划重点：
1、张一鸣和梁汝波希望字节从流量驱动走向技术驱动，成为一家真正意义上的创新科技公司。
2、与许多电商、新能源企业家在成熟业务中“内卷”不同，张一鸣关注的是面向未来的前沿技术。他的角色更像是谷歌联合创始人谢尔盖·布林：专注AI核心研究团队，花大量时间和研究人员打交道。
3、怎么让字节转型成“硬核科技公司”？可以总结为三个关键词：人才密度、全栈自研、长线研究。过去两年，字节跳动吸纳了大量顶尖 AI 人才。如何高效组织这个高密度团队，让聪明人协同发力、而不是因内外部竞争压力而扰乱节奏，是摆在管理层面前的核心难题。
作者 林易
编辑 重点君
在中国企业发展史上，几乎没有哪家公司像字节跳动这样，在极短时间内于国内外同时崛起，迅速跻身全球第一梯队的科技巨头。
展开剩余91%如今，字节的营收与利润规模已超过腾讯，堪比美国“科技七强”（M7）之一的meta。外媒最新报道称，字节2025年营收预计将达到约1860亿美元，相比2024年的1550亿美元增长约20%，这一增长主要得益于TikTok在全球的持续扩张。如果目标达成，字节的营收体量将逼近Facebook母公司meta（2025年预估营收约1870亿美元）。
字节的核心业务是流量变现，其收入主要来源于“APP工厂”打造的抖音、TikTok、今日头条等爆款应用。过去十年，在信息流、短视频、社交、本地生活等多个赛道，字节始终以凶猛攻势和高效迭代迅速占据头部位置。这些“流量黑洞”级的产品，不断吞噬用户时长，带来源源不断的现金流，也推动字节成长为一家互联网巨头。
但现在，字节希望在AI技术浪潮中完成字节的第二次蜕变——从流量驱动走向技术驱动，成为一家真正意义上的创新科技公司。从字节近来的公开发言中窥见一斑。字节CEO梁汝波在6月11日火山引擎会上说：字节未来会坚定长期投入，从“科技公司”进化到“创新科技公司”，追求智能突破，服务产业应用。更早之前，今年2月全员会上，梁汝波重提“务实浪漫”，表示字节要做发明新技术的公司。这些顶层战略方向，可以用一个词概括：硬核科技。
如何让字节完成从“APP工厂”到“硬核科技公司”的转型？在回答这个问题之前，我们必须先厘清——“硬核科技”到底意味着什么？
什么是“硬核科技”？掌握不可替代的“技术底座”
所谓“硬核科技公司”，并不等同于“硬件公司”——这是许多人的常见误解。没人会质疑美国“科技七强”都是硬核科技公司，但其中的五家：微软、亚马逊、谷歌、meta 和英伟达，本质上都是软件驱动的企业（即便是英伟达，其核心也在于芯片设计，而非制造）。真正涉足硬件制造的，只有特斯拉和苹果，但它们同样以软件能力见长，比如苹果的操作系统和特斯拉的自动驾驶系统。
因此，所谓“硬核科技”，强调的从来不是“制造能力”，而是“底层技术创新”——指的是那些能从零构建技术基础设施、推动行业范式迁移，并在全球科技格局中产生决定性影响的公司。它们的共同特征，是掌握了一种不可替代的“技术底座”：比如通用人工智能、芯片架构、操作系统、云计算平台、自动驾驶算法等。这种能力不是靠资源堆砌就能获得的，而是依靠长期、高强度的研发投入，跨学科的技术融合，以及对未来趋势的坚定押注与持续迭代。
换句话说，硬核科技公司的本质，是技术壁垒，而非制造产线。从构建Transformer架构的谷歌、到打造AI基础设施的英伟达，再到拥有全栈FSD自动驾驶的特斯拉，它们或许提供的是软件、App，甚至云服务，但其核心竞争力都源自深层的技术原力，这才是“硬核科技”的真正内涵。
理解了这一点，也就理解字节的目标——与许多电商、新能源企业家在成熟业务中“内卷”不同，关注的是面向未来的前沿技术。张一鸣的角色，更像是谷歌联合创始人谢尔盖·布林：专注AI核心研究团队，花大量时间和研究人员打交道。
