本文来自微信公众号： Z Finance ，作者：ZF编辑部，原文标题：《独家丨字节、阿里、腾讯的 AI 权力范式之争：切割、重构与孤注一掷》
ZF导读：当算力不再是唯一变量，组织架构的优劣正成为决定终局的隐形分水岭。在这场关于通往AGI的权力实验中，字节跳动试图以另起炉灶的独立王国复刻创业公司的极限速度，阿里巴巴在体系归核的阵痛中博弈于稳健与人才流失之间，而腾讯则在战略迟到后选择押注极少数“关键人”来对冲错失的时间窗口。
这不仅是一场技术的博弈，更是一场关于如何在大公司底色下对抗熵增、实现数千人规模长期对齐的组织马拉松，而真正的分水岭，就藏在人才流向与技术节奏的沉默交锋之中。
3月4日凌晨，阿里通义千问负责人林俊旸宣布离职。距离前任千问负责人周畅离开阿里，不到两年。两任千问负责人先后出走。阿里通义实验室的核心岗位像一扇旋转门：进来的人有才华，出去的人有理由。
这不是一个简单的人事变动。它是中国三家最大科技公司在大模型竞赛中，组织架构差异的一个缩影。
三家公司——字节跳动、阿里巴巴、腾讯，面对同一道题「如何组建一支能做出世界一流大模型的团队？」
给出了三个截然不同的答案。
三条路
字节：另起炉灶，组织先行
在这一轮AI浪潮里，字节是国内大厂里少数很早就用top-down方式把方向拍死的公司。2023年下半年，它没有把大模型继续塞进原有业务条线慢慢试错，而是直接从AI Lab、AML、搜索等团队抽调人手，组建了一个独立于既有事业群的新部门——Seed。
这个部门不嵌入任何成熟营收体系，负责人直接向CEO梁汝波、创始人张一鸣汇报。到今天，Seed已经是一支接近千人规模的队伍，也是字节内部最激进、最舍得砸资源、招人最猛的独立王国。
这背后其实是字节对AI的一个很明确判断：这不是某条业务线的功能升级，而是需要单独开一套组织、单独配一套资源、单独跑一套节奏的“公司级工程”。所以Seed从一开始就不是给任何业务打辅助，而是和抖音、TikTok、火山引擎这些核心板块平行存在。
Seed负责造模型、打底座，具体业务团队再把这些能力装进豆包、即梦、扣子、方舟等产品里。字节先把“弹药库”建起来，再让前线各业务带着弹药去打仗。
更关键的是，字节的组织架构变化非常快，而且明显服从战略，而不是服从原有山头。
最初，Seed由朱文佳主导。朱文佳2015年加入字节，做过今日头条CEO、TikTok产品技术负责人，2024年进一步升为直接向梁汝波汇报的AI核心负责人。
到了2025年2月，字节又从Google DeepMind挖来研究副总裁吴永辉，负责Seed的基础研究工作；当时公开报道普遍提到，两人一度平级，分别覆盖“模型应用”和“基础研究”，共同向CEO汇报。
而且这次交接并不是外界想象中那种简单的“旧人退场、新人上位”，而更像一次相对顺滑的职责再分配。
吴永辉到任后，先密集和100多位核心研究员做1对1沟通，随后把团队重新拆成三层：Edge负责更长周期的前沿探索，Focus负责下一代模型攻坚，Base负责当前模型的工程、数据和交付。
与此同时，朱文佳则逐步把重心贴近模型应用和用户需求，围绕问答、创作、解题、写代码等能力打磨产品侧效果。到2025年10月，公开报道显示，朱文佳的直接汇报关系又从梁汝波调整为吴永辉，这基本意味着吴永辉在组织上已成为Seed更完整意义上的一号位，而朱文佳则转向更偏应用与落地的一侧。
这恰恰体现了字节AI组织的一个核心特点：组织架构不是静态设计图，而是战略意图的实时投影。当公司更焦虑的是“模型天花板”时，就把基础研究权重抬高，把DeepMind级别的人才请进来；当竞争焦点转向应用、增长和落地时，朱文佳这种既懂技术、又懂产品、还做过大业务负责人的老将，就会继续留在关键位置上。
不是谁输谁赢，而是谁更适合当前阶段的主战场。
