字节Seed团队被指组织失配：算力最多，大模型进展反而不快

互联网的黄金十年里，字节跳动常被看作一台被奉为神明的组织机器。靠着“App工厂”模式、扁平化的敏捷开发，还有极度内卷的“赛马机制”，它在腾讯和阿里的夹击下硬是跑出了抖音这样的全球级巨无霸。

可当这家公司带着最耀眼的资金、最顶级的算力和最庞大的人才库杀进大模型时代，过去那套“神兵利器”反倒成了刺向自己最深的软肋。

近日X平台上围绕字节Seed团队的一场讨论，把大模型狂欢背后那层组织的遮羞布扯了下来。爆料者说得很直接：Seed的人才很好、算力也很多，但LLM（大语言模型）的进展不够快；问题不在技术限制，而在组织——字节的赛马机制根本不匹配大模型的研发。

再配合此前公开报道中字节Seed团队训练“投毒”事件当事人的自述，以及评论区关于“大模型重工业流水线”的讨论，一个相当荒诞的现实浮出水面：在大模型这个人类历史上最复杂的系统工程面前，字节引以为傲的“赛马”，跑不出通向AGI的火箭。

当“赛马”撞上“重工业”

大厂高管往往有一个致命的路径依赖：以为大模型只是另一个更复杂的App，只要投入足够多的团队，让他们互相竞争、内部PK，就能跑出最强的模型。

这是移动互联网时代留下的思想钢印。

评论区一位从业者的总结一针见血：“大模型预训练，本质上是类似精密重工业的流水线工程。从分词过滤、数据配比，到千卡/万卡拓扑的通信调优，每个环节必须严丝合缝、全局协同。”

这套重工业体系里容不得半点各自为战。得有一个高度集权的指挥部，统一调度上万张GPU，统一清洗几十万亿的Token，统一对齐底层的Infra（基础设施）架构。一个细微的数据配比错误，或者千卡集群里一根网线松动，都可能让长达数月、耗资数千万的训练彻底崩溃。

而“赛马机制”的核心是什么？小步快跑、资源隔离、团队内卷、胜者为王。

把移动互联网的赛马机制强行套到需要全局协同的超大集群研发上，直接结果就是把本该集中力量办大事的“超级算力池”，拆碎成各自为战的“资源孤岛”。

爆料里提到，字节内部资源囤积成了常态。已经抢到算力的团队，哪怕算力闲置，也宁愿烂在手里，绝不肯共享给其他团队。大家都防着隔壁团队跑出比自己更好的成绩，信息不透明，沟通充满戒备，关键的代码与数据甚至互相藏匿。

碰上这事的也不止字节。爆料者还顺带提到，硅谷巨头身上同样存在这类毛病：谷歌内部做Gemini的团队喊缺卡，反倒是赚钱的广告团队手里攥着一大把GPU，这些算力究竟被拿去干什么，外界根本不清楚。不过要说明一点，关于谷歌内部算力怎么分，这套具体说法眼下只出现在爆料转述里，还没有独立信源交叉印证；可它指向的部门墙与本位主义，确实是大模型时代一笔昂贵的沉没成本。

洗了半年的数据，谁来背OKR？

大模型的研发不光要“大”，更要“静”。它不像写前端代码那样能立刻看到炫酷的UI反馈，需要的是大量枯燥的数据清洗和繁琐的通信调优。

而在大厂极度内卷的KPI/OKR体系下，这种“安静”是不被允许的。

爆料里写到的痛点，研发人员看了大概都会点头：搞LLM，并不需要那么多灵光一闪的“天才时刻”。日常真正要干的，是把数据和环境稳稳当当地弄对，是死磕Infra的效率。可这帮由顶级天才组成的研发人员，骨子里又渴望创新、渴望带项目。

