2026 年，中国大模型行业的人才流动，正在出现一个颇为微妙的现象。
一边是字节跳动持续从竞争对手手中招揽核心人才：DeepSeek 的研究员郭达雅加入 Seed，原阿里通义千问后训练负责人郁博文也被曝加盟；另一边，字节旗下的核心 AI 研究团队 Seed，又不断有人离开，或加入友司，或走上创业之路。
10 月 20 日，这份离职名单再添一人。
据多家媒体报道，字节跳动 Seed 团队模型评测负责人黄文灏已于近日离职。凤凰网援引知情人士消息称，他下一步可能选择创业，但具体方向和融资情况尚不清楚。字节方面尚无公开信息能够确认其离职后的具体安排。
黄文灏拥有北京大学计算机专业博士学位，曾在微软亚洲研究院从事研究，随后担任北京智源人工智能研究院健康计算研究中心技术负责人、创新应用实验室负责人。2023 年，他以联合创始人身份加入零一万物，担任算法副总裁及模型训练负责人，参与 Yi 系列大模型的训练与发布。
2024 年 8 月，他加入字节 Seed，负责技术项目管理和规划。
在 Seed 内部，他的职责后来转向模型评测，同时参与前沿技术规划讨论与人才招聘。2025 年初，吴永辉接手 Seed 后，黄文灏转向吴永辉汇报。
从模型训练到模型评测，再到技术规划，黄文灏的经历横跨大模型研发的多个关键环节。他的离开，因而不仅是一次普通的人事变动，也再次把 Seed 的人才流动问题推到台前。
今年 4 月，界面新闻援引多方信源报道称，过去一年间，Seed 有近 70 名技术人才离职，其中近 30 人加入腾讯，另有一批人进入阿里、DeepSeek 等公司。
同期，超过 30 家“字节系”AI 创业公司已获得融资。
黄文灏的离职与字节 Seed 部门重组
黄文灏的职业轨迹，几乎贯穿了中国大模型产业过去几年里几条重要的技术路线。
据公开资料显示，早年在微软亚洲研究院期间，黄文灏关注智能体相关技术，研究能够完成任务的对话系统。离开微软后，他加入智源人工智能研究院，将研究方向延伸至 AI for Life Science，即人工智能与生命科学的交叉领域。
2023 年，黄文灏加入零一万物，成为联合创始人及算法副总裁，负责预训练与大模型训练工作。零一万物发布的 Yi-34B、Yi-Large 等模型，构成了这一阶段其团队的重要工作成果。
2024 年，字节开始加大对外部大模型人才的引进力度。黄文灏加入 Seed，承担技术项目管理与规划工作。
当时，字节大模型研发体系仍处于快速扩张和调整阶段。引入具有独立大模型训练经验的研究者，既可以补充技术能力，也有助于完善研发流程与组织协作。
不过，黄文灏在 Seed 的职责后来发生变化：他从技术项目管理与规划转向模型评测，并继续参与技术规划和人才招聘。2025 年初，吴永辉接管 Seed 后，他的汇报关系也随之调整。
有意思的是，黄文灏离职的时间点恰逢字节 Seed 团队发生重大重组之际。
10 月 13 日，澎湃新闻记者获悉，字节跳动 Seed 近日发出内部邮件，宣布将成立“Seed Model-Alignment & Preparedness”部门，由严林负责，汇报给 Seed 负责人吴永辉。原 Responsible AI 团队及部分 Chat 团队成员将转入新部门。
10 月 14 日，字节跳动 Seed 在官网发布招聘公告，宣布成立 Alignment & Preparedness（模型对齐与前沿风险准备）部门，并计划面向全球招聘首批 10 名研究员。招聘地点包括北京、上海和美国圣何塞。
从招聘公告来看，这并不是一个只负责审核模型输出、拦截违规内容的传统安全团队，而是试图将安全与对齐能力嵌入大模型研发的多个阶段。
具体而言，新部门的研究任务覆盖四个层面。
首先是建立安全规范与评估体系，包括制定模型行为规范、安全准则，以及面向大模型和 Agent 的前沿安全评测方法与 Benchmark。其次是训练阶段的安全能力建设，探索覆盖预训练、中期训练、监督微调（SFT）和强化学习（RL）的安全与对齐方法，并通过模型之间的自动攻防持续提升安全能力。
