字节成立“AI数据与安全”一级部门，10万亿参数大模型仍在押注

事件概述

字节跳动近期将分散在多个业务线的AI数据团队收拢，组建新的“AI数据与安全”一级部门，与Seed、Flow、抖音等平级。原负责人傅越将离职，由原TikTok平台责任团队负责人王赢磊接任。

与此同时，金融时报援引知情人士消息称，字节正在预训练一个参数规模最高可能达到10万亿的超级AI模型。该模型仍处于早期阶段，最终规模尚未确定；若实现，将成为全球参数量最大的AI模型之一。

核心信息

• 组织调整：新部门的前身之一是傅越2023年成立的Global Data。随着大模型业务扩张，集团数据中台DMC、Flow旗下AIDP、Seed内部各团队都建立起数据相关职能，字节内部因而出现多套并行的大模型数据团队。此次整合将这些团队收拢并升格为一级部门。
• 模型计划：10万亿参数目标意味着继续押注Scaling极限，但“喂”给模型的将不只是GPU，还需要大量高质量数据。
• 自研路线：张一鸣在Seed全员会上明确表示，字节愿意为长期目标牺牲短期利益，即使阶段性落后，也不应依靠蒸馏竞争对手模型来补差距，需要独立准备训练数据。
• 投入规模：仅Seedance的数据评测团队就有上千人；今年字节在世界模型和Coding等方向的数据预算已达千万美元级，且可以继续追加。

行业背景

高质量数据短缺已成为大模型继续扩张的共同瓶颈。DeepMind于2022年在Chinchilla研究中发现，模型参数规模翻倍时，训练数据量也应同步增加。但Epoch AI估算，全球公开人类文本约相当于300万亿Token，按当前增长速度可能在2026年至2032年间被充分利用；若模型为降低推理成本而进行更长时间的过度训练，这一时间可能提前。

大厂正在以多种方式获取稀缺数据：Google与Reddit签订每年约6000万美元的内容授权协议；OpenAI与News Corp达成多年合作；部分公司直接雇佣工程师、博士等专业人员参与训练数据生产。Anthropic则通过内部代号“Project Panama”的项目批量采购并扫描实体书，为此投入数千万美元。此前Anthropic还曾从影子图书馆下载数百万册盗版书籍。2025年法院认定使用书籍训练AI本身可以构成合理使用，但保存盗版书籍面临侵权风险；Anthropic最终同意支付15亿美元和解，该协议于今年7月获美国联邦法院批准，成为已知规模最大的美国版权诉讼和解之一。

值得关注

字节一边计划最高10万亿参数的模型，一边拒绝蒸馏外部模型的捷径，使高质量数据成为必须单独投入的关键环节。此次组织升格也表明，数据工作正从过去的外包标注生意，变成与算法、算力并列的独立工程体系。