庞天宇离开腾讯混元：多模态RL团队为何被重新定位

11月2日，多个信源确认腾讯混元多模态强化学习负责人庞天宇已经离职。他在腾讯待了不到9个月，接下来大概率自己创业。单看人才流动，这只是一个年轻研究员的职业转向。可放到腾讯混元2026年那场自上而下的重构里，这件事就成了一个可以拆开看的结构性切片：一位被高调请进来的“95后”首席研究科学家，刚好赶上整个体系从分散走向集权、从多线并进转向单点突破，而他最初被许诺的那个位置，也在这轮收拢中没了。

庞天宇的学术履历挑不出毛病。他1995年出生，高一保送清华，2017年从数理基科班本科毕业，2022年在计算机系拿到博士学位，导师是朱军教授。ICML、NeurIPS、ICLR等顶会上，他发表过70余篇论文，总引用超过15000次，微软学者、百度奖学金、英伟达学术先锋奖等荣誉也拿了个遍。2026年1月30日，他在小红书官宣加入腾讯，出任混元首席研究科学家兼多模态强化学习Tech Lead，从新加坡Sea AI Lab回国。入职之后，他带团队在6月开源了UniRL框架。这套分布式后训练框架想做的事，是把扩散模型、自回归模型与生成理解统一模型的强化学习训练塞进同一套流程，首次在多模态生成领域把技术栈的割裂打通。从技术评价的任何一个角度看，这都是标准的大厂引才、快速产出路径。

关键不在庞天宇够不够优秀。真正的问题是，他进场的时间正好撞上混元体系一场不可逆的收拢。

被逼出来的集权

2025年底之前的腾讯混元，在大模型竞赛里位置并不体面。行业里说它“落后”，一度快成共识，榜单分数和真实落地能力之间的差距摆在那里。转折点在2025年12月17日：腾讯宣布升级大模型研发架构，前OpenAI研究员姚顺雨出任首席AI科学家，同时兼任AI Infra部与大语言模型部负责人，直接向总裁刘炽平汇报。这位1998年出生的年轻人被总办寄予的期待，按一位接近腾讯的人士的说法，“就是希望他来打破秩序的”。

接下来那半年里，“打破秩序”不再只是嘴上说说，它变成了组织层面的事实。2026年7月24日，腾讯TEG下发架构调整决定：大语言模型部和多模态模型部一并撤掉，改设基础模型部，姚顺雨统管，向TEG总裁卢山汇报。语言、多模态各走一条线的“双轨制”跑了大约15个月，到这时收拢到同一个负责人手上。官方给的说法是“提升模型研发和协同效率，探索全模态模型的智能上限”。可话说得软，资源那头的算盘打得很硬：一个体系一旦选择用集权把丢掉的时间抢回来，就得尽快回答一件事——哪些方向“必须赢”，哪些方向可以先放一放。

答案写在产品和资本开支的节奏里。Hy3正式版2026年7月发布，发布一周后总调用量比上一代Hy2增长超过68倍，WorkBuddy自选模型的用户里选Hy3的占到60%。紧接着，Hy4预览版在2026年8月底发布，总参数量从Hy3的2950亿猛增到7700亿，激活参数从210亿升到490亿，Code Arena WebDev排名从第28位跳到第6位。高盛在研报里把这一节奏称作“迄今最大幅度的代际能力跃升”，并把腾讯的“产品+模型闭环”策略视为其在Agent时代建立差异化优势的核心路径——模型优先通过WorkBuddy、CodeBuddy等自有产品分发，在真实用户场景里收集数据反哺迭代。资源正以极高的密度向语言基座和Agent出口集中，这是一条只认“能赢”的路线。

多模态RL的位置重估

多模态没有被放弃。腾讯混元在图像、视频、3D生成等方向上的开源模型矩阵还在，UniRL框架也在10月更新到了v0.2.0。可“存在”和“处于圆心”之间，隔着一整套资源分配的真实逻辑。

姚顺雨体系怎么定位多模态，从组织合并本身就能读出来：多模态不再是一条需要单独设部门、单独配一位首席科学家来捍卫的独立战线，而是并进“基础模型”这个统一底座，成为全模态能力的一部分。这个安排的技术前提是，语言模型的推理能力正在变成跨模态能力的公共基座。一位多模态研究员的判断挺有代表性：文字、图像、视频的识别准确率已经能做到85%以上，“难的其实是视觉推理”，而这一步“靠多模态研究是不够的，而是要提升语言模型的推理能力”。多模态的边际突破越来越依赖语言基座的推理跃升，语言基座又恰好是混元当前优先级最高的攻坚方向，于是一个以多模态RL为独立标签的前沿团队，在资源优先级的天平上就不再拥有入职时那种不言自明的分量。

离开这条线的并不只庞天宇一个。更早些时候，原混元多模态理解负责人胡瀚已在2026年7月辞职创业，做了Winverse AI，方向是具身大脑和世界模型；DeepSeek同意领投种子轮，投后估值约4亿美元，美团龙珠也给出了投资承诺。胡瀚是Swin Transformer的核心作者之一，2025年初进腾讯，管混元视觉语言模型和具身基础模型，还被评为“腾讯混元杰出科学家”。四个月间，多模态方向两位核心人物相继走人，说不上是巧合——同一场结构性重估，在两个节点上先后露了头。

创业窗口与“关键人”的悖论

庞天宇的选择还有一个外部条件不能忽视：2026年大厂AI人才溢出，已经成了有清晰价格信号的产业现象。投资人手里握着一份不断更新的“大厂离职名单”，头部机构在技术负责人正式离职前就开出大额支票，这种情况并不罕见。前阿里通义千问技术负责人林俊旸创办语用科技，天使轮融资2.2亿美元，投后估值20亿美元；胡瀚的Winverse AI在隐身状态下就拿到4亿美元估值。人才从大厂往外溢，资本跟着人才流动下注，创业不再是“退路”，而是一条在特定技术周期里被系统性定价的并行路径。对庞天宇这样既有顶会论文密度、又有工程组织能力的年轻研究者来说，留在体系内拿到的“Scope”，和在创业窗口里获得的自主权与估值弹性，已经不是一个显然的单选题了。

不过对腾讯来说，该琢磨的并不是某个人该不该出去创业。真正的问题在另一头：这套体系正往集权走、围着“关键人”重新搭架子，决策和执行确实快了，可它对单点人物的依赖也被推到了从前没有过的高度。姚顺雨花了不到一年就把混元研发体系收拢起来，Hy3和Hy4的迭代节奏也确实让腾讯重新坐回了牌桌。问题是，多模态RL这条线上唯一身兼“首席研究科学家+Tech Lead”的人，9个月内就走了；而这条线在收拢后的版图里，已经被划成“基础模型”下面的一个子集，不再是一条独立战线。组织效率上去了，关键位置却更脆，这两件事本来就是同一枚硬币的两面。集权把资源压到“必须赢”的方向上，那些不在圆心上的方向，也就没了靠“留人”撑住战略纵深的空间。

庞天宇这9个月，是一个顶尖年轻研究者和一台高速收拢的机器之间，一次没咬合上的过程。他来的时候，混元还在合并；他走的时候，合并已经做完。这故事不分对错，它讲的是一个关于优先级的结构性事实：巨头用集权和聚焦去抢时间，个体的去留就不只看才华和资源有多少，还要看这些才华和资源是不是正好落在那个越收越紧、被定为“必须赢”的圆心里。圆心之外的位置，正在被重新计价。