字节Seed大改组：四个新部门剑指5万亿参数模型，国内最大AI军备竞赛再加速

8月19日晚间，晚点 LatePost 爆料：字节跳动大模型部门 Seed 已于上周完成新一轮组织调整，核心变化是 Seed Foundation Model（Seed 基础模型）成立了四个新的一级部门。这不是一次普通的人事变动——它被普遍解读为字节为训练国内已知参数规模最大的模型（超过 5 万亿参数）铺路。

四个新部门，各扛一摊活

– Pretrain Data（负责人李成刚）：把原先分散在文本、编程、视觉理解、语音等方向的预训练数据团队合并，统一负责新 Omni 模型的多模态数据，以及超大模型预训练所需的数据工作

– Horizon RL（负责人唐晟宇）：整合此前散落在后训练、推理、视觉理解方向的后训练团队，主攻强化学习，目标是提升模型的基础智能上限

– Product Posttrain-Work（负责人秦禹嘉）：服务 B 端应用，负责 Agentic 模型的整合与发布，针对办公场景优化，支持豆包和 Dola 的任务模式

– Product Posttrain-Chat：由原朱文佳负责的 Application 团队更名，服务 C 端对话模型

四个部门统一向吴永辉汇报，AI 安全及其他前沿方向也分别任命了负责人。Seed 在调整公告中的原话是：“合并相似工作、减少 overlap（重合），内聚在一起。”翻译成大白话：砍掉重复建设，集中力量办大事。

为什么现在动刀

此前 Seed 按模态和研究方向划分团队：文本、代码、视觉、推理各有自己的数据与后训练团队。早期这样跑得快，但研究方向一多，团队边界就模糊了，“重复造轮子”、跨团队沟通成本飙升——同一个数据清洗流程，视觉组和文本组各做一遍，纯属浪费。

而真正的催化剂在本月早些时候：多家媒体披露字节正在讨论训练参数规模超 5 万亿的模型。这个数字意味着什么？它超过阿里 Qwen 3.8-Max 的 2.4 万亿参数、月之暗面 K3 的 2.8 万亿参数，是目前国内已知最大的模型计划。模型越大，理论上智能水平越高，但训练成本、数据需求、工程复杂度都是指数级上涨——原来的组织形态扛不住，必须重构。

调整中一个明显信号：应用后训练团队按用户任务拆成 Work（办公/Agent）和 Chat（对话） 两个方向。这说明字节对“下一代模型往哪赚钱”已有判断——Agentic 能力优先服务 B 端办公场景，C 端继续卷对话体验。这也和豆包、Dola 在办公场景的布局直接呼应：先有产品方向，再有组织匹配。

对行业意味着什么

字节的“超大杯”计划一旦落地，国内大模型格局将进入新的烧钱阶段：5 万亿参数的训练成本是千亿级投入，会进一步拉开头部与二线的差距。对开发者而言，Agent 生态（豆包、Dola 的任务模式）会更快成熟；对打工人而言，办公场景的 AI 助手能力升级可能比想象中来得快。

谁该关注：大模型从业者、Agent 应用开发者、关注 AI 资本开支的投资者。谁可以忽略：普通用户短期内感知不到变化，但可以期待下半年字节系 AI 产品的 Agent 能力明显变强。

需要提醒的是，组织调整到位不等于模型马上出来——5 万亿参数的训练周期以年计，中间还要过数据、算力、稳定性三道坎。但字节这次“为未来组织架构”的决心，已经写得很清楚了。

👇 关注不错过。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn