字節跳動組建千人AI數據部門，力推「不蒸餾」戰略

字節跳動新成立的AI數據與安全部門整合了一支超過1,000人的數據團隊，押注自有數據——而非蒸餾——將決定前沿模型競賽的勝負。該部門由前TikTok Live負責人Adam Wang領導，與核心AI業務Seed、Flow和抖音並列，是自2023年底上述部門成立以來首個新增的一級AI部門。

「字節跳動的大語言模型將堅定走自主研發路線，夯實基礎，接受短期落後，堅持長期優化，」CEO梁汝波在8月5日的全員會議上表示。創辦人張一鳴在7月底告訴Seed團隊，公司將「堅決不蒸餾」，認為打造真正的能力需要「長期主義和延遲滿足」。

該部門整合了TikTok創始成員傅堯於2023年組建的約100人全球數據團隊、企業數據平台DMC，以及Flow的AI數據平台AIDP。字節跳動用於世界模型和程式碼模型的數據預算在2026年初已超過一億美元，且可隨時追加。僅Seedance影片模型的數據評測團隊就超過1,000人，每位演算法工程師背後有十多位數據同事支援。

此舉反映了整個產業的結構性轉變：隨著公開網路數據枯竭，高品質的真實世界數據已取代演算法和算力，成為模型競爭的核心變數。字節跳動拒絕蒸餾意味著模型改進幾乎完全依賴於必須自行採集、合成和清洗的自有數據。

數據成為決定性變數

這項押注不僅限於字節跳動。Anthropic在2025年一年內就為強化學習數據撥款超過十億美元。矽谷數據服務公司Mercor的年化營收從2025年的5億美元攀升至2026年中期的20億美元，其中91%來自OpenAI和Anthropic，其估值在三年內達到200億美元。阿里巴巴和騰訊均提高了數據採購預算，而騰訊過去六個月一直在以最高三倍的薪資挖角字節跳動的數據員工。

稀缺性源於從公開數據到私有數據的轉變。必須像醫生、律師或研究人員一樣工作的模型需要「過程數據」——專家如何解讀模糊意圖、搜尋上下文、犯錯並糾正的軌跡。這些數據存在於企業程式碼庫和日常工作流程工件中，而非開放的網路上。

規模化的挑戰

字節跳動的數據團隊運行內部競爭機制，按世界模型、程式碼和高等學術課題劃分團隊，每個項目都需計算投資報酬率。核心挑戰是在模型能力邊界快速變遷的情況下，保持一個千人的組織高效響應——今天最稀缺的數據可能在六個月內就失去價值。

該公司還在將AI從消費端推向企業應用。7月30日，字節跳動將飛書產品團隊併入豆包，由豆包負責人趙齊統一負責，使豆包成為企業AI市場的入口。它能否如梁汝波所述，成長為繼抖音之後的第二個「粗壯主幹」，將是未來十年的關鍵考驗。

據英國《金融時報》報導，字節跳動據悉正在訓練一個可能達到10兆參數的模型，由Seed在曾任職Google DeepMind的科學家吳永輝領導下推進。這將是月之暗面Kimi K3（2.8兆參數）的三倍以上，也大於Anthropic估計的8兆參數Mythos 5。豆包在中國約有3.24億月活躍用戶。

對投資者而言，數據軍備競賽提高了前沿AI開發的成本，並將價值集中於數據基礎設施和服務。字節跳動的私有化身分限制了直接投資曝光，但上市同業阿里巴巴和騰訊面臨不斷上升的數據採購成本，而Mercor等數據服務公司則捕捉到這部分支出。問題在於市場是否已為一場才剛開始的數據戰爭定價。

本文僅供參考，不構成投資建議。