一场关于 AI 的发展之路

图片来源|网络（如侵权请联系删除）部分 AI 生成

张一鸣给了字节 AI 一个时间表，但这个时间表最值得玩味的地方，不是 "2029 年 " 这个数字本身。

据多家媒体报道，他在近期一次面向 AI 团队的全员会议上表示，字节有能力与 OpenAI 和 Anthropic 竞争，但真正追平前沿技术，" 最早也要到 2029 年或 2030 年 "。

同一场内部讲话里，他坦承了一件更具体的事：Seed 系列模型的预训练数据集规模，比领先竞争对手 " 小几个数量级 "。

大多数讨论会把焦点放在 " 三年够不够 "。但如果你把字节 AI 当下的真实状态摊开来看，会发现一个更根本的问题：张一鸣说的 " 追平 "，追的到底是什么？

字节在 AI 应用层的数据是碾压级的。豆包 2026 年 9 月月活 4.19 亿，是千问和 DeepSeek 加起来的两倍多；日均 Token 调用量在 6 月就突破了 180 万亿，较发布时增长逾 1500 倍；火山引擎在公有云 MaaS 市场的 Token 份额达到 49.5%，国内第一。

如果 " 追平 " 指的是产品规模、用户触达和推理吞吐，字节不需要等到 2029 年。

但他明确说的是 " 前沿技术 "。而前沿技术的竞争，和字节最擅长的产品竞争，是两套完全不同的游戏。

一场 " 上下撕裂 " 的 AI 战役

字节 AI 目前最值得注意的特征，不是落后，而是上下半身的严重错位。

上半身是应用层，烈火烹油。豆包用免费策略加抖音导流，在国内 C 端形成了几乎没有对手的规模优势。

视频生成模型 Seedance 则是一个更被低估的资产：OpenAI 在 AI 视频领域收缩、关闭 Sora 相关服务之后，Seedance 几乎以填空的姿态接住了市场。

背靠抖音，字节拥有全球体量最大、更新最鲜活的视频语料库，这是任何以文本为中心的公司无法用资本复制的结构性优势。

据 LatePost 报道，Seedance 年化收入已达到 20 亿美元量级，单月超过 10 亿元，绝大部分来自企业客户，基本可以对冲豆包的算力成本。

下半身是底层基座模型，相对安静。Seed 语言主模型最近一次大版本发布，是 2026 年 6 月的 Seed 2.1。

在中国头部 AI 公司中，Seed 是唯一没有推出在主流评测中位居世界最前列的语言模型的团队。

字节 CEO 梁汝波在 2026 年 8 月的年中全员会上也公开承认，大语言模型和海外领先模型的差距 " 有所拉大 "。

这种错位并非偶然的产品节奏问题，而是字节的组织基因决定的。

这家公司最擅长的从来是 " 用工程化能力和分发效率把一个已经被验证的需求做到极致 "，而不是 " 在基础研究的不确定性中率先定义下一代能力的边界 "。

豆包的成功，很大程度上建立在字节极其强悍的产品运营、推荐算法和买量预算之上，而不是建立在 Seed 模型对竞争对手的代差优势之上。

张一鸣给出的 2029 年，本质上是在为一次基因层面的补课留出时间。

数据鸿沟比算力鸿沟更难用钱填平

谈到中国大模型与海外的差距，算力永远是最先被提起的变量。

字节在算力上的投入确实凶猛：2026 年 AI 基础设施资本开支上调至超 2000 亿元，较年初计划增幅至少 25%，甚至有消息称其评估将资本支出推至最高 700 亿美元的量级。

在英伟达芯片采购上，字节同样走在国内前列，2026 年计划投入约 1000 亿元采购 AI 芯片，较 2025 年增长 17.6%。

但张一鸣自己点的那个问题，比算力更难解。他说的是预训练数据集 " 小几个数量级 "。

在 Scaling Laws 仍然主导前沿模型演进的阶段，数据规模不只是一个 " 量 " 的问题，它直接决定了模型在长尾知识、多语言覆盖、复杂推理和开放式任务上的能力天花板。

