文 | 吴怼怼
大厂向来擅长通过组织架构调整来驱动变革。进入AI时代后，这种调整的频次更是显著加快。
7月23日，腾讯宣布将混元大语言模型部与多模态模型部合并，组建基础模型部，由姚顺雨统一掌管。在此之前，混元多模态理解负责人胡瀚已提出离职，原OpenAI研究员田永龙接过了视觉语言模型方向的研发工作。
阿里这边的变动同样密集。ATH、集团技术委员会、通义大模型事业部以及Token Foundry在短短几个月内相继成立或重组。通义千问核心负责人林俊旸离职，周靖人的职务也经历了多次更迭。在桌面办公Agent领域，阿里的架构调整尤为频繁。
字节跳动则让吴永辉稳固了Seed一号位的地位，同时推出“豆包股”这一激励措施，旨在留住那些不断被竞争对手和初创公司觊觎的AI人才。
背后的逻辑并不复杂。移动互联网的生产关系早已成熟：产品经理定义需求，技术团队负责实现，业务负责人盯着用户增长和营收数据。但大模型的出现改变了这一格局，技术被推到了更靠前的位置。往往是模型团队先构建出某种能力，产品部门随后再去寻找应用场景；甚至在某些情况下，产品的最终形态都要等到模型能力显现后才能确定。
于是，谁掌握模型团队的指挥权，谁能调动算力资源，谁决定模型优先接入哪个产品，这些因素开始深刻影响公司的下一步战略走向。
汇报线在组织架构图上不过是一根细线，但这根线上流动的是GPU集群、顶尖人才、海量数据、产品入口，以及以亿元计量的资本支出。
阿里、腾讯和字节，正在用三种截然不同的方式来配置这些关键资源。
01 阿里反复画线，试图打通AI产业链
阿里拥有的AI资源丰富，这也带来了相应的组织挑战。
2024年底，通义的C端产品与工程团队从阿里云体系中剥离，划归至吴嘉负责的智能信息事业群，而通义实验室则继续留在云体系内。这种分工在当时看来颇为合理：研究模型的人专注算法突破，擅长夸克、UC及用户产品的人负责应用落地。
然而，到了2025年12月，阿里成立了千问C端事业群，将千问App、夸克、AI硬件、UC和书旗整合到吴嘉麾下，意图打造一个AI时代的超级入口。
这套架构运行不久，集团便开始收拢AI业务。
2026年3月，林俊旸离职，吴泳铭宣布由周靖人继续带领通义实验室，并成立基础模型支持小组。十多天后，Alibaba Token Hub正式成立，通义实验室、MaaS、千问、悟空以及AI创新等业务并入同一事业群，由吴泳铭直接管理。
阿里用三个动词概括ATH的核心任务：创造Token、交付Token、应用Token。
4月，阿里又成立了集团技术委员会，通义实验室随之升级为通义大模型事业部。6月，通义大模型事业部与未来生活实验室合并为Token Foundry事业部，依旧由吴泳铭直管。周靖人出任阿里首席科学家，牵头AI未来研究院的工作。
在这几个月里，模型、云、MaaS、C端助手、企业智能体和多模态项目被拆分、归拢，再重新分层。阿里一直在探索一条更短的通道，力求让基础模型能够直接触达产品和收入。
它的目标远不止推出一款聊天机器人那么简单。
阿里手中同时握有芯片、云基础设施、基础模型、MaaS、电商、支付、办公和本地生活等庞大资源。如果这些资源能够实现真正的打通，阿里便能覆盖AI生产和消费的完整链路：上游提供算力，中间生产及分发Token，下游则通过淘宝、支付宝、钉钉、高德和千问等产品消耗Token。
过去的阿里云主要销售计算、存储和数据库服务；而在Agent时代，阿里希望继续向上售卖“智能”。Token不再仅仅是计费单位，而是变成了新的生产资料。调用量既代表了技术的实际使用规模，也可能成为云业务未来的重要收入来源。
