近日，字节跳动创始人张一鸣在公司内部全员会上明确表态，拒绝通过“蒸馏”技术追赶前沿大语言模型。他强调，公司应着眼于长远目标，即使需要牺牲短期利益，也要坚持自主训练大模型。这一决策引发行业广泛关注，尤其是在中国大模型竞争格局加速演变的背景下。
当前，中国大模型领域竞争激烈。最新全球LLM排行榜显示，月之暗面Kimi K3 Max位列第二，阿里Qwen 3.8 Max位居第四，智谱GLM 5.2 Max和DeepSeek V4 Flash分列第七、第八。相比之下，字节跳动的Seed 2.1 Pro仅排在第21位，与国内其他领先模型存在明显差距。尽管字节跳动在资金、人才、算力和数据等方面具备显著优势，但其大模型发展却未能达到预期水平。
据了解，字节跳动内部曾多次就是否采用“蒸馏”技术展开激烈讨论。这种技术通过借鉴其他大模型的输出结果来训练自身模型，被视为快速提升性能的捷径。然而，张一鸣三次否决了相关提议。第一次是在2025年1月，面对DeepSeek-R1的强势崛起，他坚持Seed模型应学习“如何思考”而非模仿他人；第二次是在英伟达Blackwell芯片部署后，尽管算力差距扩大，他仍选择追加2000亿元投资建设智算中心；第三次则是在Kimi K3等模型带来竞争压力时，他再次强调榜单排名是虚的，商业主权才是实的。
“蒸馏”技术虽能快速提升模型在基准测试中的分数，但存在显著缺陷。牛津、剑桥等机构的研究表明，反复使用AI生成的数据训练模型会导致“模型坍缩”，即原始数据分布中的尾部信息逐渐消失，最终引发能力退化。这种“近亲繁殖”效应会使模型变得越来越狭隘，虽然基准测试分数可能持续上升，但处理未知问题的能力却会下降。对于字节跳动而言，其拥有的抖音、TikTok等平台产生的海量原生数据，才是训练大模型最宝贵的资源。
从技术架构层面看，字节跳动坚持从头训练大模型还有更深层次的考虑。词表作为模型的“眼睛”，决定了模型对语言的切分和理解方式。使用他人词表意味着接受其语言偏好和认知颗粒度，这在多模态领域尤为致命。字节跳动的Seed系列模型专注于原生多模态能力，如Seedance 2.0已实现原生音画同步的视频生成，支持60秒2K分辨率视频和8种语言唇形对齐。这种能力的前提是模型在底层就实现文本、视频帧、音频信号的原子级映射，而“蒸馏”技术会破坏这种自主性。
在硬件层面，字节跳动面临特殊挑战。受美国芯片出口管制限制，公司无法采购英伟达最新旗舰芯片，只能使用性能受限的H20芯片。这迫使字节跳动通过扩大集群规模、提高资源利用率和极致工程优化来弥补单卡性能差距。目前，字节跳动已在内蒙古乌兰察布、山西大同、河北怀来等地建设多个智算中心，形成数万张卡规模的分布式算力网络。2026年，公司AI基础设施资本开支超过2000亿元，导致净利润同比明显下滑。
张一鸣本人将一半精力投入到Seed团队，推动公司自主研发从底层算子优化到训练故障恢复的全栈工程体系。这种“重工业”级的技术积累，正是字节跳动拒绝“蒸馏”路线的底气所在。当模型参数规模持续攀升时，竞争门槛将从算法转向工程能力，只有掌握完整基建能力的玩家才能留在牌桌上。
据《金融时报》报道，字节跳动正在讨论训练一个参数规模达10万亿的大模型，远超国内其他领先模型的参数规模。这一项目由Seed Foundation负责人项亮主导，仍处于早期探索阶段。如果成功，这将是国内参数规模最大的模型计划。选择如此激进的路线，字节跳动旨在通过规模跃迁直接进入下一技术梯队，同时规避潜在的知识产权和合规风险。
在全球化布局和长期技术竞争中，全链路自研模型的优势愈发明显。当DeepSeek被OpenAI指控“蒸馏”，美国立法将模型数据窃取纳入国家安全范畴时，字节跳动的选择展现了其战略远见。张一鸣在内部会议上明确表示，希望Seed模型能力能跻身世界第一梯队，而技术主权和定义智能上限的机会，正是这条艰难道路的最终回报。
