周畅庞天宇相继离职，大厂对多模态生成态度生变

梁文锋有过一句表态：“视频生成、3D生成、世界模型，跟智能主线没有太大关系，我们不会去做。”

放在当时，这话与行业风向正好拧着。2026年上半年，多模态生成还是AI大厂的主线，部门独立、产品线独立、负责人也独立。

腾讯那边，大语言模型部与多模态模型部平级并存，图像、视频与3D生成由后者单独管；字节的视觉生成业务，包括多模态交互、世界模型、Seedream与Seedance，再加上机器人团队，统一向周畅汇报；阿里则在4月发布了基于原生多模态架构的世界模型。

那阵子，多模态生成被看成“AI企业资金的共识出口”，大厂们纷纷把它当作新的AI叙事。

可最近一周之内，两条消息接连传出来。

10月31日，据Z Finance报道，字节Seed核心负责人周畅已经离职创业，方向是Physical AI，并拿到头部美元基金支持。11月2日，多家信源称，腾讯混元首席研究科学家、多模态强化学习负责人庞天宇离职，在职不足9个月。

人才流失的背后，是大厂对多模态生成的态度在变。Agent等方向跑得快，算力和预算就被挪到了这些看得见增长的业务上。

按现在的叙事，多模态生成更像“期权型业务”：大厂掏点小钱，赢了上不封顶，输了立刻撤退，把本金收回来。

多模态生成是期权型业务？

多模态这行当，烧token烧得厉害。

单说图片，模型要理解它，先得把图切成一块块小图像块。

一张224×224的图按14×14切块是256个token，336×336是576个，分辨率再往上，单图就上千；长视频则是帧数乘上每帧的块数，量级一路往上翻。Transformer的注意力开销随序列长度平方增长，视觉序列一长，成本立刻抬高。

视觉理解和扩散式生成（VLM+DiT）这类架构要同时跑自回归和扩散，token消耗只会更多。

最典型的是OpenAI的Sora。App上线到OpenAI宣布关停，前后仅半年左右。外媒称，Sora每天算力成本100万美元，用户数量还在下滑。成本明显高过收入，公司最终选择止损。

推理端更贵。文本模型能把几十个请求批在一张卡上，多模态生成模型做不到，它得每几毫秒生成一次环境状态、实时流式往外送，每个用户相当于独占一条GPU管道。

另一个难题是评分。模型生成的内容需要大量评价人员来打分，Seedance背后的数据评价团队高达上千人。

LLM能用相对统一的基准打分，推理、代码、数学都算，版本之间可以直接比较，团队KPI也容易对齐。

与多模态生成的情况正好相反。MMMG 基准的作者指出，模型本身在往前跑，多模态生成的可复现评测却没跟上。人工评测被当成金标准，可它做不了大规模，主观性又强，想靠它系统找出模型弱点并不容易。

字节之所以找上千人的评测团队给Seedance做评测，核心就是堆人数，压低主观性对模型性能的影响。

一旦评价要靠美学、时序连贯、人类偏好，你就很难用分数判断模型好坏，也难判断这个模型团队还值不值得继续投资源。

比起“这个视频好看吗”这种明摆着主观的讨论，大家还是觉得“这个版本在基准上提升了几个点”更有讨论价值。

字节在Seedance上收入不错，但最关键的技术拐点其实是AGI，它就相当于行权价。

AGI真要非多模态生成不可，那就等于兑现；一旦发现AGI并不需要多模态生成，全部权利金就归零。

而大厂每个月烧掉的token，就是滚动支付的权利金。

眼下，持“AGI跟多模态生成没关系”这种看法的人正在变多。

GLM-5.2到5.3、DeepSeek V4 Flash到Pro，这两组模型都没往视觉方向扩，仅靠后训练就把性能拉了上去。K3的消融实验里，研究员的说法是：“多模态数据每多一点，文本理解、Coding或者数学可能就会变差”。

杨立昆那边则补上了更重的一击。H-JEPA论文走红之后，他所主张的JEPA路线正被更多人接受。

JEPA的思路是在抽象表征空间里对世界做预测，一个像素都不生成。按它的说法，物理世界塞满了没法预判的随机细节，逐像素重建既费劲又容易出错。这实际上给“AGI用不着像素级生成”递上了一份技术论证。

业务部门随之收缩也就难以避免。腾讯二季度财报电话会开完之后，资源往WorkBuddy倾斜，其他新AI产品的优先级则在往下调。

多模态生成究竟出了什么问题？

7月24日，腾讯TEG发了一份内部通知：大语言模型部、多模态模型部一并撤销，改设基础模型部，首席AI科学家姚顺雨兼任负责人，汇报对象是TEG总裁卢山。

腾讯当时给出的说法是“提升模型研发和协同效率，探索全模态模型的智能上限”。

这两个被撤的部门，是2025年4月才拆出来的。一条线管文本推理，另一条线管图像、视频与3D生成，级别相同，各自独立推进，腾讯内部叫“双轨研发”。

更早的3月20日，腾讯已经把办了近十年的AI Lab撤掉，一部分人进了大语言模型部，一部分转去产学研合作中心，计算机视觉、语音这些原先单独设的能力，统一收进混元体系。

