90后接管国产大模型：技术底座与商业落地的双重考验

事件概述

2026年9月，中国国产大模型领域迎来关键人事更迭，多位90后技术专家升至核心管理层，标志着“论资排辈”在快速迭代的技术周期中逐渐失效。这一代管理者不仅掌握了职位权力，更直接面对尚未解决的技术债务、商业化压力及行业追赶风险。

核心人物与职责分工

1. 阿里巴巴：底座与生意的双轨并行

• 刘大一恒（1993年生）：担任ATH事业群TokenFoundry Qwen大语言模型项目负责人。作为川大计算机博士及前华为“天才少年”，他接棒Qwen底座研发。其核心技术路线包括激进采用递归式自我改进（RSI），旨在通过模型从真实任务中发现不足并自我修正，以突破基础模型的能力上限并压缩成本。
• 陈宇森（1992年生）：晋升为阿里巴巴集团副总裁、千问办公CEO。拥有长亭科技创始人背景，他负责将分散的Agent产品线整合为“千问办公”，核心任务是打通钉钉生态与Qwen底座，推动大模型在企业工作流中的商业化落地，解决“演示惊艳、日常难用”痛点。

2. 小米：开源模型的极致效率

• 罗福莉（1995年生）：晋升至小米职级体系最高点（22级），全面负责MiMo大模型业务。此前曾参与DeepSeek-V2开发。她主导发布的MiMo-V2.6-Pro在Artificial Analysis榜单中获得46分，成为全球开源权重模型第一。其亮点在于公开了强化学习后训练的成本结构：总耗时6天，使用约75万条真实任务轨迹，总成本347万美元（日均约400万元人民币）。此举试图将RL后训练转化为可计量的标准化服务能力。

3. 字节跳动：多模态与具身智能的突围

• 周畅（1990年生）：加入字节Seed后，接管Seedream、Seedance及世界模型团队，管理边界延伸至具身智能。他主导发布的Seedance 2.0于2026年2月正式推出，成为字节在多模态生成领域的突破口，旨在应对视频生成后的实时交互、成本控制及规模化商用难题。

4. 腾讯：模型与基础设施的统一管控

• 姚顺雨（1990年生）：出任腾讯CEO/总裁办公室首席AI科学家，同时兼任AI Infra部和大语言模型部负责人。这种架构调整意味着他需统筹前沿模型能力（如混元）与工程底座（训练、推理效率）。他推出的中型模型Hy3（激活参数21B）在多项能力上优于GLM5.1，且上线后WorkBuddy用户主动选择率增长6倍，证明了高效能模型在内部场景的转化潜力。

值得关注的关键挑战

• 基础能力的持续突破：刘大一恒面临的不仅是参数规模的扩大，更是长文本、推理、代码及智能体能力的综合提升，同时需严格控制预训练和后训练的算力与数据成本。
• 商业化的真实价值验证：陈宇森需证明千问办公不仅能提供对话工具，更能嵌入会议、文档、审批等真实工作流，找到企业客户愿意持续付费的价值点。
• 成本结构的可持续性：罗福莉展示的347万美元训练成本引发了行业对RL后训练边际成本的讨论。若异构环境无法被工程化、标准化复用，高昂成本可能仅是一次性标杆，难以形成可持续的服务定价范式。
• 追赶者的基础补课：周畅负责的字节多模态业务虽有声量，但仍需在视频生成之外，攻克世界模型构建、实时交互及规模化商用的基础能力短板。
• 组织体系的深度整合：姚顺雨需将腾讯丰富的社交、内容、云等企业场景，通过工具接入和数据回流，转化为模型可理解、可执行、可迭代的系统能力，避免场景优势无法自动转化为模型优势。

职位交接已在2026年完成，但真正的考试才刚刚开始。这些年轻管理者需要在更快的决策循环和更大的资源盘子中，通过一轮又一轮的模型迭代、产品验证和收入转化来证明其能力。