文 | 伯虎财经（bohuFN），作者 | 楷楷
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。
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，DeepSeek R1 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。
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%。
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%。
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。
文章封面首图及配图，版权归版权所有人所有。若版权者认为其作品不宜供大家浏览或不应无偿使用，请及时联系我们，本平台将立即更正。