巧合的是，谷歌和字节这两家公司，都在各自领域经历了“被后来者超车”的挑战。谷歌曾被认为是全球AI储备最强的公司，旗下DeepMind是Transformer架构的发明者、AI黄金时代的奠基人。但真正引爆大模型浪潮的却是OpenAI，谷歌的模型能力长期落后于GPT系列，直到今年凭借Gemini 2.5 才重回第一梯队。
字节也曾借豆包APP一度成为国内AI用户最多的公司，但2024年底，DeepSeek 的意外爆发改变了局势。这不仅让DeepSeek成为舆论焦点，画出了比抖音更漂亮的用户增长曲线，也意外带动了字节的最大竞争对手腾讯。此前，腾讯的混元大模型一直被认为处于“第二梯队”，但DeepSeek-R1模型出圈后，腾讯迅速将其接入元宝等核心产品中，极大改善了体验，带动日活跃用户跃升至行业第三，一跃成为AI应用场上的“黑马”。对腾讯而言，这是一次意外的“弯道超车”；而对字节而言，则是一记警钟：豆包所构建的AI入口优势，并不牢固。
好在，字节一直有着国内大厂中少见的“复盘文化”和快速自我修正能力。今年2 月全员会上，梁汝波代表公司做了内部反思：在 AI 有进展后，其实内部 “稍微有些放松”，团队并没有觉得一定要第一批复现 o1，当时认为 “早一个月、晚一个月，关系不大”。后来，最早复现 o1 的 DeepSeek-R1 掀起了网络狂潮，也在中国全民范围普及了 AI，并给腾讯送去意外之喜。
言下之意就是：字节要打一场翻身仗。就在那次全员会后不久，我们和几位字节内部技术人员聊了聊。其中一位Seed项目人士评论说：他真的相信公司决心做好技术，能在AI关键技术、基础能力上，做到世界领先。
回到怎么让字节转型成“硬核科技公司”的问题，可以总结为三个关键词：人才密度、全栈自研、长线研究。
字节怎么转变成“硬核科技公司”？人才密度、全栈自研、长线研究
一、人才密度
提升“人才密度”一直是字节在开辟新业务时的核心策略。张一鸣曾多次公开强调这一理念：只要保证人才密度超过业务复杂度，那么在有效的激励措施下业务的成功是水到渠成的。
今年以来，字节持续通过引进海外资深专家、内部提拔、社招与校招并举，全面补强其基础研发能力。其中最受瞩目的技术引援，是前谷歌 DeepMind 研究副总裁吴永辉。今年 2 月，吴永辉正式加入字节，担任 Seed 基础研究负责人。他曾是 Google Gemini 应用的总体技术负责人，拥有 Google Fellow 头衔，对应的职级为 L10——这是谷歌技术体系中除 L11 外的最高等级。L11 目前全球仅有两人：谷歌首席科学家 Jeff Dean 和美国工程院、美国人文与科学院双院士 Sanjay Ghemawat。
早在去年，字节已从阿里挖来通义大模型技术负责人周畅，他曾领导开发 M6 多模态预训练模型，因跳槽至字节而引发阿里起诉其违反竞业协议。此外，字节还陆续引入了面壁智能核心研究员秦禹嘉、零一万物原预训练负责人黄文灏等核心人才。
在科技行业，一条被反复验证的竞争铁律是：让一流人才加入自己，让二三流人才流向竞争对手。无论是英特尔取代仙童半导体、谷歌取代雅虎，还是字节后来居上取代百度等等案例，这一策略都屡试不爽。
据我们了解，自 2023 年 6 月起，字节就启动了全行业范围的人才猎挖。由于国内具备大模型研发能力的公司和团队数量有限，字节几乎是“按图索骥”精准挖人，重点面向百度文心、阿里通义，以及智谱、KIMI 等“AI六小龙”，并开出大幅溢价的薪资条件，往往是原薪资的两倍甚至更多。
与此同时，字节的 AI 组织架构也在同步重构。目前，字节设立了两个独立的 AI 单元：Flow 负责产品落地，Seed 聚焦模型研发，并新增第三条技术线路 Stone，三者均可直接向高层汇报。原有的 AI Lab 已全面并入 Seed，形成从算法研究到应用部署的深度一体化体系。
二、全栈自研