第三个方向是针对未知风险建立更系统的防护机制，包括自动化红队测试、模型行为监控与可解释性研究，以及未知风险的监控、阻断和归因。第四个方向则是引入外部验证，与高校、研究机构及第三方专业机构合作，持续检验模型的安全能力，并将真实用户反馈纳入改进过程。
值得注意的是，Seed 在公告中特别强调，新团队将获得与前沿模型研究相匹配的资源支持，并提供足够的算力，以便基于前沿模型开展研究。这一表述意味着，字节希望将安全研究从外围的产品保障工作，推进到与模型能力研发并行的技术环节。至少从公开招聘目标来看，安全团队需要直接参与模型训练、评测和部署，而不是等模型完成之后才介入。
目前尚且不清楚黄文灏的离职和 Seed 内部组织变动是否有直接关系，但从技术组织的角度看，模型评测是大模型研发中一个容易被低估、实际又十分关键的环节。模型研发不只是增加参数、扩大训练数据或延长训练时间。随着模型能力越来越复杂，团队还需要建立评估体系，判断模型在哪些任务上取得进步、哪些能力仍然不足，以及训练资源应该投向何处。
评测结果会反过来影响训练策略、数据选择和模型迭代。它既是研发流程的组成部分，也是模型团队判断技术方向是否正确的重要依据。
黄文灏曾承担这一方向的负责人工作，其离开自然引发关注。
Seed 的人才流动涉及多部门
如果把时间线拉长，就会发现，Seed 的人员变化并不是最近才出现的。
2025 年初，吴永辉加入字节并接手 Seed。此后，Seed 对基础模型研究体系进行了调整，试图同时推进当前一代模型的交付、下一代模型的能力攻坚，以及更长期的研究课题。
据《晚点 LatePost》2026 年 2 月的报道，Seed 曾通过 Seed Edge、Focus、Base 等不同团队机制，分别承接长期研究、基础模型攻坚和当前模型研发任务。同时，团队也在推进数据与代码库共享，试图改善研究人员之间的协作效率。
但与此同时，人员流动逐渐成为这支庞大团队必须面对的问题。
AI 前线根据网络公开信息，整理了字节值得关注的几条人才流动信息：
其中，顾全全的离开尤其值得关注。
2026 年 6 月 2 日，顾全全公开表示，当天是自己在字节 Seed 的最后一天。他此前在 UCLA 担任计算机科学副教授，研究方向涵盖深度学习、强化学习、语言模型及 AI for Science。
在 Seed 期间，他参与了 AI 药物发现相关研究，也在 2025 年初转向大模型预训练工作，参与可扩展预训练技术栈的建设。SeedFold、SeedProteo 等项目是他在 AI for Science 方向的重要研究成果。
上个月，顾全全在 x 上宣布成立了新公司 Geodesic Intelligence，旨在为药物发现打造 AGI，找到从生物学到药物的最短路径。
顾全全的离开也说明，Seed 人才流动涉及的并不只是传统语言模型团队，还包括科学计算、多模态和其他前沿研究方向。
冯佳时则是另一条值得观察的线索。
据界面新闻报道，原 Seed 视觉基础研究团队负责人冯佳时于 2025 年底加入腾讯 AGI 研究中心，担任多模态团队负责人。2026 年 4 月，界面新闻还报道了肖学锋、张弛、袁钰峰、黄启等多名 Seed 成员加入腾讯的情况。
这类人员流动的特殊之处在于，它不仅涉及个别研究员，也可能涉及有经验的负责人和具备协作经验的团队成员。
当一名研究员离开时，企业失去的可能是一段研究经验；当负责人和多名熟悉同一套研发体系的成员相继流动时，竞争对手获得的则可能是一整套更容易复用的工程经验、协作方式和技术判断。
当然，人才离职不等于整个团队能力随之转移，相关技术成果也不会因为人员流动自动复制。真正的影响，仍取决于人员规模、职责、知识积累及新团队的资源条件。