为了匹配这套新的人才战争，字节连原来的职级和激励机制都动了。2025年底，字节发布内部邮件，宣布把原有1-1到5-2的五级十档体系，更新为L1-L10的新职级体系，并同步提高奖金投入、调薪预算、薪酬上下限。公开口径里，这轮调整的目标很直接，就是在全球范围内更好地吸引、激励和保留优秀人才。
到AI竞争背景里看，这其实就是在给新的人才结构腾空间。过去那套更适合成熟互联网组织的级别体系，已经不完全适配今天这种研究人才、工程骨干、产品尖兵都要高速抢夺的状态。
在AI核心团队上，字节的激励也明显更激进。2025年公开报道提到，字节曾为Seed部门定向增发期权津贴，部分大模型方向技术员工按绩效和职级，每月可获得价值约9万、11万、13.5万元的字节期权，连续发放18个月。
到了2025年11月，市场又传出字节在试点“豆包长期激励计划”，即所谓“豆包股”，本质上是一套围绕豆包及相关大模型业务的虚拟股式长期激励机制。不过这一部分截至公开报道时公司并未正式确认，因此更稳妥的写法是：字节在正式期权增发之外，还被市场曝出正在试点与豆包业务表现挂钩的长期激励机制。
所以回头看，Seed从来不只是一个大模型团队，它更像是字节为AI时代临时搭出来的一家“公司中的公司”：方向上由最高层直接拍板，组织上允许频繁重组，人才上既从内部抽调老将，也从外部引进一线技术高管，激励上则单独加码、单独开口子。
字节想要的不是在原有大厂框架里加一个AI部门，而是尽可能用创业公司的方式，去跑一家超级大公司对AGI的追赶。
资料来源：晚点
阿里：在江湖里赛马
如果说字节的做法是另起炉灶，那阿里的路径明显更“江湖”——不是把原有组织彻底推倒重来，而是在既有体系里不断重组、归核、再孵化。
大模型浪潮刚起来时，阿里正处在“1+6+N”拆分周期，达摩院一度被放在更独立的位置。但很快，随着大模型的重要性迅速上升，原达摩院的核心研究力量又被重新归拢回阿里云，语言、语音等方向逐步整合为通义实验室，由阿里云CTO周靖人统一负责。
2026年3月林俊旸离职后，阿里内部进一步明确：基础模型已经上升为集团最重要的战略之一，通义实验室继续由周靖人统筹推进。
这条路线的优点是稳。周靖人本身就是阿里体系内极少数同时懂研究、懂平台、也懂大业务协同的人。他2015年加入阿里，此前在微软工作多年做到研发合伙人，后来在阿里先后负责过阿里云、搜索广告、达摩院智能计算等多块核心技术业务，最终回到阿里云，成为通义实验室的一号位。
到了2025年底，周靖人还进一步进入阿里合伙人体系，这也说明通义实验室在集团内部的权重被继续抬高。
某种意义上，阿里在AI时代并没有选择找一个“外来的总指挥”重写组织，而是让一个内部老将把云、模型和集团资源重新串起来。
阿里通义最鲜明的特征，也是它最矛盾的地方，恰恰在于这套内部梯队。
一方面，它确实培养出了非常能打的一批年轻技术负责人。周畅、林俊旸、刘宇、周文猛等人，很多都是校招或早期加入达摩院后一路成长起来的代表人物。林俊旸2019年加入阿里，几年内做到千问核心负责人、最年轻的P10之一，就是这套内部培养机制最典型的样本。
阿里过去几年能把Qwen做成全球最有影响力的开源模型家族之一，这套内生培养体系是有功的。
但问题也在这里。到了这一轮更残酷的人才战争里，内部培养的节奏，开始赶不上外部争夺的速度。2025到2026年，通义核心团队接连出现重要人员流动：2026年3月，林俊旸宣布step down；同一天，Qwen后训练负责人郁博文也离开，Qwen Code负责人此前也已流向Meta。更早之前，阿里内部一些早期骨干也已陆续被外部挖走。
换句话说，阿里不是没有培养出人，而是刚把人培养到能独当一面的阶段，外部市场就已经开始出高价抢。你可以把它理解成一种很典型的大厂式困境：体系能培养英雄，但体系未必总能留住英雄。
