字节AI，先慢后快？

一向低调的字节跳动创始人张一鸣，却在近日高调发声。

他在7月底的Seed全员会上罕见现身，明确表示“字节跳动不会把蒸馏当作提升AI模型能力的捷径，即便Seed的模型能力暂时落后于国内主要的竞争对手。”

话音未落，字节又干了一件大事。据36氪报道，其成立了一个新的一级部门“AI数据与安全”，整合超千人的数据团队，与Seed、Flow、抖音等部门平行。

此外，据《晚点LatePost》报道，字节正在讨论训练一个参数规模超5万亿的模型，如果落地，将会是目前国内已知参数规模最大的模型。

同一时间，豆包的商业化也开始全面加速：68、200、500元三档包月正式上线；豆包针对生活服务订单开始抽佣；飞书产品团队与豆包合并，猛攻桌面Agent。

更大的模型、更强的技术基础，以及从架构到业务都重新整合的商业闭环，当字节AI不再强调“追赶”之后，它开始尝试讲一个更慢、但更有想象力的故事。

字节AI，继续“大力出奇迹”，只是这一次，“出力”的方向变了。

01 张一鸣“拒绝蒸馏”

字节跳动创始人张一鸣，自从在2021年退居幕后，一直非常低调。但近日，他却罕见地在Seed全员会上露面，明确表态“拒绝蒸馏”。

随后在8月5日的字节全员会上，字节CEO梁汝波进一步定调：“字节大语言模型会坚定自研，做好基本功，接受短期落后，坚持优化长期，最重要的是动作不要变形。”

两位大佬同时发声，为何字节会如此态度鲜明地反对“蒸馏”？

先看看何谓“模型蒸馏”？就是用更强大的前沿模型生成的输出，来训练自己的模型。

就像在复习时坐在学霸（教师模型）旁边，向他反复提问，得到答案；再用这些“题目和答案”来训练自己（学生模型），以快速提高成绩。

但需要明确的是，蒸馏不是抄袭，它无法直接获得另一个模型的权重和完整训练数据，它只是一种相对“更快”的学习方式。

在国内AI圈，蒸馏几乎是一种心照不宣的“常规操作”。

比如在2025年初，DeepSeek发布推理大模型DeepSeek-R1，其还同时发布了六个小尺寸的蒸馏模型，它们的“教师模型”都是R1本身。

但在海外AI 圈，蒸馏却引发了舆论风暴。

今年初，美国AI公司Anthropic指控DeepSeek、Kimi和MiniMax三家大模型厂商，对其Claude模型发起工业级“蒸馏”攻击，但这三家企业均未作出正面回应。

蒸馏确实是提升大模型能力的一条“捷径”，但“更快”是不是等于“更好”，则一直留有争议。

主流的观点是，对于第一梯队的大模型企业而言，仅仅通过蒸馏，很难真正建立起技术壁垒。况且，大规模展开蒸馏也是一个比较复杂的系统工程，也需要计算投入回报比。

蒸馏技术本身并非原罪，但至少在字节这里，其对蒸馏的警惕，几乎贯穿了整个AI叙事。

早在2023年，模型团队内部就明确，不得将GPT生成的数据加入训练数据集。

2025年1月，DeepSeekR1横空出世，以有限的训练成本展现出强大的推理能力，给国内大模型企业带来很大的竞争压力，包括字节Seed团队。

对此，Seed内部曾有过讨论，是否要采用蒸馏方式，引入美国头部模型的生成结果，但最终这个提议被管理层否决了。

不过，面对国内外大模型不断跃升的智能水平，蒸馏一直是Seed内部无法回避的选项。

一直到Kimi K3出现，这个同样来自国内的大模型，能力已非常接近国外闭源旗舰模型，让Seed内部偏向蒸馏的声音更多了。

这一次，张一鸣终于站出来表态“不接受蒸馏”。据36氪报道，这次全体会之后，Seed内部出台了新的政策，明确要求禁止蒸馏K3等开放权重模型，并追溯排查疑似蒸馏的行为。

对字节来说，“拒绝蒸馏”不仅仅是口号，还是已经落到实处的动作。

02 打自己最擅长的牌

但问题是，一向信奉“大力出奇迹”的字节，这次为何一反常态，宁愿慢下来？

或许可以回到字节自身的基因里去找答案。

2012年，字节跳动推出第一款产品“今日头条”，从产品模式来看并不算非常创新。当时，搜狐、网易、腾讯等大厂均推出了类似的资讯APP。

但“今日头条”的特别之处在于，它尝试用技术手段来影响哪些内容能被用户看到，依靠算法推荐这一技术，字节走出了一条区别于门户的新闻资讯模式，并沿用至今。

如此，也就不难明白为何张一鸣选择对“蒸馏”说NO。蒸馏本质上是在复制别人已有的能力，沿着这条路走，最多只能不断逼近对方，很难真正实现超越。

只有颠覆行业已有的经验，才能走出属于自己的赛道，这是字节从打造第一款产品就学会的经验，在AI大模型领域更是如此。

2024年，牛津、剑桥等机构的联合研究登上《Nature》封面，指出如果模型反复用AI生成的数据训练，原始数据分布中的尾部信息会逐渐消失，最终产生不可逆的能力退化。