这套思路很好地解释了吴泳铭为何不断收权。
云团队关注算力收入，模型团队追求技术能力和开源影响力，C端产品看重用户规模，电商部门则更在意成交转化率。每个部门的目标都合乎情理，但放在一起时却容易相互拉扯。吴泳铭亲自管理，相当于为这条链路配备了一名总调度员，以确保协同效率。
最近的桌面办公调整，可以视为这条产业链向下延伸的一处新变化。
6月11日，陈航卸任钉钉CEO，曾主导MuleRun的陈宇森接任。7月，阿里又将QoderWork、悟空和MuleRun交给陈宇森进行整合。这三款产品将以QoderWork为基础，升级为面向企业生产力场景的新产品——千问办公。
QoderWork靠近桌面入口，悟空背后依托钉钉的组织和工作流，MuleRun则偏向云端Agent的技术探索。将三支队伍合在一起，阿里想做的依然是“连线”：上游模型产生能力，中间由云和Agent平台进行调度，下游进入文件处理、会议协作、审批流程和企业日常运营。
办公AI会消耗大量Token，但相比普通闲聊，它更接近付费场景。企业愿意为一份完成的报表、一个自动执行的流程或一名数字员工买单。阿里增加这块拼图，并没有改变原有的收权方向；它只是让那条从算力通往收入的链条，向办公桌又伸出了一截。
阿里计划在未来三年至少投入3800亿元建设AI与云基础设施。当投入规模达到这个量级，AI已经无法继续作为阿里云内部的一项普通技术项目存在。
频繁的架构调整也暴露出另一面：阿里尚未找到一套稳定的结构，能够同时兼顾技术研究、云商业化和C端产品的发展节奏。
研究团队需要较长的周期，产品团队按周迭代，云业务则紧盯客户和收入。三种不同的节奏挤压在一起，部门边界很容易随着技术路线的改变而模糊。周靖人转任首席科学家后，前沿研究与业务交付被重新分开。这一变化很难用传统的升降职来解释，它更像是一次权力分工：有人负责探索能力上限，有人负责将能力转化为产品。
阿里正在进行一场公司级的AI改造。其优势在于全栈资源，麻烦也同样来自全栈——链条越长，需要协调的利益方就越多。
02 腾讯一边收拢混元，一边保留赛马机制
腾讯的起点与阿里不同。
微信、QQ、游戏、广告、腾讯文档、腾讯会议和腾讯云都能容纳AI的应用。腾讯并不缺乏使用场景，它前几年更头疼的问题在于混元的基础能力和研发效率。
混元早期横跨AI Lab、机器学习平台、大数据等多个部门，带有明显的虚拟项目色彩。不同团队分别提供数据、算法和算力，真正出现问题时，责任却很难落实到具体个人身上。
大模型训练对这种松散的结构并不友好。数据质量、训练框架、模型架构、强化学习和评测环节需要反复联调，任何一个环节掉链子，最终都会表现为模型“不够聪明”。
2025年底，腾讯引入前OpenAI研究员姚顺雨，任命其为“CEO/总裁办公室”首席AI科学家，同时负责AI Infra部和大语言模型部。公司另外成立了AI Data部和数据计算平台部，开始按照大模型训练的完整流程重组团队。
2026年3月，腾讯撤销了成立十年的AI Lab，部分人员并入混元体系。腾讯还从字节Seed引进了肖学锋、张弛等技术骨干，重点加强训练基础设施的建设。
到了7月23日，整合工作继续推进。混元多模态模型部与大语言模型部合并为基础模型部，由姚顺雨统一负责。新部门同时覆盖模型结构、数据与训练策略、强化学习、Agent和各类模态，腾讯给出的目标是提高协同效率，探索全模态模型的能力上限。