阿里当然也不是没有引入外部血液，只是相较字节那种直接从Google DeepMind级别大举挖人的打法，阿里的节奏显得更谨慎，也更像“补强”而不是“换帅”。
2025年2月，新加坡管理大学终身教授、Salesforce前副总裁许主洪加入阿里，先负责AI To C方向的多模态基础模型与Agents研究，后来又进一步转到通义实验室，补强多模态与交互方向。
同一时期，阿里还吸纳了零一万物部分预训练团队成员，相关报道提到规模大约在60人左右，本质上是用大厂平台去承接创业公司难以持续支撑的超大模型预训练能力。
只是从组织信号看，这些动作更像是持续加码“兵源”，而不是从根本上改写最高技术权力结构。至少从公开人事脉络来看，阿里在三家大厂里显得最像“老人守中军”的那一个。阿里的技术总指挥权始终更多握在周靖人这样的内部老将手里。
这个选择未必错，甚至很可能更适合阿里这种云、模型、芯片、B端场景高度绑定的公司。但它也意味着，阿里的AI组织更强调延续性和整合能力，而不是用一个外部明星技术领袖去强行重写原有秩序。
更麻烦的是，阿里的AI力量从来不只在通义实验室里。通义实验室负责基础模型研发，但产品侧还有千问App、夸克等AI To C业务，归吴嘉所辖；再往外看，淘天、国际数字商业、钉钉等业务，也都在调用通义能力、同时围绕自身场景做各自的AI产品与工程化落地。
这种布局的好处是场景多、落地快，坏处也很明显：边界容易变模糊，多个条线都在做AI，很多方向天然就会重叠。
这也是为什么，阿里的AI组织给人的观感总有点“像江湖”。不是说它没有中心，相反，通义实验室和周靖人就是中心。但在中心之外，又长期并存着很多带着业务目标、历史包袱和技术惯性的分支势力。通义、千问、夸克、万相、百聆，再加上淘天和其他业务线的AI需求，彼此既合作又竞争，既共享底座又争抢资源。
它不是字节那种另起炉灶的独立王国，也不是一种彻底收拢到单线条指挥的军事化组织，而更像一个不断重组的武林盟主体系：盟主是有的，主峰也是有的，但各路门派都还保留着自己的打法和利益边界。
这条路的好处是组织不至于失控，云、模型、芯片和业务场景可以联动。坏处则是，当外部竞争进入抢人、抢速度、抢统一调度的阶段时，原有体系里的层级惯性、条线重叠和英雄流失，就会比另外两家大厂显得更刺眼。
腾讯：战略迟到，把指挥棒交给最年轻的一号位
如果把三家大厂放在一起看，腾讯在这一轮大模型竞赛里的节奏，明显是最慢的那个。
ChatGPT爆红后，字节很快在2023年下半年拉出了Seed，阿里则把达摩院相关力量重新归拢进阿里云和通义体系。腾讯虽然在2023年2月就紧急启动了对标ChatGPT的混元项目，但很长一段时间里，它更像一个临时项目，而不是一套完整的大模型组织。
直到2025年4月，腾讯才在TEG体系下正式成立大语言模型部和多模态模型部。再到2025年12月姚顺雨官宣入职后，腾讯才进一步新设AI Infra部、AI Data部和数据计算平台部，第一次真正按大模型时代的需求重配组织。
这个节奏，比字节至少慢了一年多。
前期最大的问题，不只是起步晚，而是一直没有找到真正合适的技术一号位。
混元最早由张正友带队。张正友当然是华人计算机视觉领域的顶级人物，“张氏标定法”几乎是全球通用的方法论，但问题也很明显：大模型竞争最核心的战场是LLM，而不是计算机视觉。张正友管理近半年后，混元并没有交出足够有说服力的成果。
随后蒋杰接手，他的判断更偏业务导向，认为大模型可以服务广告投放。但蒋杰的背景本质上仍是广告、大数据平台和工程体系，而不是最前沿的自然语言模型研发。
换句话说，在最需要“懂LLM全链路”的阶段，腾讯前两任混元总负责人都不是最典型的大模型型选手。
