字节AI数据部门“升咖”，但还是没有交给科学家
字节正在重新组织自己的AI数据团队。
据《智能涌现》报道，字节跳动近期成立AI数据与安全部门，与Seed、Flow、抖音等一级部门平行，负责为字节旗下大模型提供跨模态的数据服务。
此前负责字节AI数据体系建设的傅越（Yuyi）被曝将于近日离职，新部门的负责人王赢磊（Adam Wang）此前长期负责TikTok业务，先后担任TikTok平台责任负责人和TikTok直播负责人。
过去几年，字节已经围绕模型训练建立起庞大的数据采购、生产和评测体系，包括Global Data、Seed相关数据团队以及分散在不同业务线中的数据能力。如今发生的变化是，这些原本分散的团队和职能，被进一步整合成一个独立的一级部门。
这次调整恰好发生在字节重新强调大模型自研路线之后。7月的Seed全员会上，据多家媒体报道，张一鸣明确表示字节不会把蒸馏作为提升模型能力的捷径，即便这意味着牺牲一部分短期收益。8月6日，梁汝波又在字节2026年度年中全员会上表示，大语言模型将“坚持自研，做好基本功，接受短期落后，坚持优化长期”。
当字节选择继续押注自主训练和长期模型能力，如何持续获得、生产和评估高质量数据，也从模型团队背后的支持工作，变成了一项需要公司级组织支撑的能力。
纵观全局，AI正在逼迫科技公司重新组织自己的数据生产体系，字节只是目前把这件事做得最明显的那个。
但当数据生产越来越接近模型研究，另一个问题也摆到了字节面前：既然把AI数据抬到了与Seed平行的位置，为什么没有把它交给一名模型研究员？
01
AI正在以前所未有的速度消耗互联网。
Cloudflare最新数据显示，机器人产生的网络请求已经超过人类。按照公司的预测，五年后，互联网上来自机器的流量甚至可能达到人类的1000倍。
指望着永远依赖互联网不亚于坐吃山空，况且互联网只留下了大量答案，却没有留下足够的“得到答案的过程”。
数据因此从一种可以被收集的资源，变成了一种需要主动生产的产品——模型缺什么，就要去寻找什么；现实世界里没有，就要组织人和机器把它生产出来。
字节新成立的AI数据与安全部，干的就是这件事。
据《智能涌现》报道，新部门整合了此前分散在不同业务中的多个数据团队，包括傅越2023年成立的Global Data、集团数据中台DMC，以及Flow旗下AI数据平台AIDP等。整合之后，它将横跨Seed等基座模型和具体业务，为字节旗下模型提供跨模态数据服务。
一条数据从现实世界进入模型，大致要经历以下几个步骤：先决定模型缺什么，再去找数据；找不到就采购、标注甚至合成；拿回来之后清洗、加工、筛选，再通过评测判断这些数据究竟有没有让模型变聪明。
同时，还要解决版权、隐私和安全问题。
某种意义上来讲，这很像一家制造企业的供应链：算法工程师提出需求，数据团队寻找原料、组织生产、检查质量，最后把合格的数据送上模型训练线。
字节在这件事上已经投入了相当多的人力，据《智能涌现》此前报道，仅Seedance的数据评测团队就达到上千人，一名算法工程师背后，往往有十余名数据人员提供支持。世界模型和Coding模型的训练也在大量购买和生产数据，2026年初相关数据预算已经超过千万美元。
如今，字节开始把散落在模型背后的数据生产线收拢起来，并将它抬到与Seed、Flow平行的位置。
在此前流出的会议记录中，
在传统的软件公司里，让最昂贵的核心研究员花大量时间标数据几乎难以想象。但在今天的大模型公司里，判断模型究竟缺什么、什么样的数据值得生产，本身已经成为研究工作的一部分。
腾讯虽没有像字节一样直接成立一个一级数据部门，但它正在从另一头包围这个问题：内部重建训练基础设施，把50多个业务的反馈送回模型；外部则加大数据采购、高薪争夺数据人才，并向专业供应商购买训练数据。
今年2月以来，混元重建了预训练和强化学习基础设施；4月发布Hy3 Preview后，又从50多个腾讯业务中收集真实反馈。7月正式发布Hy3时，腾讯明确将“后训练数据质量和多样性”的提升，列为模型能力继续增长的重要来源。