字节在国内拥有极其丰富的内容生态，但走到全球范围去获取高质量、多语言、高知识密度的语料时，面临的是一道由版权体系、数据壁垒和地缘现实共同构成的墙。

这道墙不是靠增加资本开支就能拆掉的。你可以买更多的 GPU，但你买不到一个已经沉淀了二十年的全球高质量语料库的合法使用权和清洗管线。

这也是为什么张一鸣在同一场讲话里重申了那条纪律：不依赖蒸馏。

在国产大模型的现实语境中，用 GPT 或 Claude 的输出做微调，是一条众所周知的效率捷径。

字节内部在 DeepSeek-R1 发布、Blackwell 部署、Kimi K3 开源三个节点上曾三次讨论是否启用蒸馏方案，三次都被张一鸣否决。

他的判断很直白：蒸馏可以快速逼近对手，但只能做模仿者，很难实现真正超越。

这是一个需要付出代价的选择。拒绝蒸馏意味着 Seed 语言主模型在公开榜单上必须忍受一段 " 不够好看 " 的时期，而这段时间里，竞争对手可以用蒸馏快速拉高跑分、争取客户和声量。

张一鸣愿意接受这个代价，说明他至少清楚一件事：前沿模型的竞争最终奖励的是定义能力边界的人，而不是拟合别人答案的人。

但这条路的残酷之处在于，它不保证你花了钱、忍了落后，就一定能走到终点。

组织在 " 工业化 "，但前沿研究不是流水线

字节对 Seed 的改造，是理解这家公司 AI 战略的另一个关键切面。

2025 年从 Google DeepMind 挖来吴永辉之后，Seed 在 2026 年完成了一轮被外界称为 " 大兵团重组 " 的架构调整，形成了 Pretrain Data、Horizon RL、Product Posttrain-Work、Product Posttrain-Chat 等一级部门，加上后续落位的安全与对齐板块，一套极度清晰的工业化分工体系基本成型。

这套架构的意图很明确：把大模型研发从 " 几个天才带一支小团队 " 的作坊模式，改造成一条可管理、可扩展、可问责的工程流水线。

预训练数据被整合成全模态的统一供给，强化学习被单独拎出来作为拉开模型差距的关键杠杆，后训练则按照 B 端 Agentic 场景和 C 端对话场景做了明确的商业导向拆分。

从组织设计的角度，这几乎是字节工程基因的最优表达。

但这里存在一个容易被忽略的张力。前沿模型的突破，并不完全遵循工业流水线的逻辑。

流水线擅长的是在既定范式下做规模化优化，把良率从 80% 推到 95%；而 " 追平前沿 " 要求的是在范式尚未收敛的地方做出正确的方向判断，是在无数次失败的训练运行中识别出哪一条 Scaling 路径值得继续押注。

后者依赖的不只是组织效率，更是研究品味、试错文化和容忍 " 聪明人用看起来不高效的方式探索 " 的空间。

Seed 评测负责人黄文灏在架构调整期间离职、选择创业，就是一个微妙的注脚：当研发流程被切割得足够细、足够标准化之后，那些习惯于从 0 到 1 主导模型训练的全才型研究者，在巨头内部的留存空间反而可能被压缩。

字节用一年时间把 Seed 从 " 游击队 " 改造成了 " 正规军 "，这一步必须走。但正规军能不能打赢前沿研究这场没有地图的战争，是另一回事。

OpenAI 和 Anthropic 的 " 追平线 " 本身在移动

讨论字节能不能在 2029 年追平，还有一个隐含假设需要拆掉：OpenAI 和 Anthropic 会停在原地等它吗？

看财务曲线就知道答案。OpenAI 2026 年第三季度单季营收触及 100 亿美元，环比增长近 50%，年化收入在 8 月突破 400 亿美元；Anthropic 第三季度营收 170 亿美元，同比增长 1127%，调整后营业利润率达到 15%，第二季度就已经实现了经营利润转正。

更关键的是，Anthropic 的收入结构高度集中在企业级 API 和代码场景，Claude 在内部贡献了超过 90% 的代码，TTM 人均创收超过 660 万美元。