Seed 的难题：研究自由与业务交付，如何同时成立？
仅从人员名单，我们无法判断 Seed 的内部管理是否出现问题。但结合此前关于 Seed 组织调整的报道，可以看到这支团队所面对的一项结构性难题：它既要像研究机构一样探索技术上限，又要像大厂研发部门一样持续交付模型。
据《晚点 LatePost》报道，吴永辉接手 Seed 后，一方面推动长期研究项目，另一方面也要解决基础模型研发中的技术债，并在模型迭代速度与研究质量之间做平衡。
这并不是字节独有的问题。
前沿 AI 研究需要一定程度的探索空间。研究者可能花数月时间研究一个暂时没有直接产品价值的问题，最后才发现它能否带来真正的能力提升。
但商业化模型研发有另一套时钟：产品需要更新，模型需要按计划发布，推理成本需要控制，能力改进还要能够转化为用户体验。
两套节奏并不总是一致。
当企业需要尽快推出新模型时，研究方向就可能更多围绕当前版本的短板展开；当公司决定押注长期技术突破时，又需要允许部分项目在短期内没有明确产出。
对于研究人员来说，这会影响他们对工作价值和职业发展空间的判断。
如果一个人希望长期探索基础问题，却发现大部分资源都集中在短期交付上，他可能会考虑离开；如果一个人更希望快速看到技术成果进入产品，也可能选择业务节奏更适合自己的团队。
但这并不意味着所有离职都源于研究自由不足，也不能仅凭人员变动推断 Seed 已经从研究型组织转变成纯粹的业务交付部门。公开信息尚不足以支持这样的结论。
另一个值得注意的变化，是大厂正在越来越重视研究组织的工程基础设施。
模型训练不只依赖研究员的个人能力，还依赖数据管线、训练系统、评测框架、算力调度和模型部署等一系列复杂系统。研究团队规模越大，协作成本和基础设施的复杂度也越高。
这使得人才竞争的逻辑发生了变化：企业争夺的不只是能够提出新架构、新算法的研究员，还包括能够将研究成果转化为稳定训练流程、评测体系和生产级模型的工程人才。
AI 人才争夺战进入下半场，留人比挖人更难
在大模型竞争初期，企业往往通过高薪和资源优势吸引人才。谁能招到顶尖研究员，谁就有机会快速建立模型研发团队。
但随着行业逐渐成熟，单纯把人才招进来已经不够。
一支成熟的研究团队，需要形成稳定的研究方向、清晰的职责分工、可持续的技术积累，以及能够让个人成果转化为团队能力的机制。
这也是为什么，字节 Seed 的人员变化值得持续关注。
一方面，字节仍有足够的资源和业务场景吸引来自其他公司的研究员；另一方面，腾讯、阿里以及 AI 创业公司也在不断完善自身的研发组织，给人才提供新的选择。
2026 年 4 月，英国《金融时报》报道称，字节为 Seed 员工提供与豆包业务相关的特殊期权安排，以应对 AI 人才争夺。报道同时提到，围绕这套激励机制也存在内部讨论。
这说明，企业已经开始尝试通过更直接的长期激励，将人才收益与 AI 业务的发展联系起来。
但薪酬只能解决问题的一部分。
对于顶尖研究员而言，真正影响长期选择的因素，还包括自己能否决定研究什么、是否有足够资源验证想法、成果能否获得认可，以及能否在组织中建立持续发展的空间。
这些因素往往很难通过单一的薪酬方案解决。
与此同时，创业也不再只是大厂人才离职后的备选路径。对于拥有大模型训练经验、行业关系和研究积累的人来说，AI 创业正在提供新的可能性。但创业同样面临算力成本、融资、产品验证和商业化等风险，并非所有离职者都会选择这条路。
黄文灏下一步是否创业、具体做什么，目前仍没有明确答案。可以确定的是，AI 人才市场正在从单纯的招聘竞争，转向更复杂的组织竞争。
谁能吸引人才，决定了团队能否快速起步；谁能让人才持续做出有价值的成果，才决定了这支团队能走多远。
参考链接：
https://seed.bytedance.com/zh/blog/seed-alignment-preparedness-team-looking-for-global-talents