另据《智能涌现》报道，腾讯近半年频繁从字节的数据团队挖人，部分岗位开出的薪资达到原来的数倍。
02
比成立一个一级部门更值得注意的，是字节把这个部门交给了谁。
8月11日，据多家媒体报道，傅越已在内部宣布将离职，王赢磊将接手其负责的AI数据相关工作。
2017年，傅越加入腾讯任战略研究副总监；2018年首次加入字节后，他先后在TikTok信任与安全、TikTok电商运营等部门任职。2022年离开字节创业，2023年10月重新回归，并组建Global Data。
Global Data最初只有百人左右，服务Dola、TikTok等国际业务，后来逐渐开始承担Seed模型训练的数据采购和质量管控。随着字节对大模型投入增加，这套体系不断膨胀，最终与DMC、AIDP等分散的数据团队一起，被整合进新的AI数据与安全部。
新任AI数据与安全负责人王赢磊，同样来自业务一线。在接手这个部门之前，他长期负责TikTok业务，先后掌管直播和平台责任。
据《智能涌现》援引接近字节人士的说法，王赢磊负责的直播业务曾是TikTok最主要的营收来源之一。
2025年8月，TikTok又进行了一次重要的组织调整：核心产品团队与信任与安全（Trust & Safety）产品团队合并，成立“平台责任团队”，王赢磊从直播负责人转任这一新部门负责人，工作进一步延伸到内容治理、安全与合规。
有一个细节值得关注：从傅越到王赢磊，字节连续两次把AI数据交给了擅长业务运营、组织管理和平台治理的人，而不是模型研究员。
这当然有它的合理性。
AI数据与安全部并不服务某一个模型，而是横跨基座模型和业务，为字节旗下大模型提供跨模态数据服务。语言、视频、Coding、世界模型需要的数据完全不同，它更像一个公司级的数据生产平台，而不是某一支模型团队的附属部门。
从这个角度看，让职业管理者而不是某一个研究方向出身的科学家掌舵，反而有利于保持组织上的中立：不同模型团队负责判断自己缺什么，数据部门负责调配预算、供应商和生产能力，把这些需求规模化实现。
再加上上千人的数据团队、千万美元级预算，以及采购、质检、版权、安全和合规，规模一旦扩大，数据生产首先会变成一个组织问题，而这正是职业管理者所擅长的。
与一些AI实验室更愿意把研究者推到最高决策位置不同，字节一直是一家极度重视“组织能力”的公司。当一个方向需要迅速扩大规模，字节擅长的办法是专业分工：拆团队、建平台、调资源、做赛马，再用庞大的组织能力把它做大。
AI数据与安全部延续了这种思路。
但问题也恰恰在这种分工里：今天最前沿的数据生产，正在越来越接近模型研究本身。
模型究竟哪里不够聪明，下一轮训练最应该补什么能力，什么样的数据值得花钱生产，训练之后为什么有效——这些问题已经很难被拆成一张需求单，交给另一支团队执行。
这样做，研究和数据之间的反馈链会被压到最短。
模型能力变化得太快了。今天值得投入上百人生产的数据，下一轮训练之后可能就不再稀缺；一个数据项目采购得再便宜、交付得再快，如果没有击中模型真正的能力缺口，也没有多少意义。
让研究者获得更大的技术决策权，本质上也是为了缩短类似的反馈链：模型哪里出了问题，下一步应该改数据、改训练方法还是改模型，可以更快地形成判断，而不必经过层层组织传递。
腾讯今年反复重组AI研发体系。3月撤销成立近十年的AI Lab，部分研究人员并入混元；7月又将混元多模态模型部门和大语言模型部门合并为基础模型部，最终统一交给从OpenAI回国的首席AI科学家姚顺雨管理。姚顺雨由此全面接管腾讯从文本、图像、视频、语音到3D生成的底层模型研发。
阿里此前也做过类似的选择。Qwen由林俊旸这样的模型研究者直接带队，在他离职之前，其权力已经从单纯负责模型研发逐渐扩大到更完整的模型与产品体系。
字节并非没有技术负责人，Seed负责人吴永辉曾任Google Fellow，本身就是资深AI研究者。但在数据这件事上，字节却选择了另一种分工。
这很“字节”，也正是这次调整留下的最大悬念：一边，字节刚刚用一个一级部门确认了数据的战略地位；另一边，它依然选择让一个大型互联网业务和平台治理的管理者，而不是前沿模型研究者，来掌管这套体系。
