顾全全离职字节Seed，豆包收费倒逼AI商业化

背景

字节跳动旗下 AI 基础模型团队 Seed 的预训练负责人顾全全在 X 平台发布告别帖，宣布离开字节。这一人事变动并非孤立事件，而是字节 AI 战略进入第二阶段的关键信号。随着豆包（Doubao）即将在 6 月开启收费模式，字节 AI 业务的驱动力已从单纯的“技术探索”转向“商业变现”。

过去两年，豆包成功将 AI 产品推向亿级用户规模，证明了字节具备将 AI 能力产品化的实力。然而，收费模式的开启意味着豆包必须证明其商业价值：在数亿用户中，究竟有多少人愿意为 AI 服务付费？这一转变迫使 Seed 团队从追求论文发表和学术评分，转向关注技术如何转化为实际的产品体验、收入增长和用户留存。顾全全的离职，恰逢这一战略转折点，反映了字节在 AI 投入上从“广撒网”向“重实效”的必然取舍。

核心内容

顾全全拥有清华大学自动化系本硕学位及 UIUC 计算机科学博士学位，曾在普林斯顿大学、弗吉尼亚大学及 UCLA 从事博士后及助理教授工作。2023 年加入字节 Seed 后，他成为了连接生物 AI（AI4S）、基础模型训练与大规模扩展能力的关键人物。

在 Seed 期间，顾全全主要主导两条技术路线：

1. AI4S（AI for Science）：利用 AI 解决科学问题，如蛋白质结构预测和药物分子设计。他带领团队开发了 SeedFold（生物分子结构预测模型，在 FoldBench 多项任务上超越 AlphaFold3）、SeedProteo（de novo 全原子蛋白设计模型）以及 DPLM 系列（蛋白质语言模型）。这些成果在学术界具有较高影响力，构建了字节在 AI4S 领域的完整技术栈。
2. LLM 预训练与优化：2025 年初，顾全全转向 LLM 预训练工作，组建优化和扩展团队，参与 Seed 2.0 的训练。受 DeepSeek 等模型走红的影响，字节意识到预训练不仅是算力问题，更是工程化和优化能力的竞争。顾全全凭借其在统计学习理论和优化算法方面的深厚积累，搭建了一套“高度可扩展的预训练技术栈”，支撑了 Seed 2.0 及后续前沿级大模型的稳定训练与迭代。

顾全全的价值在于他同时具备学术深度与工程落地能力，将科学问题、基础模型能力与大规模训练体系连接起来。然而，他所从事的工作多属于“远期价值”强但“近期产品价值”不明确的方向。

与此同时，字节内部正在进行组织调整。AI4S 团队由杨震原接手，顾全全及肖文之等核心成员离开或准备创业。字节明确表示不考虑将 AI4S 分拆，该团队仍隶属于 Seed，需服从整体战略优先级。这种调整反映了字节对 AI4S 投入方式的转变：从支持长期、独立的科学研究，转向要求更明确地服务于产品和商业化目标。

豆包收费是这一系列变化的核心驱动力。随着豆包开始向用户收费，Seed 内部每个团队都必须回答一个问题：其产出的功能能否转化为豆包的会员权益？能够降低推理成本、提升用户体验、直接拉动留存和收入的能力（如 LLM 优化）优先级上升；而像 AI4S 这样需要长期投入、短期回报不明确、且成果高度依赖核心研究者个人能力的领域，其战略地位相对边缘化。

关键要点

• 战略转折：字节 AI 进入第二阶段，豆包收费标志着从“技术验证”向“商业变现”的重心转移。Seed 的工作重点从追求学术指标转向追求产品转化、收入及用户体验。
• 人才画像：顾全全兼具学术背景（清华、UIUC、UCLA 等）与工程落地能力，是连接 AI4S 研究与 LLM 大规模预训练优化的稀缺复合型人才。
• 技术成果：
  • AI4S 领域：主导开发了 SeedFold、SeedProteo 和 DPLM 系列，在蛋白质结构预测和设计方面达到业界领先水平，部分成果超越 AlphaFold3。
  • LLM 领域：搭建高度可扩展的预训练技术栈，成功支撑 Seed 2.0 及前沿级大模型的训练，解决了预训练中的工程化和优化难题。
• 组织调整：AI4S 团队由杨震原接手，核心成员顾全全、肖文之等离职或创业。字节不打算分拆 AI4S，但要求其更紧密地服务于商业目标。
• 商业化压力：豆包收费后，内部资源分配逻辑改变。能直接量化为收入、利润或用户体验提升的能力（如推理成本降低、模型迭代效率）获得更高优先级；AI4S 等长期基础研究因短期回报不确定，面临资源缩减或优先级降低的风险。
• 行业对比：类似谷歌将 DeepMind 与 Google Brain 合并以聚焦 Gemini 战略，字节也要求 Seed 团队的能力必须能融入豆包或火山引擎的产品生态中。
• 双向成全：顾全全的离开使其能更自由地追求 AI4S 的长期科学价值或创业；字节则通过组织优化，使 Seed 更聚焦于可量化的商业价值，双方均找到了更合适的位置。

意义与影响

顾全全的离职及 AI4S 团队的调整，折射出中国科技大厂在 AI 商业化深水区面临的共同挑战：如何在长期科学探索与短期商业回报之间取得平衡。

1. 大厂 AI 战略的收敛：早期 AI 行业处于“广撒网”阶段，大厂容忍长期、高风险的基础研究。随着豆包等头部产品进入收费阶段，字节必须对股东、用户和投资人负责。这意味着“大而全”的技术探索让位于“精准打击”的商业化能力。那些无法直接转化为产品竞争力的技术方向，其生存空间将被压缩。
2. AI4S 的商业化困境：AI4S 具有极高的科学价值和长期潜力，但其成果难以像 C 端应用那样快速变现，且高度依赖核心研究人员的隐性知识（如实验判断、数据处理方法、人脉网络）。当组织优先级转向短期 KPI 时，这类团队极易因“耐心耗尽”而遭遇动荡。顾全全等人的离开，可能导致字节在 AI4S 领域的部分隐性知识和行业声誉流失。
3. 人才流动的新趋势：随着大厂内部对“近期产出”要求的提高，部分专注于长期基础研究的科学家和工程师可能会选择离开，回归学术界或创立独立公司。这将促进 AI 基础研究的多元化发展，但也可能加剧大厂在底层核心算法创新上的竞争压力。
4. 豆包收费的示范效应：豆包收费不仅是字节自身的商业决策，也标志着国内 AI 应用层进入“拼内功”阶段。用户付费意愿将成为检验 AI 产品价值的终极标准。对于 Seed 团队而言，这意味着未来的技术迭代必须更紧密地贴合用户痛点，任何技术突破都必须回答“用户为何买单”的问题。

综上所述，顾全全的离开并非字节 AI 实力的削弱，而是其组织形态适应商业化阶段的必然进化。字节通过优化资源配置，确保核心资源投向能直接驱动增长的方向，而将部分长期探索交由更灵活的外部生态或独立团队去承担。