自 2023 年年中决定依靠自有团队推进 AI 后，字节开始加速推进全栈自研，在底层基础设施（芯片/云）、中间层模型、上层 AI 应用三个层面均有系统性投入。这一技术路径，也是多数具备雄厚资金与技术积累的大型科技公司所普遍采用的方式。比如谷歌、阿里、百度等拥有庞大用户体量和多元场景的企业，皆通过全栈自研构建长期护城河，实现技术与产品的深度绑定。
在底层基础设施（芯片/云）方面，字节尚处于“补基础课”的阶段，但追赶速度极快。目前尚未有自研芯片大规模落地，但此前有消息称，字节已启动与博通合作，计划于 2025 年推出自研 AI 加速芯片。与此同时，字节正持续建设面向 Flow 和 Seed 项目的高性能算力平台，部分能力依托火山引擎提供。
在中间层模型方面，字节推进迅速、覆盖全模态，其“豆包系”模型已跻身国内第一梯队。2023 年字节还仅有语言模型，如今已在图像、语音、音乐、视频、3D 等多模态方向全面补齐。不久前发布的豆包大模型 1.6 系列，主打强推理能力、多模态融合和低成本运行，其综合成本下降幅度达 63%。此外，字节还推出了最新视频生成模型 Seedance 1.0 Pro。根据权威机构 Artificial Analysis 最新榜单，Seedance 已在文生视频、图生视频两个维度超越多个主流模型，位列全球第一。
上层 AI 应用一向是字节的优势。除了豆包这一国内用户量最大的 AI 应用，字节的 AI 产品矩阵已覆盖几乎所有热门方向：包括智能角色互动产品“猫箱”、图片生成工具“星绘”、出海数学教育产品 Gauthmath、面向中小学生的 AI 教育产品“豆包爱学”；与开发者相关的，还有 Agent 平台 Coze，以及 2025 年 1 月刚上线的 AI 编程产品 Trae。此外，还有聚焦图文/视频生成与分享的内容社区“即梦”。
那么，全栈自研实现技术闭环的好处是什么呢？我们认为至少有两方面优势，一是可以实现端到端的系统优化，提升训练效率、降低整体成本。将算力、模型与应用深度绑定于字节自身生态，打造一个从“算法—产品—场景—反馈”闭环贯通的智能应用基础设施。在这个闭环体系中，数据不断回流，产品与模型持续迭代，边际成本降低，用户价值则持续放大。例如在主力产品豆包上，字节的战略目标是通过规模效应与用户反馈，打通模型体验与应用场景之间的优化闭环。
二是C 端产品还能为 B 端市场创造协同效应。火山引擎负责人谭待在与《晚点》的对话中提到：很多企业数字化转型的起点，是董事长先下载一个豆包 App。许多客户拿着字节的 C 端产品找上门来，希望火山引擎能提供类似体验的 B 端解决方案。
这一趋势已有数据验证：据 IDC 报告，2024年国内云端大模型调用量中，火山引擎独占 46.4%，超过第二、第三名总和。自去年 12 月以来，豆包大模型的平均日处理 Token 数量增长四倍，达到 16.4 万亿，处理能力已逼近国际领先水平。《划重点》此前曾独家报道，火山引擎 2024 年营收已突破 120 亿元，2025 年目标定为 250 亿元，增速超过一倍，营收规模逼近百度智能云。
三、长线研究
字节在 AI 研究上的难点，不在资金，也不在技术，而在“组织”。DeepSeek创始人梁文锋说：“中国公司创新缺的不是资本，而是缺乏信心以及不知道怎么组织高密度的人才实现有效的创新。”所谓“高密度人才”，是指那些拥有深厚科研背景、具备前沿 AI 视野，同时追求独立性与创新性的顶尖人才。他们往往有很多选择：加入全球顶级科技公司，或被小米等本土企业以“千万年薪”挖角。
OpenAI 的成功，恰好提供了一个反例。Sam Altman 最近在一场访谈中总结说：OpenAI 的发展历程与大多数科技公司正好相反。OpenAI是一家优秀的研究公司，后来才附加了其他业务。大多数科技公司是先成为管理良好的科技公司、产品公司，然后后来附加上一个管理不善的研究部门。OpenAI从一个纯粹的研究实验室起步，才逐渐转向产品化和商业化。