因此，王赢磊接手的并不只是一支越来越庞大的数据团队，还有一道尚未有标准答案的组织难题：
当“生产什么数据”本身越来越成为研究的一部分，字节还能不能让数据生产保持高度专业化和规模化，同时又不让它离模型研究的最前沿太远？
03
字节对数据的押注，与它的模型路线脱不开干系。
7月底的Seed全员会上，据多家媒体报道，张一鸣明确表示，字节不会把蒸馏作为提升模型能力的捷径，即使这意味着牺牲一部分短期收益。随后，梁汝波又在年中全员会上强调，大语言模型要“坚持自研，做好基本功，接受短期落后，坚持优化长期”。
但就在字节重申“不蒸馏”之后，硅谷传来了一个完全不同的声音。
8月10日，Meta CEO马克·扎克伯格发表了一篇万字的AI宣言，其中专门为模型蒸馏辩护。他认为，保护“人们可以从自己观察到的任何事物中学习”这一原则非常重要，并反对将模型从其他模型输出中学习简单描述为一种有害行为。
一边坚持不走蒸馏捷径，一边认为模型之间相互学习本来就应该被允许。
两者讨论的并不是同一个问题。字节回答的是自己要不要把蒸馏作为提升模型能力的捷径；扎克伯格讨论的则是模型从其他模型输出中学习，本身是否应该受到限制。
但这两个不同的讨论，恰好把一个更底层的问题摆到了台前：模型的下一批知识究竟从哪里获得？
是来自互联网、人类专家、真实业务，或者……来自另一个更强的模型？
钱流向哪里，往往最能说明竞争正在转向哪里。
头部模型公司对高质量数据的争夺，正在催生一个十亿美元级的新产业。
成立仅三年的Mercor是其中增长最快的一家：它最初是一家利用AI招聘工程师的人才平台，后来随着模型公司开始大量寻找专业人士生产训练数据，逐渐转向AI数据业务。
据《The Information》报道，今年6月，它的年化总收入已经超过20亿美元，且今年上半年91%的收入来自基础模型公司，主要客户包括OpenAI、Anthropic和Google DeepMind。
更夸张的变化发生在Handshake身上：成立于2013年的Handshake原本是一家大学生招聘平台，2025年才开始利用自己积累的高校和人才网络，为AI公司组织博士、律师、医生等专业人士生产训练数据。
一年左右，这项新业务的年化总收入已经从500万至1000万美元飙升至接近10亿美元。
今天，模型公司购买的已经不只是更多文本、图片，甚至不只是专家的时间。
最新一轮争夺开始指向强化学习环境（RL environments）。它们可以模拟Excel、Salesforce、浏览器或者编程环境，让Agent真正进入其中完成任务：打开软件、寻找信息、点击按钮、犯错、修改，再根据最终结果获得反馈。
据Business Insider 8月12日报道，谷歌正在与AI初创公司Mechanize商谈一笔超过15亿美元的交易，以获得其虚拟工作环境；Meta则开始收集员工真实使用电脑时产生的键盘、鼠标等操作数据，训练AI理解人究竟如何完成工作。
去年，Meta斥资约143亿美元获得Scale AI 49%的股份，这家从数据标注起家的公司表示，目前公司接近一半的新项目已经涉及强化学习环境。
数据生意因此发生了几次变化。
最早，大模型公司从互联网获取现成的数据；后来，它们花钱雇人标注数据；再后来，它们开始花更高的价格购买程序员、律师、医生和科研人员的专业知识。
现在，它们甚至开始花钱制造一个可以产生新经验的世界。
数据已经不再是一批训练开始前准备好的原材料。如何持续生产模型下一步需要的数据，本身正在成为AI公司的基础设施。
而当数据生产成为基础设施，公司也必须围绕它重新组织。
研究员开始亲自参与数据生产，招聘平台变成数据供应商，专家被组织进模型训练流程，模型公司则开始购买供应商、搭建强化学习环境，甚至把真实业务中的人类操作重新变成训练数据。
字节成立AI数据与安全部，只是这场变化最直观的一种组织形式。
本文来自微信公众号“字母榜”，作者：袁心玥，36氪经授权发布。