“加上每几个月考核一次的OKR，我这半年全都在清洗脏数据，年底的OKR怎么写？”这是一个死结。

在现有考核体系下，洗数据、排雷、调优通信这些真正决定大模型下限的“脏活累活”，没法转化成漂亮的汇报PPT和顶会论文。如果员工为了完成OKR，跑去做最出彩、最容易发论文的架构创新，那些脏活谁来干？

没人干，模型就会吃下有毒的数据，最终酿成灾难。

之前在圈内引发震动的字节Seed团队训练“投毒”事件，就是这种极端内卷和组织割裂结出的果子。前员工ShoufaChen是最直接的受害者，他在回忆里极其痛苦地讲了那段长达数月的排查、对峙与质疑。那几个月，团队每天面对的，是模型表现莫名其妙地崩溃，是彼此之间对工作失误的相互指责。

公开报道显示，这事不是简单的技术Bug，而是一名前实习生在训练环境里搞的系统性破坏：改底层代码、随机终止训练进程、埋后门，再把故障伪装成随机事故。团队之间为抢资源互相防着，研究员为保住自己的项目把真实的数据故障瞒下来，大模型这个庞然大物就会在不知不觉中走向崩溃。大厂的OKR体系本意是激发人的潜能，结果却逼出了人性里最短视、最自私的那一面。

缺失的“Research Group”

更有意思的是另一条评论：“字节拥有最多的资源，但没有一个真正的Research group（研究团队）。”

这家公司前几年在技术博客上写得相当漂亮，Infra 框架、底层算法出了一批又一批。可要是把技术产出和实际砸下去的算力摆在一起看，两者的关系明显不成正比，甚至有点拧巴。几万张卡投进去，换回来的常常只是局部优化那点“工程小胜利”，底层的“范式大突破”却迟迟没影。

问题出在哪？大厂的研究院，多数时候还是业务部门的附庸。上头要的是“既要前沿，又要落地”：顶会论文得发，用来证明技术实力；抖音广告推荐那边也得马上接得上。这种两头都要的状态，让研究员没法在一个方向上长期扎下去。可大模型时代的真研究，恰恰需要不计成本的试错，需要对长期主义有那份宽容。

微软给 OpenAI 建了顶级超算中心，让他们折腾好几年才憋出 GPT-4；DeepSeek 背靠幻方，算力冗余大到极点，极客文化又极度扁平，几十个人的小团队就能为一个 MoE 架构的执念死磕到底。反观大厂，算力的自由分配权不解决，不盯着短期 DAU 的考核机制不建起来，天才们要么沦为洗数据的高级流水线工人，要么变成抢卡的办公室政客。

公开报道显示，字节后来推动了 Seed 团队组织收敛，还取消了 Seed Edge 项目的季度 OKR 和半年考核。旧那套“赛马+短周期考核”的方式撑不下去，这一点从侧面也能看出来。

结语：告别“App工厂”，重塑“大厂”

其实不只字节一家。阿里、腾讯、谷歌，凡是拿“App 工厂”的旧瓶去装大模型这瓶新酒的传统巨头，眼下都在经历痛苦的阵痛。

大模型不是写几行前端代码就能上线的小程序。它要把人类知识压缩到极致，是一场极其宏大、残酷、又要求极度团结的核聚变。企业得有底层硬件级的调度能力，得容忍长期“无产出”的阶段，更得有一种超越短期财报的信仰。

大厂要是还抱着“内部赛马”“用 OKR 逼产出”“各扫门前雪”那套互联网旧思维，手里就算攥着上万张算力卡，最后搭出来的也不过是个比上不足、比下吃力的“资源孤岛”。

未来赢的，未必是显卡最多的那家公司。但一定是敢砸碎旧部门墙、把全部算力捏成一个拳头、还能让天才心甘情愿去洗一年数据的组织。说到底，算力花钱就能买到，可一套适配硅基生命进化逻辑的“科研工业体系”，得靠一次伤筋动骨的自我革命才建得起来。操作系统不换，大厂就注定跨不进 AGI 的窄门。