Romenwang

“小好几个数量级”：张一鸣内部会的一句话，把中美AI差距说透了。 “小好几个数量级。” 这是张一鸣在内部会上对字节Seed预训练数据规模的定性。不是“略小”，不是“有差距”，是数量级上的碾压。一个手里攥着抖音每天数亿条视频、TikTok横扫全球下载榜、2025年营收1860亿美元的公司，卡住它AI脖子的东西，居然不是钱，不是卡，是文本。 这大概是2026年中美AI竞赛里最荒诞的一幕。 1. 700亿美元买不到的东西 字节讨论过2026年在AI基础设施上最高支出700亿美元。这个数字什么概念？相当于把2025年全年利润的绝大部分一把推上牌桌。Seed团队扩到约1000人，从Google DeepMind挖来了吴永辉带队，10月还单独设了安全与对齐部门。姿态拉满了。 但张一鸣说的很直白：数据不够。 英文互联网沉淀了三十年开放网页、代码仓库、学术论文、Reddit长楼、Stack Overflow吵架帖。中文互联网的优质内容散落在微信公众号、小红书、知乎盐选、各种付费墙后面，爬虫够不着。公开能抓的部分，营销号和水军内容占比高得离谱。Scaling Laws还在生效，参数堆上去，数据喂不饱，模型就是个空转的引擎。 更狠的是他拒绝蒸馏。行业内公开的秘密：拿GPT或Claude的输出微调自己的模型，跑分能快速拉近。字节内部甚至上了API异常检测，防止研究员私下偷用第三方输出。这条红线有技术洁癖的成分，但更现实的考量是：TikTok还在海外运营，一旦被抓住蒸馏Anthropic的证据，合规成本和品牌风险兜不住。一家全球化公司和一家本土创业公司，在“走捷径”这件事上的自由度，从来就不一样。 2. 豆包在流血，Seedance在输血 看看字节AI的真实账本。 豆包日活过了2亿，听起来漂亮。但每日收入不足100万人民币，主要靠电商佣金。与此同时，每日算力成本数千万。纯文字聊天还好，一旦用户开始用图片识别、语音交互、视频生成，成本曲线直接起飞。 真正在填坑的是Seedance。视频生成模型，年化收入20亿美元，毛利率70%，单月收入过10亿人民币，几乎覆盖了豆包的算力开销。客户是企业，买API和模型服务，不讲价。 这个结构暴露了一个尴尬的事实：字节在C端拥有中国最强的AI流量入口，但流量变不了现。2亿日活养不出一个能打的付费习惯，最后靠卖视频生成API给B端客户来养活整个AI盘子。张一鸣说产品能打、基础模型差一截，翻译过来就是：前端跑得快，后端在漏油。 3. 2029年这个时间表，是保守还是诚实？ 张一鸣给的时间是“最早2029或2030”。三年。 对照一下历史。冷战时期苏联在半导体上的追赶逻辑和今天有某种结构相似性：你可以举国体制堆出离心机，但堆不出一个硅谷。不是钱的问题，是生态的问题。英文互联网的语料生态是自然长出来的，中文互联网的优质内容生态是被平台割据人为锁死的。微信不开放，小红书不开放，知乎把好内容塞进盐选。字节自己也是割据的一方——抖音的评论区、飞书的文档、番茄小说的文本，有多少能喂给Seed？ 另一个对照更近：Google当年做Google+，社交数据没做起来，搜索的护城河就少了一块。后来DeepMind做出来了，但Gemini追GPT追了多久？从2023年追到2026年，还在追。字节的Seed语言主模型最近的大版本还是2026年6月的Seed2.1，节奏已经慢了。 张一鸣说三年，我倾向于认为他在往乐观了说。数据鸿沟不是靠时间填的，是靠生态开放填的。而生态开放，在中国互联网的竞争格局下，比造出10万亿参数的模型难得多。 所以问题不是“三年够不够”。问题是：如果数据墙拆不掉，给你十年又怎样？ 字节有能力做出10万亿参数的模型。但一个吃了三十年营销号语料喂大的模型，和一个吃了三十年学术论文、代码仓库、法庭判决书、国会听证记录喂大的模型，参数一样，脑子不一样。 张一鸣选了慢路。值得尊重。但慢路的尽头，不一定是他想去的那个地方。 你觉得字节该不该继续死磕原生训练？还是说，在数据鸿沟面前，蒸馏才是理性选择？ #字节跳动 #AI大模型 #中美科技 BABABABAGOOGL