2026年，中国大模型行业的人才流动呈现出双向奔赴与内部流失并存的复杂态势。一方面，字节跳动持续吸纳DeepSeek、阿里等竞争对手的核心人才；另一方面，其旗下核心AI研究团队Seed也面临人员外流，部分成员选择加盟友商或创业。
10月20日，据多家媒体报道，字节跳动Seed团队模型评测负责人黄文灏已于近日离职。知情人士透露，他下一步可能选择创业，但具体方向及融资情况尚不明朗。字节方面暂未确认其离职后的具体安排。
黄文灏拥有北京大学计算机博士学位，曾在微软亚洲研究院从事智能体研究，后任智源人工智能研究院健康计算研究中心技术负责人。2023年，他以联合创始人身份加入零一万物，担任算法副总裁及模型训练负责人，主导了Yi系列大模型的训练与发布。2024年8月，黄文灏加入字节Seed，初期负责技术项目管理与规划，后转向模型评测及前沿技术规划讨论。2025年初吴永辉接手Seed后，其汇报关系随之调整。
从模型训练到评测再到技术规划，黄文灏的经历覆盖大模型研发关键环节。他的离开再次将Seed的人才流动问题置于聚光灯下。此前报道显示，过去一年间Seed有近70名技术人才离职，其中近30人加入腾讯，另有部分流向阿里、DeepSeek等公司。同期，超过30家“字节系”AI创业公司已获得融资。
黄文灏离职与Seed部门重组
黄文灏的职业轨迹贯穿了中国大模型产业多条重要技术路线。他在微软期间关注对话系统，在智源期间拓展至AI for Life Science领域，在零一万物期间负责预训练与大模型训练。2024年加入字节Seed时，正值该团队快速扩张期，引入具备独立大模型训练经验的研究者有助于补充技术能力并完善研发流程。
值得注意的是，黄文灏离职恰逢Seed团队重大重组。10月13日，Seed宣布成立“Seed Model-Alignment & Preparedness”（模型对齐与前沿风险准备）部门，由严林负责，原Responsible AI及部分Chat团队成员转入新部门。10月14日，Seed官网发布公告，计划面向全球招聘首批10名研究员，工作地点涵盖北京、上海及美国圣何塞。
新部门并非传统的安全审核团队，而是致力于将安全与对齐能力嵌入大模型研发全周期。其研究任务涵盖四个层面：一是建立安全规范与评估体系，制定模型行为规范及前沿安全评测Benchmark；二是强化训练阶段安全能力，探索覆盖预训练、SFT和RL的安全对齐方法；三是针对未知风险建立自动化红队测试、行为监控及归因机制；四是引入外部验证，与高校及第三方机构合作检验模型安全能力。
Seed特别强调，新团队将获得与前沿模型研究匹配的资源支持及充足算力。这表明字节正推动安全研究从外围保障向核心技术环节并行推进，要求安全团队直接参与模型训练、评测和部署全流程。
尽管尚不清楚黄文灏离职与组织变动的直接关联，但从技术视角看，模型评测是大模型研发中至关重要却易被低估的环节。随着模型复杂度提升，建立科学的评估体系对于判断技术进步、识别短板及优化资源投向具有决定性作用。评测结果直接反哺训练策略与数据选择，是研发团队校准技术方向的关键依据。作为该方向前任负责人，黄文灏的离开自然引发业界关注。
Seed人才流动涉及多部门
回溯时间线，Seed的人员变动并非近期突发。2025年初吴永辉接手后，团队通过Seed Edge、Focus、Base等机制分别承接长期研究、基础模型攻坚和当前模型研发任务，并推进数据与代码库共享以提升协作效率。然而，人员流动仍是这支庞大团队面临的现实挑战。
除黄文灏外，多位核心成员的动向值得关注。2026年6月，UCLA计算机科学副教授顾全全结束在字节Seed的工作，他曾参与AI药物发现及大模型预训练研究，成果包括SeedFold、SeedProteo等项目。上月，他宣布成立新公司Geodesic Intelligence，旨在打造用于药物发现的AGI。
顾全全的离开表明，Seed的人才流动已超越传统语言模型范畴，延伸至科学计算、多模态等前沿方向。另一条线索是原Seed视觉基础研究团队负责人冯佳时，他于2025年底加入腾讯AGI研究中心担任多模态团队负责人。此外，肖学锋、张弛等多名Seed成员也相继加入腾讯。
此类流动的特殊性在于，它不仅涉及个别研究员的经验转移，更可能伴随整套工程经验、协作方式及技术判断力的迁移。当负责人与熟悉同一研发体系的成员成建制流动时，对竞争对手而言意味着更高的复用价值。当然，人才离职不等于团队能力自动复制，实际影响仍取决于人员规模、知识积累及新团队的资源条件。
Seed的结构性难题：研究自由与业务交付的平衡
Seed面临的核心挑战在于如何兼顾研究机构的技术探索与大厂研发部门的持续交付。吴永辉接手后，既要推动长期研究项目，又要解决基础模型技术债，并在迭代速度与研究质量间寻求平衡。
前沿AI研究需要探索空间，研究者可能耗时数月验证一个暂无直接产品价值的课题；而商业化模型研发则遵循产品更新、按期发布、成本控制及体验转化的严格节奏。两套逻辑的不一致直接影响研究人员对工作价值与职业发展的判断。若长期探索缺乏资源支持，或短期交付压力过大，都可能导致人才流失。
但这并不意味着所有离职都源于研究自由不足，也不能据此推断Seed已完全转型为业务交付部门。另一个显著趋势是大厂日益重视研究组织的工程基础设施。随着团队规模扩大，数据管线、训练系统、评测框架等复杂系统的建设成为关键。人才竞争逻辑已从争夺提出新算法的研究员，扩展到争夺能将研究成果转化为稳定生产级模型的工程人才。
AI人才争夺战进入下半场：留人比挖人更难
大模型竞争初期，企业依靠高薪和资源吸引顶尖人才以快速组建团队。但随着行业成熟，单纯“招人”已不足以维持优势。成熟的研究团队需要稳定的研究方向、清晰的职责分工、可持续的技术积累以及个人成果转化为团队能力的机制。
字节Seed的人员变化之所以受关注，是因为它折射出行业现状：一方面，字节仍有资源和场景吸引外部人才；另一方面，腾讯、阿里及AI创业公司也在完善研发组织，提供多元选择。2026年4月，有报道称字节为Seed员工提供与豆包业务挂钩的特殊期权，试图通过长期激励绑定人才收益与业务发展。
然而，薪酬仅能解决部分问题。顶尖研究员的长期选择还取决于研究自主权、资源验证条件、成果认可度及组织发展空间。与此同时，AI创业虽为离职者提供了新路径，但也面临算力成本、融资及产品验证等风险。
黄文灏的未来去向尚无定论，但可以确定的是，AI人才市场正从单纯的招聘竞争转向复杂的组织竞争。谁能吸引人才决定了起步速度，而谁能让人才持续创造有价值成果，才决定了团队能走多远。
参考链接：
https://seed.bytedance.com/zh/blog/seed-alignment-preparedness-team-looking-for-global-talents
https://x.com/MaxForAI/status/2112109941620433227
https://tech.ifeng.com/c/8xLkEwJVZ9H?
声明：本文为AI前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。