在同一阶段，多模态理解负责人胡瀚离职创业，前OpenAI研究员田永龙接手视觉语言模型的研发工作，继续向姚顺雨汇报。胡瀚原来承担的部分前沿研究工作，可能会转向世界模型方向。
这一连串动作，让姚顺雨从大语言模型负责人变成了腾讯基础模型的总负责人。文字、视觉、多模态、Infra和Agent开始共享同一套指挥系统。
不过，腾讯内部的AI赛马并未结束。
混元在TEG体系内建设通用基础模型，微信团队也在训练自己的WeLM。微信正在灰度测试的AI助手“小微”，主模型就是微信团队自研的WeLM，部分复杂回答会调用DeepSeek。它并没有直接把混元当成唯一的底座。
QClaw、WorkBuddy、Marvis等桌面Agent先后出现，元宝、ima、企业微信和QQ也在尝试不同的入口。模型研发层正在收拢，产品层仍保留多支队伍。腾讯一贯擅长让业务团队先行试水，哪个产品能接住用户，再决定资源向哪里倾斜。AI时代的赛马成本更高，但这套组织惯性依然存在。
因此，腾讯形成了一种颇为微妙的双层结构。
混元内部越来越集中，姚顺雨负责将通用能力追赶到第一梯队。具体业务仍然保留自主权，微信可以训练WeLM，元宝和腾讯云也会根据场景选择不同模型。腾讯的传统组织习惯依然存在：集团打造公共发动机，业务部门仍有资格自己造，或者从外部采购一个更合适的方案。
微信单独训练WeLM，既有技术路线之争，也有一笔现实的经济账。
微信拥有十亿级用户。小微一旦全量开放，哪怕每名用户每天只发起几次请求，Token消耗也会迅速膨胀。大模型应用面临着一个过去互联网产品很少遇到的尴尬：用户越活跃，推理成本越高。产品取得的成功，会让算力账单同步飙升。
微信又很难在每次对话旁边放置一个收费按钮。在相当长的一段时间内，AI助手会是一项免费功能，收入回收路径并不明确。
在这种情况下，微信需要的模型首先要稳定、便宜、懂微信，“够用”往往比榜单排名第一更重要。WeLM针对中文内容、公众号、小程序和微信操作进行了优化，并采用了较节约算力的架构；遇到复杂推理任务时，再调用能力更强的外部模型。模型路由本身已经成为产品设计的一部分。
小微因此承担着两道任务：既要为用户提供足够好的体验，也要控制每次调用的成本。回答更长、思考更深、模型参数更大，用户可能感觉更聪明，背后的GPU消耗也更快。
腾讯在2026年5月的业绩电话会上披露，混元新模型发布后，公司内部Token调用量较前代提升约十倍，已经接入131款产品。如果微信全面放量，调用规模还将进入另一个数量级。
这也解释了腾讯为何会同时保留混元和WeLM。
姚顺雨负责能力上限，微信团队守住成本、场景和产品节奏。两条路线看起来有重复建设之嫌，实际承担的任务并不完全一样。赛马给腾讯留下了选择权，但也增加了资源内耗的可能。未来如果混元的能力和推理成本都足够优秀，微信是否还需要继续维持一套独立的模型，将成为一个很实际的问题。
腾讯真正要平衡的，也不只是一支团队和另一支团队。它需要在产品体验、Token消耗和资本支出之间找到位置。微信AI做得太克制，入口可能被豆包、千问抢走；放量过猛，又可能让一款暂时难以收费的产品吞掉大量算力。
小微并未改变腾讯整军备战的主线，它提供了一个观察窗口：底模需要统一指挥，微信这样的核心产品又很难完全交出自主权。腾讯要找的，是强模型中枢与业务赛马之间的新边界。队伍排齐以后，内部仍会有几匹马同时往前跑。
03 字节把Seed做成核心部队，也成了AI创业的黄埔军校
字节的AI组织调整发生得更早。走到现在，其AI人事线的关键词是“留人”。
