字節跳動創始人張一鳴在7月的Seed全員會上罕見定調：不得依賴蒸餾其他公司的前沿模型來提升能力。據《The Information》8月5日報道，張一鳴明確表示，即使Seed暫時落後，也不能走這條捷徑。這一表態迅速成為中國AI圈的焦點，也揭示了位元組在激烈的大模型競賽中，正試圖從追趕者轉向原創者。

蒸餾，簡言之，就是讓自家模型學習更強模型的輸出，從而快速縮小差距。這項技術並不新鮮，早在2015年，深度學習之父傑弗裡·辛頓等人就係統推廣過知識蒸餾。過去，它主要用於壓縮模型、降低成本。但ChatGPT出現後，當最先進的大模型成為各家公司核心資產，蒸餾也開始捲入智慧財產權、技術原創和中美AI競爭的爭議。

對位元組而言，大語言模型是明顯的短板。每當有更強的開源模型出現，Seed內部關於蒸餾的討論就會升溫。張一鳴的拍板，等於主動堵上了這條被許多團隊視為“彎道超車”的路徑。據參會員工透露，他給出的理由是：為了實現長遠目標，應該願意犧牲一些短期利益。

位元組CEO梁汝波在8月6日的年中全員會上回應了外界猜測。他承認，位元組的大語言模型目前確實落後，與海外領先模型的差距還在擴大。但對於“外部壓力迫使位元組堅持自研”的說法，梁汝波直接用了兩個字：“瞎猜”。他解釋，真正的原因是希望團隊學會延遲滿足，把基本功打牢。

張一鳴的禁令不僅針對美國模型。據國內媒體報道，位元組內部對利用其他開源模型進行蒸餾同樣嚴格限制，甚至會通過API檢測等方式加強管控。這顯示出他更深層的擔憂：Seed不能習慣站在別人鋪好的路上。蒸餾能幫助團隊迅速接近已有目標，卻很難告訴它下一個目標在哪裡。今天學Claude，明天追GPT，排名可能越來越好，但研究方向、訓練方法甚至評價標準，都會跟著別人走。久而久之，位元組可以成為非常強的追趕者，卻很難成為第一個提出新問題的人。

要理解張一鳴的邏輯，得回到2012年。那時今日頭條剛起步，團隊在知春路錦秋家園的辦公室裡討論是否要做個性化推薦引擎。當時中國創業公司中真正下決心做推薦引擎的並不多，張一鳴和團隊自己也不會。有人擔心“沒有推薦的基因和能力”，張一鳴的回答很簡單：“推薦我們不會，但可以學啊。”後來，位元組真的從頭學起，今日頭條靠這套演算法改變了新聞分發，抖音又把它帶進短影片時代。張一鳴後來回憶說：“開始的時候我們的很多方法並不好，但是很努力、很專注，大力出奇跡。”

“大力出奇跡”成了位元組早期的氣質：產品先上，資料說話，快速試錯，持續迭代。但到2021年，張一鳴突然承認自己有點跟不上了。那年5月，38歲的他宣佈卸任CEO，在內部信中坦言自己過去幾年很大程度上在“吃老本”，2017年以後很少有時間系統學習新技術。他決定把日常經營交給梁汝波，自己騰出時間學習、思考，以十年為期。當時外界以為這是退場，五年後再看，更像是一次換位。

如今，張一鳴大約一半的工作時間和精力都放在Seed上。他很少公開談論AI，即使在內部會議上也大多隻是聽、追問。直到2026年7月，當團隊再次討論是否蒸餾時，他罕見地開了口。與此同時，位元組開始給一部分人鬆綁。2025年初，原Google DeepMind研究副總裁吳永輝加入位元組，負責Seed基礎研究。同期啟動的Seed Edge計劃，專門研究週期更長、結果更不確定的AGI課題，這支團隊取消季度OKR和半年考核，獲得單獨算力支援。吳永輝推動資訊共享，鼓勵研究員發表論文，據稱他加入後三個月，Seed釋出的論文數量就超過2024年全年。

這些變化都在給Seed增加一種位元組過去很少擁有的東西：耐心。允許專案短期沒有結果，允許研究暫時無法商業化，也允許研究人員花時間解決幾年後才可能重要的問題。張一鳴拒絕外部模型蒸餾，與Seed Edge的出現，其實是一件事的兩面：一邊關掉現成答案，一邊給尋找新答案的人留下時間和算力。

7月31日，位元組釋出Seedance 2.5，距離張一鳴定調不久。這款影片模型一次可生成30秒影片，能同時參考最多50個圖片、影片和音訊素材，並且開始走出短影片——徐工集團用它生成工業操作培訓影片，小鵬汽車接入內部AI設計平台，微分智飛拿它給飛行機器人造訓練場。影片模型是位元組目前打得最好的一仗，這得益於抖音、TikTok、剪映積累的十多年產品、資料和工程經驗。

另一場優勢戰在豆包。QuestMobile資料顯示，截至2026年3月，豆包月活達3.45億，超過千問（1.66億）和DeepSeek（1.27億）之和。呼叫量增長更誇張：2024年5月日均Token呼叫量僅1200億，到2026年4月突破120萬億，6月升至180萬億，兩年多增長1500倍。今年6月，豆包試水付費訂閱，月費從68元到500元不等。

然而，張一鳴真正著急的還在更底層。8月6日年中會上，梁汝波給AI業務打了張反差成績單：豆包保持競爭力，Seedance繼續領先，但大語言模型與海外領先模型的差距擴大了。位元組選擇繼續加碼。8月7日，《金融時報》披露，位元組正在預訓練一個引數規模最高可能達10萬億的新模型，超過Kimi K3的三倍。專案仍處早期，但動作已足夠大。

還有兩塊硬骨頭：Coding和世界模型。Coding能力直接影響Agent完成複雜任務的上限。36氪報道稱，位元組2026年在這一方向投入僅次於世界模型，但目前尚未形成類似Seedance的領先優勢。過去，由於自家Coding模型能力有限，位元組不少業務團隊不願使用Seed-Code，旗下AI程式設計工具Trae早期也接入DeepSeek、Claude等外部模型。這導致使用不足、資料難迴流、模型難改進的迴圈。2026年以來，位元組開始推動更多內部業務使用Seed模型，希望重建“使用-反饋-訓練”的飛輪。

世界模型則更像未來之戰。位元組2025年才小範圍組建研究團隊，2026年吳永輝定下目標：年底前至少釋出一版世界模型，效能對標Google Genie 3。投入已明顯加大，但截至2026年初，內部評測顯示位元組世界模型綜合性能距離全球領先水平還有約10%的差距。

至此，位元組的AI戰況清晰：Seedance已突圍，豆包拿到使用者，基礎大模型和Coding仍在追趕，世界模型提前押注下一階段。但真正決定位元組能走多遠的，還是技術。2012年，張一鳴面對“不會做推薦”的問題說“可以學啊”；十多年後，他面對的是AI最前沿沒有多少現成答案的難題。這一次，他想讓位元組自己寫下答案。