这意味着它的收入不是靠 C 端订阅的规模效应堆出来的，而是嵌入了企业生产流程之后产生的粘性现金流。

换句话说，OpenAI 和 Anthropic 不仅在技术上领先，它们的商业化飞轮已经转起来了。

Anthropic 的盈利转正意味着它可以用经营现金流部分支撑下一轮研发投入，而不是完全依赖外部融资来填补算力黑洞。

OpenAI 虽然仍在用营收换算力承诺、负自由现金流短期难以扭转，但单季 100 亿美元的营收体量本身，已经给了它远超大多数竞争对手的试错弹药。

而字节的 AI 商业化账本，结构和这两家完全不同。

豆包月活 4.19 亿，但截至 2026 年上半年，豆包 App 每天收入不足 100 万元，主要来自电商佣金，上半年总收入不足 1 亿元。

字节 AI 真正产生规模化收入的是 Seedance，年化 20 亿美元量级，来自企业客户的视频生成需求。

这不是说字节的 AI 商业化不行，而是说它的现金牛赛道和前沿语言模型的变现逻辑之间，存在一条不小的断层。

视频生成和 C 端流量可以养活团队、摊薄算力成本，但它们不会自动转化为 Seed 语言基座模型在 Agentic 编程、复杂推理和企业级 API 市场上的竞争力。

而后者恰恰是 OpenAI 和 Anthropic 最深的护城河所在。

如果前沿模型的竞争在未来三年继续沿着当前的轨迹演进，那么数据规模仍然是核心壁垒，Scaling Laws 仍然奖励最大的预训练投入，企业级 Agent 和代码能力仍然是拉开商业差距的主战场，字节在 2029 年追平 OpenAI 和 Anthropic 的难度，不会因为 2000 亿资本开支和 10 万亿参数模型的推进而线性下降。

数据的结构性短板、组织从产品驱动向研究驱动的基因迁移、以及商业化断层，每一个都是需要以年为单位消化的变量。

10 万亿参数模型的预训练已经在推进，量级对标 Anthropic 最高端模型，但它尚处在早期阶段，最终能否转化为可交付的前沿能力，目前没有定论。

但字节手里有一张 OpenAI 和 Anthropic 没有的牌：它可能是全球范围内唯一同时拥有十亿级 C 端分发网络、全球最大短视频语料库、以及规模化企业级视频生成收入的公司。

如果前沿模型的竞争范式在某个节点发生偏移，比如多模态和视频理解成为 Agent 能力的核心构成，或者模型竞争的重心从 " 基准分数 " 转向 " 在真实产品流中的渗透深度和推理成本效率 "，那么字节的非对称优势就会被重新定价。

Seedance 在视频生成上的位置，以及豆包在超大规模推理场景中积累的工程经验，在那种范式下会比在今天更值钱。

所以到 2029 年追平，与其理解为字节给自己定的 deadline，不如理解为张一鸣对当前竞争范式还能持续多久的一个隐含判断。

他在赌的是，前沿模型的竞争不会永远停留在 " 谁的数据更多、谁的基座更聪明 " 这一层，而是会在某个时刻回到字节更熟悉的那片战场：谁能让智能以更低的成本、更深的渗透、更自然的交互方式进入数亿人的日常。

在那之前，字节需要忍受一段不那么好看的时期。

Seed 语言主模型继续在榜单中段徘徊，豆包继续用巨大的流量摊薄算力成本，Seedance 继续闷声赚企业客户的钱，而 Seed 的千人团队在吴永辉的 " 五路大军 " 体系里，一点一点补数据的课、补预训练的课、补从产品驱动到研究驱动的基因课。

三年够不够，没有人知道。

但至少张一鸣没有把 " 追平 " 包装成一个近在眼前的故事。在一个充斥着 "AGI 两年降临 " 叙事的行业里，一个创始人愿意公开说 " 最早也要 2029 年 "，本身就是一种信息。

它意味着字节的 AI 战略正在从 " 用产品能力兑现短期规模 "，转向 " 用长期投入赌一个范式切换的窗口 "。

赌对了，2029 年是起点；赌错了，时间表还会往后移。

01

02

03