一、4 个一级部门，把数据升格为「战略支柱」
据晚点 LatePost 报道，字节跳动大模型部门 Seed 已于上周完成新一轮组织调整。Seed Foundation Model 拆分为四个新的一级部门——Pretrain Data（预训练数据，李成刚）、Horizon RL（强化学习，唐晟宇）、Product Posttrain-Work（B 端 Agentic 模型，秦禹嘉）、Product Posttrain-Chat（C 端对话模型，原朱文佳 Application 团队更名），全部向 Seed 技术负责人吴永辉汇报。
这次调整最值得关注的，是Pretrain Data 首次被升格为一级部门，与模型研发、后训练、应用并列。过去，预训练数据团队按模态（文本/编程/视觉/语音）分散在 4 个方向；现在合并到一个人手里，统一负责新 Omni 模型的多模态数据 + 超大模型预训练数据工作。这是国内大厂首个明确「数据」与「模型」平级的组织样本。
二、为什么是「数据」而不是别的？
大模型行业的一个共识正在形成：决胜变量从算力转向高质量数据。
- 算力扩张撞上天花板：英伟达 GPU 供应紧、高端 H100/H200 价格仍高，单纯堆卡带来的边际收益迅速衰减；
- 数据是新的护城河：谁拥有「高质量、多模态、合规」的预训练数据，谁就拥有下一阶段大模型的「喂养权」；
- 组织配套必须前置：把数据从后台支撑升到一级部门，是给这条护城河配齐组织级的资源、预算、决策权。
同期有消息称字节正在讨论训练参数规模超过 5 万亿的下一代多模态大模型。一旦落地，将是国内已知参数规模最大的模型——而喂饱这个「巨兽」的，正是 Pretrain Data 这个新部门。
三、RL 与 Agent 同步单独立项
Horizon RL 由原后训练、推理、视觉理解三方向的强化学习团队合并，由唐晟宇负责，目标很直接：「提升模型的基础智能上限」。在后训练阶段，强化学习（RLHF/RLAIF/RL on Reasoning）是过去一年大模型能力跃升的关键引擎，单独成立一级部门，反映字节押注 RL 仍是下半场突破路径。
产品端首次做了 B/C 端分流：
- Product Posttrain-Work（B 端 Agentic 模型）：服务办公场景的豆包/Dola 任务模式，负责 Agentic 模型整合发布，针对企业办公做 Agentic 能力优化；
- Product Posttrain-Chat（C 端对话模型）：原 Application 团队更名而来，专做 C 端对话体验，与 Work 分工协作不重复造轮子。
这是字节首次把「企业 Agent」与「消费级 Chat」做成两条独立产品线，背后是 To B 和 To C 大模型打法本质差异化的判断。
四、AI 安全与前沿探索也单独任命
调整公告里特别提到，Seed 为 AI 安全及其他前沿探索方向分别任命了负责人。当模型规模突破 5 万亿、能力跃迁，「安全」就不是事后的合规补丁，而是研发链路上的并行模块。这一点和 Google DeepMind、Anthropic 把 Safety 与 Capabilities 并列的做法一致。
五、对成长型企业的启示
字节这套调整对创业团队/中型公司有三层启示：
- 数据团队要先于模型团队独立：等模型上线后再补数据治理，往往要为清洗/标注/合规付双倍代价；
- B 端与 C 端不要混在一个产品线下：目标用户、评估指标、迭代节奏全不同，混着做必然哪边都做不好；
- RL 与安全从一开始就是「主线」而非「补丁」：把后训练和 AI 安全放在与预训练同等的组织权重上，避免「最后一周才补作业」。
一句话总结：字节把「数据 + RL + B/C 端」三件看似后台的事全部扶正，是大模型下半场「组织决定胜负」的最新样本。