2024年前后，字节将基础模型研发和AI产品创新分别放进Seed与Flow。Seed负责模型研发，Flow负责豆包、即梦等AI原生应用，火山引擎承担对外云服务和商业化。这些部门进入公司核心汇报体系，AI从业务支持工具上升为一级战略。
2025年，原Google DeepMind副总裁吴永辉加入Seed。最初，他与朱文佳分别管理基础研究和模型应用，共同向CEO梁汝波汇报。随后，原AI Lab并入Seed，多名技术负责人转向吴永辉汇报。到2025年10月，朱文佳也改向吴永辉汇报，Seed的一号位由此明确。
组织逻辑相当清晰：模型研发集中，产品保持高速迭代。
吴永辉强调探索智能上限，Seed Edge等长期项目弱化短周期考核；豆包、即梦、Seedance和火山引擎继续追求产品速度和调用规模。字节试图让研究和产品运行在不同的时钟上，又通过数据和工程平台将它们连接起来。
字节这套系统培养了大量AI人才，也向外输送了不少创业者和竞对骨干。
据界面新闻多方信源统计，过去一年字节Seed有近70名技术人才离职，已有30余家“字节系”AI创业公司完成融资，方向覆盖Agent、多模态创作、具身智能和AI硬件。
具体名单已经颇为可观。
字节前视觉技术负责人王长虎创办爱诗科技，推出AI视频产品PixVerse；原豆包PC端负责人齐俊元创办“此间无限”，瞄准跨应用Agent；原剪映商业化负责人陈冕创办多模态设计产品Lovart和视频生成产品Libtv；阶跃星辰联合创始人兼CTO朱亦博，曾是字节机器学习中台AI Infra负责人。
还有一批人流向了DeepSeek、月之暗面、腾讯和阿里。DeepSeek早期员工李宇琨曾在字节搜索团队，月之暗面后训练与强化学习骨干宋鸿涌有字节经历，腾讯近期引进的肖学锋、张弛、黄启和冯佳时等人，也来自Seed。
从这个角度看，字节确实越来越像AI创业领域的“黄埔军校”。
它提供的训练不只来自模型研究。字节员工普遍熟悉大规模推荐系统、内容产品、增长实验、数据闭环和高并发工程。AI创业公司恰好需要这几种能力：模型要训出来，产品要快速上线，还得用数据持续迭代。相比只会写论文或者只会做流量的团队，字节系创业者更容易组装出一套完整的打法。
投资机构愿意给他们钱，也是在购买一套经过抖音、TikTok、剪映和豆包验证的组织经验。
“黄埔军校”对字节是一种声誉，也是一道警报。
大厂拥有算力、数据和高薪，创业公司能够提供更大的决定权和潜在收益。当技术人才已经有能力独立定义模型或产品，单纯增加工资很难解决问题。他们会比较自己留在两千人的团队里负责一个模块，和出去成为创始人之间的差别。
字节推出“豆包股”，正是对这种人才流动的回应。
这套激励与Seed业务价值挂钩，让员工可以直接分享豆包和模型业务的增长。它在字节内部模拟了一部分创业收益：员工继续使用大公司的算力和数据，同时获得更接近创业公司的回报预期。这是字节首次推出与单一业务部门挂钩的特殊股权激励，背景包括腾讯持续从Seed挖人。
所以，字节当前的组织难题已经发生变化。早期需要明确谁指挥Seed，现在更需要解决团队变大后的官僚化问题，以及核心人才为什么还愿意留下。
把Seed做成公司里的公司，是字节给出的暂时答案。
三家公司，正在解决三道不同的题。
阿里的组织图变化太快，技术人员可能把精力耗在适应新边界上；腾讯保留多套机制，容易重复投入；字节拥有很高的人才密度，也最容易成为友商和投资机构的猎场。
这场人事变阵短期内不会停。模型路线还在变化，Agent入口没有定型，Token的收入与成本也没有完全算清。组织结构只能跟着技术和产品继续移动。