这直接导致混元前两年一直带着很强的“拼装感”。混元在很长时间里是一个虚拟团队，成员分散在AI Lab、机器学习平台部、大数据平台部等多个部门，被抽调来做混元的人，同时还得兼顾原部门的AI需求。职责边界、资源权限、汇报链条都不够清晰。
说白了，腾讯前期没能像字节那样尽早把人和资源真正捏成一个完整拳头。
而且，腾讯前期技术骨干的能力结构，也并不完全对准LLM主战场。公开报道里，混元核心管理层多数是腾讯十年以上老将，背景主要集中在搜索、广告、大数据平台、计算机视觉等方向。这些能力当然重要，但和这一轮基础模型最关键的预训练、后训练、推理、Agent体系相比，并不是最直接的一套履历。
也正因为如此，在姚顺雨到来之前，混元的LLM负责人在组织里既不够高，也不够“直达高层”：向上隔着蒋杰、卢山等多层管理链条，向下还要横跨多个旧部门协调资源，很难真正像一个基座模型一号位那样调动全公司。
腾讯后来的选择其实很激进。它没有继续找一个资历深、组织经验足的传统“大牛”来稳妥接盘，而是直接押注了27岁的姚顺雨。
2025年12月17日，腾讯官宣姚顺雨出任“CEO/总裁办公室”首席AI科学家，直接向刘炽平汇报。同时兼任AI Infra部和大语言模型部负责人，向卢山汇报。
这种安排在国内大厂非常少见：一方面给他挂在总裁办公室，打通最高决策层；另一方面又让他实管算法和基础设施，等于把“模型能力”和“资源调度”同时交到他手里。
到任后第一件事是降低发版速度：「以前混元一周发两个版本，他来了之后要打磨好再发。」第二件事更激进——「从数据开始重新训练混元」，相当于回到起点。
官宣后，腾讯进一步新设AI Infra部、AI Data部和数据计算平台部——第一次从组织架构上匹配大模型时代的研发需求。2016年成立的AI Lab被逐渐弱化，副主任俞栋离职，语音和NLP研究方向被裁撤，实际上成为混元的下属部门。
与此同时，一场激烈的抢人大战正在展开。长期从事基座模型招聘的猎头说，字节2-2职级的候选人跳槽腾讯后可以获得T12或T13的职级——相当于连升两级，薪酬直接翻倍，有的甚至提升200%。至少有3位T12级人才从字节Seed和DeepSeek加入混元。姚顺雨亲自担任LLM相关岗位的面试官，部分候选人由他直接引荐。
腾讯这条路和字节、阿里都不一样。它不是最早看清方向的，也不是最早完成组织独立的，甚至前两年在一号位、人才结构和资源调度上都慢了半拍。等它真正决定all in时，已经来不及按部就班培养，只能一边用高薪从字节、阿里、创业公司手里抢人，一边把希望压到一个极年轻、但范式足够新的技术领军者身上。
腾讯终于把混元从一个虚拟项目，变成了一个真正的大模型组织；但这个转身，比字节晚了整整一轮。
资料来源：新皮层
分水岭不在模型，在组织
从周畅到林俊旸，这场大模型竞赛里最稀缺的东西，早就不是参数，也不是卡。而是一种更难复制的能力：
让一群人、几套体系、几条汇报线，在同一个方向上长期对齐。
字节用“起炉灶”换速度，代价是对一号位判断的高度依赖；阿里用“体系归核”换稳定，代价是江湖里更难避免的摩擦与流失；腾讯用“关键人豪赌”换追赶窗口，代价是容错空间被压到极窄。
真正的分水岭往往是沉默的，它最终会折射在三个标志性的刻度里。首先是技术产出的连续性，看当最初的激情退潮，最硬核的成果是否还能保持某种结构性的稳定。其次是人才的流向，看在行业的泡沫散去后，顶尖的大脑是在向核心靠拢，还是在焦虑中寻找下一个出口。
而最关键的考验在于，当商业化的KPI如同重锤般落下，那份对基础研究的敬畏与节奏，是否会轻易向短期的财务报表低头。
大模型的终局或许不是一场关于算法的胜负，而是一场关于组织如何对抗熵增的马拉松。在这场漫长的博弈中，领先者与落后者之间的鸿沟，最终将由那些最难被代码复制的人心与机制来填平。