更重要的是，字节的核心战场从来不是纯文本大模型，而是原生多模态，它要求模型从零构建对物理世界的多维度感知，建立文本、图像、视频、音频之间的深层对齐机制。

如果选择蒸馏别人的模型，就相当于继承了别人的编码地基，字节就会失去从零定义多模态模型规则的能力。

那么，拒绝蒸馏的字节，靠什么来让模型变得更强？答案是数据。

近日，字节跳动成立了一个新的一级部门“AI数据与安全”。这个部门的前身之一，是由TikTok创始团队成员傅越成立的数据团队Global Data，同时还整合了多个此前分散的AI数据部门。

据《智能涌现》报道，接近该部门人士表示，这一部门将会是一个横跨基座模型到业务团队的庞大数据团队，其核心职能是为字节所有大模型，提供跨模态的数据服务。

在这之前，字节对大模型的训练数据一直不吝投入。2026年，字节的数据预算已超过千万美元级别，并且是“可以随时追加预算”的状态。

“数据”为什么越来越重要。如今，整个AI行业正在经历一场结构性转变，大模型能力正在快速同质化，算法架构带来的能力提升趋缓，数据逐渐成为决定模型能力上限的变量。

但越是高质量的数据，越是稀缺。据独立研究机构EpochAI 的最新测算，语言模型的训练将在未来五年耗尽人类公开的文本数据，高质量语言数据的枯竭甚至可能提前至2026年。

过去一年，各大模型厂商都加大了对数据的投入。2025年，Anthropic为RL数据拨出了超10亿美元预算；OpenAI全年数据开销约10亿美元，内部预测2030年将涨到80亿美元。

然而，数据恰恰就是字节最擅长的牌。

过去十年，字节已经积累了一套极其成熟的数据飞轮：全球用户每天在平台上产生海量的行为数据，帮助字节绘出更细致的用户图谱，同时不断完善平台的推荐算法。

这些沉淀下来的图文、视频、直播和互动数据，不仅量大，而且真实、带有上下文，也成为了字节大模型最稀缺的训练材料。

在通往AGI的路上，字节已经握着比别人更多一点的底牌。

03 赌一个“不同的未来”

可是，“靠自己”注定会是一条更难的路，甚至会造成暂时落后。

梁汝波也坦承，豆包在C端应用上保持了竞争力，视频生成模型Seedance保持了SOTA，但大语言模型被海外领先模型拉大了差距。

但字节愿意接受这个代价。

因为它在赌一个跟当下其他AI大厂不一样的未来——不是只追求参数和规模的超级大模型；也不是只贩卖模型的技术供应商，而是让AI数据飞轮带动整个生态转动。

字节的目标，在它最近的商业化动作中可以看得清清楚楚。

在C端，豆包开始尝试收费模式。

根据QuestMobile发布的2026年6月AI原生APP月活榜单，豆包以3.82亿月活断层第一，且用户规模还在持续增长，同比增速达172.1%。

用户规模跑起来之后，豆包开始推出专业版会员（68/200/500元三档）；同一时间，飞书产品团队已全盘并入豆包，以后一个豆包，就能打通生活和办公两大场景。

在B端，豆包也开始“收税”了。自8月10日起，经豆包入口跳转至抖音来客并成交的部分订单开始执行独立费率，酒店订单的综合费率约12%；部分生活服务类订单约为18%。

还有Seedance，据《晚点LatePost》了解，字节Seedance 2.0视频生成模型当前年化收入（ARR）已达20亿美元（约 143 亿元人民币）。

过去，字节以抖音为流量引擎，嫁接广告与电商；现在，豆包已被列为单独渠道，字节开始为这类由AI带来的交易单独计价。

字节的收费模式只是刚刚开始，比起收多少钱，重要的是其已经打通了以AI助手为入口所带来的一整条交易链路，可以用AI重写本地生活、工作职场两大最高频场景的入口规则。

国内大模型行业的商业化，字节暂时跑在了最前面，核心正是由底座模型、C端和B端所组成的统一战线：

C端豆包在前端“蓄水”，作为统一的落地载体，不断丰富应用场景圈住用户；B端则在中端“开闸”，通过深入本地生活、办公、影视等不同场景，为企业客户提供服务，并收费；

Seed和火山引擎则在底层“筑基”，以模型能力和算力基建托举整个飞轮的持续运转，以上三层打通，字节AI从流量到变现的路就通了。

所以，字节不需要用别人的输出来快速补课AI，它更需要的是用时间去打磨场景、积累数据，像以往孵化APP那样，将大模型当成一个能长出商业模式的实体，服务好用户。

相较于快速拿到好成绩，字节更需要的是时间。

在这场激烈的AI竞争中，每一家大厂都有自己的技术优势和生态能力，字节也有自己的长板——那就是一个更契合的AI生态闭环。

当然，字节赌的这个“未来”，是AI最终会成为下一代的超级入口。

但在AI时代，变化总比想象中来得更快，字节这只“慢龟”，最终能不能更快跑到终点，还要看其他竞争对手如何发力。