过去两年，字节跳动吸纳了大量顶尖 AI 人才。如何高效组织这个高密度团队，让聪明人协同发力、而不是因内外部竞争压力而扰乱节奏，是摆在管理层面前的核心难题。当前，字节选择的路径是“两条腿走路”：既追求快速的产品输出，也坚持对通用人工智能（AGI）底层问题的长期系统研究。
在组织上，一方面通过 Seed Edge 等低 KPI 压力、以长期目标为导向的研究平台吸引人才；另一方面，依托 Flow、Coze 等产品线打通研究与产品的通道。这一架构试图打破国内科技公司常见的二元结构性矛盾——研究部门缺乏产品化路径，产品部门轻视基础研究。
今年 1 月，字节正式启动内部代号为 “Seed Edge” 的长期研究项目，由 Seed 团队牵头。不同于传统大模型的性能迭代，Seed Edge 更聚焦于人工智能范式的深层演进。其研究范围覆盖五大前沿方向：下一代推理、下一代感知、软硬一体模型设计、下一代范式、下一代 Scaling 路线。这标志着字节正在搭建自己的“AI 研究底座”——关注的不仅是当前的效果指标，更深入到模型结构、推理机制、感知交互等 AI 基础能力的问题。
在今年2月13日的公司全员会上，CEO 梁汝波对字节的 AI 战略做出系统阐释：“AI 是一场马拉松，我们现在还在前 500 米。”他总结了三项最重要的事：第一探索智能的上限；第二探索新的 UI 与交互方式；第三强化规模效应。这套思路背后，其实是字节的长期思考：为解决智能上限问题，需要建立可持续的组织能力体系。
在当下 AI 竞赛全面加速的大背景下，多数公司都选择了“快速堆模型 → 推出产品 → 抢占市场”的路径，而字节则尝试在高速商业化与深度科研之间找到平衡。这是一场关于中国科技公司能否同时具备产品效率与科研耐心的组织实验。是否能最终跑通，现在还不好说，但至少，在 AGI 这场注定旷日持久的长跑中，字节已经站在了前 500 米的领先位置。
写在最后
自 5 月以来，从红杉 AI 内部峰会（Sequoia AI Ascent）、微软 Build 2025、Google I/O 2025，到苹果 WWDC 2025，一系列重磅行业大会清晰勾勒出 AI 发展的核心趋势：模型竞赛降温，AI 正式进入产品化与落地阶段。海内外各大科技企业的竞争重心，正从参数堆叠与论文比拼，转向用户入口争夺、智能体标准制定与终端能力定义。
基础大模型已成为 BAT 级科技巨头之间的游戏，资本投入动辄百亿美元。如今，国内大模型“六小龙”已大多退出通用大模型的正面战场，转而聚焦垂直领域应用、模型微调、商业化变现及冲刺 IPO 等方向。字节已彻底取代百度，成为原 BAT 格局中的“新三极”之一。它不仅有资本、技术和人才储备，更具备庞大的数据、强大的产品化能力与执行力，已然成为中国 AI 领域最有力的竞争者。
一个组织的长期成功，往往来源于其对“可复制成功路径”的掌握；而失败，则常常归因于那些未曾解决的老问题。在豆包大模型的官网中，有这样一段话：“依托字节在推荐、搜索和广告领域积累的 AB Test 经验，研发了基于用户反馈的高效 PostTraining 全流程。通过豆包的大规模用户反馈，字节构建了从问题发现、数据挖掘、人机结合标注到快速迭代的闭环优化系统。”换言之，字节已经将其在移动互联网时代打磨成熟的数据反馈机制，成功迁移至大模型和 AI 应用的研发流程中。
字节还是那个字节。一旦确认方向有潜力，它就会倾尽资源，全力出击，采用加倍投入、饱和打法、多线并进的策略。当然，字节也并非无往不利，曾在 AR、教育、游戏等领域受挫。而今，大力投入、内部赛马、快速迭代的方法论，是否还能在 AI 时代奏效？我们拭目以待。
发布于：北京市通弘网-配资平台官网-浙江配资网-靠谱配资平台提示：文章来自网络，不代表本站观点。