外界的普遍判断是，合并的真正症结在于大语言模型和多模态模型的训练标准对不上，技术没法互通，算力还会互相消耗。

过了一个月，轮到字节。8月的组织调整中，周畅起家的视觉语言模型VLM被收进大模型LLM体系，降为LLM下面的一个数据子部门。一位Seed人士对36氪说，“他丢了龙兴之地，基本就没有核心地盘了”。

之所以如此，是因为那阵子要让大模型“看见”东西，得靠一种“胶水科技”。

做法是拿一个训好的纯文本LLM，前面挂视觉编码器，把图片切小块转成向量，中间再训一层投影，将这些向量译进语言模型的词表空间，最后和文字拼到一块喂进去。LLaVA、Qwen2-VL、DeepSeek-VL2当时都走这条路。

它最突出的优点是省钱。

视觉编码器有开源的可以拿来用，语言模型是自家现成的，中间那层只消一层胶水把两头粘住。

独立的多模态部门，基本上就是围绕这层胶水搭起来的：有人负责视觉编码器，有人负责对齐数据，有人负责图文指令微调，还有人负责评测。胶水还在，部门就有存在的理由。

可如今这层胶水已经没了，大厂纷纷转向原生多模态——从预训练第一层起，就把图像、文本、音频、视频的token混进同一条主干。

今年2月，阿里从Qwen3.5起将视觉能力以早期融合的方式放进主线模型，此后没再发布新的通用VL理解模型。

目前大厂的多模态大致分两条路。一条是梁文锋的理解路线，让模型看懂图片、视频，回答的是怎么感知世界，这条路确实跑通了。

另一条，是把视觉理解和扩散式生成装进同一套架构，让模型在理解世界之余还能产出内容。

2025年GPT-4o问世后，谷歌、阿里、字节都试过这条路，结果谁也没跑通。

图像和视频生成靠的是扩散模型，在连续潜空间里一步步去噪。训练目标、数据表征、计算机制都对不上，硬塞进一个模型，单是防着任务之间彼此拖累就够让人头疼。

腾讯混元一位多模态研究员对36氪表示，“多模理解和生成没那么统一，理解一般和LLM团队在一起，生成相对独立”。阿里Qwen的研究员也说，“理解、生成统一”基本没有已知很有效的方案。评测同样没跟上，一张图画得好不好、一段视频合不合意图，判断起来比一道数学题算没算对难得多。

周畅在字节主推的那套说法，叫「多模态理解与生成统一」，走的是第二条路。

搁到期权里，这叫虚值；公司把部门收掉，等于不再行权。

落差

业务部门一收缩，原来带这个部门的人，级别自然跟着往下走。

周畅2024年8月从阿里跳来字节，职级4-2。有报道说他的年包是八位数，跟他一道过来的还有十余名阿里旧部，两边一度打过竞业限制的劳动仲裁。

在阿里时他做过通义大模型的核心技术负责人，走之前发的Qwen2在Hugging Face开源榜排到第一，压过当时的Llama 3-70B。到了Seed，他管多模态交互与世界模型，汇报对象是吴永辉。

此后两年，他手上的盘子越铺越大。2025年7月，豆包视觉多模态生成负责人杨建朝对外说「暂时休息」，36氪引述Seed内部人士的说法是，组织上要求杨建朝改向周畅汇报，杨建朝随后走人，Seedream、Seedance两条视觉生成线归到周畅名下。

2026年6月2日，晚点报道字节内部动了架构。李航原来负责的Seed Robotics团队已经向周畅汇报了一个多月，字节还在找一位职级L8、对标阿里P10-P11的具身智能技术负责人，也是向他汇报。

按这篇报道的说法，周畅管得更宽，理由是机器人能和多模态交互、世界模型在数据和技术上互相打通。四条线攥在一个人手里，媒体当时称他是Seed里管理边界最宽的技术负责人之一。

6月刚扩完权，8月VLM就并进LLM、变成数据下面的子部门。

庞天宇入场时的声势，比周畅还要响一些。

他落脚的地方是混元多模态部Exploration Center，职责一栏写的是「强化学习前沿算法探索」。

1月29日，他在小红书贴出招聘启事，顺手把加入的事也官宣了；2月4日正式到岗；6月带队开源UniRL框架，把扩散模型、自回归模型和生成理解统一模型的强化学习后训练装进同一套流程；10月框架更新到v0.2.0，核心署名作者里还有他。

可到了11月2日，媒体报出消息：混元从分散走向集权，他在这一轮收拢里「失去了他在组织版图上最初被许诺的那个位置」。

1月26日的员工大会上，Pony提到「姚顺雨加入之后，公司加大吸引人才的力度，重构研发团队」，还说内部要加快Co-design、让混元和元宝多协同。

1月28日混元开源图像3.0图生图版本，接进了元宝。当时给出的数据是，混元图像、视频衍生模型累计3000个，视频模型社区下载超500万，混元3D系列超300万。那阵子多模态模型部还是和大语言模型部平级的一级部门。

后来7月24日两个部门合并，9月前OpenAI研究员田永龙出任混元多模态负责人。

没有人被降职，头衔没动，代码没动，成果也没动。

可有人起，就总有人落。从别人向他汇报、自己单挑一条线，变成他向别人汇报、只负责主线里的一块，以高姿态进来再经历这种转折，心里难免有落差。

期权这东西，对大厂来说就是掏点小钱赌一把。真正被卷进去的人，日子就不好过了。