够。随着模型越来越复杂，数据、算力和研发团队之间的协同变得更加重要，如何把分散的力量集中到关键方向，成为字节必须面对的问题。

字节AI 组织架构迎来重大调整

近日，字节的 AI 组织正在经历一轮调整。

针对大模型竞争进入新阶段后的需求，字节重新梳理模型、数据和业务之间的关系，集中资源，为下一阶段的竞争做准备。

在研发侧，字节大模型部门成立了四个新的一级部门：

Pretrain Data（预训练数据），负责人李成刚。把原先散落在文本、编程、视觉、语音等方向的预训练数据团队全部合并，统一负责新 Omni 模型的多模态数据和超大模型预训练的数据工作。

Horizon RL（强化学习），负责人唐晟宇。整合此前分散的后训练、推理和视觉理解团队，主攻强化学习，探索模型基础智能上限。

Product Posttrain-Work（B 端产品后训练），负责人秦禹嘉。主要服务 B 端，负责 Agentic 模型的整合与发布，针对办公场景优化能力。

Product Posttrain-Chat（C 端产品后训练），由原本朱文佳负责的 Application 团队更名而来，专注 C 端对话模型。

四个新部门全部向 Seed 技术负责人吴永辉汇报。调整公告中强调 " 合并相似工作、减少重合、内聚在一起。"

图源：晚点 LatePost

此前，Seed 团队按文本、代码、视觉、推理等模态划分，早期每个方向都能快速跑，但随着方向增多，边界开始模糊，" 重复造轮子 " 成了常态。这次调整把分散的数据、强化学习、后训练力量集中，同时把面向办公的 Work 和面向聊天的 Chat 彻底分开。

这次调整至少透露出三重信息：

第一，字节意识到数据不再是简单的 " 燃料 "，而是决定模型智能水平的核心基建。把各模态的预训练数据团队合并为一个部门，说明数据工程正在从后台支持走向前台战略，尤其要为超大模型和 Omni 多模态模型储备数据能力。

第二，字节在强化学习上押了重注。Horizon RL 的设立对应了行业的一个共识：预训练决定模型的天花板，后训练影响模型最终表现。

第三，字节承认了通用大模型与商业落地之间存在鸿沟。把 Work 和 Chat 分开，意味着 B 端和 C 端对模型能力的需求已经出现明显差异，需要针对不同场景优化。B 端要的是工具调用和任务完成，C 端更看重对话体验。

这一轮调整，其实是字节过去一年持续整合 AI 资源的延续。

去年吴永辉接管 Seed 后，已经组建了 Edge、Focus 和 Base 三个虚拟组织，推动不同团队共享数据和代码库，减少重复研发。

Seed Robotics 此前分散在硬件、数据和模型等多个团队，近期已统一调整至周畅负责的多模态交互与世界模型体系，以便复用数据、模型和算法能力。

为什么选择在这个时间点做这样一次大调整？

在年中全员会上，字节跳动 CEO 梁汝波承认字节大语言模型仍面临与海外领先模型的差距，并表示公司会坚持自研，接受短期落后。

而创始人张一鸣也在 Seed 全员会上定调：做模型要坚持长期主义，而不是用别人的输出换一时的榜单排名。字节内部对开源模型严禁蒸馏，张一鸣相信蒸馏会干扰真正意义上的长期技术突破。

不蒸馏，意味着核心数据必须自产、核心能力必须自研。

而自研要真正跑通，就不能再让各团队分散作战、重复造轮子。数据、强化学习、后训练这些环节高度关联，如果各自为政，很容易出现标准不一、资源浪费，最终拖慢整个模型的迭代。

所以，内部的数据工程、强化学习、后训练能力必须集中起来，形成合力。

Seed 的调整由此而来—— Pretrain Data 合并预训练数据团队，Horizon RL 单设强化学习，Work 和 Chat 拆开各行其是。

图源：晚点 LatePost

除了 Seed 内部调整，字节也在同步梳理 AI 相关业务组织。

7 月 30 日，字节跳动完成一轮 To B 与 AI 业务组织梳理：飞书产品研发团队与豆包产品团队整合统一，实现产品体系深度协同；飞书市场、销售、客户服务等商业化 GTM 团队并入火山引擎，完成旗下办公与云服务商业化体系的统一统筹。

8 月初，又成立了 "AI 数据与安全 " 一级部门。

产品、商业化、数据、底层模型研发，字节在这四个维度同时收紧战线。

大厂AI 集体变阵

全球大模型市场已从早期的美系双寡头格局演变为多极竞争，中国大模型在全球的 Token 消耗占比一年内增长了 421%。

市场关注的焦点已从 " 模型能力排名 " 转向 " 商业化收入兑现速度 "，竞争的烈度让每一家大厂都意识到，分散用兵是奢侈的。

阿里同样在加速整合 AI 资源。3 月 16 日，CEO 吴泳铭发出全员信，宣布成立 Alibaba Token Hub（ATH）事业群，把通义实验室、MaaS 业务线、千问事业部、AI 创新事业部全部整合进去，吴泳铭亲自带队。

4 月，阿里新设集团技术委员会，吴泳铭任组长，周靖人、吴泽明、李飞飞三人为成员，技术团队在 AI 战略中的权重进一步提升。

6 月 8 日，阿里再次出手——合并通义大模型事业部和未来生活实验室，成立 Token Foundry 事业部，仍由吴泳铭直接负责。阿里副总裁郑波带领的 Happy Horse、Happy Oyster 等团队一并加入。

成立由 CEO 直接负责的 Token Foundry，意味着 AI 不再是电商或云业务的辅助工具，而是被提升到集团最高战略层级。

从 3 月 ATH 到 4 月技术委员会，再到 6 月 Token Foundry，阿里在三个月内完成了三次组织升级。和字节一样，阿里也在把分散的 AI 力量向一个中心收拢。

大厂们不约而同地意识到，堆叠模型版本号没有意义，真正的壁垒在于组织效率，能不能让做模型的人、做数据的人、做产品的人和做商业化的人坐在同一张桌子上解决问题。

但组织整合只是手段，把模型用起来才是目的。

阿里率先给出了答案。1 月，千问 App 全面接入淘宝、支付宝、淘宝闪购、飞猪、高德，用户说一句话就能点外卖、买东西、订机票。5 月，千问与淘宝全面打通，接入 40 亿商品库和超 20 年的真实购物数据。

图源：阿里巴巴

字节也在加速探索 AI 与业务场景的结合。

今年 6 月，豆包参与 618 电商大促，推出 " 买前问豆包 " 功能，用户可以在购物前让 AI 帮助比较商品、分析参数和提供购买建议。

图源：豆包

8 月，豆包入口跳转抖音来客成交的酒店订单将开始执行独立渠道服务费收费，综合费率约 12%。随着 AI 助手逐渐连接搜索、推荐和交易，豆包正在尝试进一步融入消费决策链路。

图源：微博

大模型与真实业务之间的距离正在以前所未有的速度拉近，模型越贴近交易和经营，技术团队、产品和商业化之间就越需要紧密协同。这也正是字节把豆包、飞书、火山引擎整合进同一套体系的原因。

大厂集中 AI 力量，不只是为了节省算力、减少重复投入，更重要的是缩短反馈链条：业务提出真实任务，产品发现模型的不足，训练团队据此改进，新能力再回到业务现场接受检验。

大模型竞争的单位，正在从一个模型扩展为一套持续运转的组织系统。

参数和榜单仍然重要，但组织协同影响模型的迭代速度，真实业务反馈则影响技术转化为收入的效率和规模。

字节、阿里接连调整组织，只是这个阶段的开场。下一轮差距，不只体现在模型榜单上，还体现在真实任务转化为模型能力、模型能力转化为商业价值的速度上。