周畅庞天宇离职，多模态生成失宠了吗？
2026年10月31日，字节Seed核心负责人周畅被曝已离职创业，方向指向Physical AI，并获得头部美元基金支持。仅两天后的11月2日，腾讯混元首席研究科学家、多模态强化学习负责人庞天宇被多家信源确认离职，此时距他正式入职尚不足9个月。没有告别演讲，没有长文复盘，内部通讯录里只剩灰掉的名字和HR系统中“已转出”的状态。
这并非孤立的个人选择。把时间轴拉回2026年上半年，多模态生成还是AI江湖里毫无争议的顶流C位：腾讯把多模态模型部与大语言模型部设为平级一级部门；字节将Seedream、Seedance、SeedRobotics、世界模型四条战线悉数塞进周畅麾下；阿里Qwen3.5直接把视觉token焊进主干网络。业内当时管这段日子叫“多模态狂飙期”——融资看它、招聘看它、财报电话会PPT第一页也必有它。
周畅的履历几乎是这条赛道的高光注脚。2017年从北京大学博士毕业后加入阿里达摩院，主导研发多模态预训练模型M6，后担任通义千问技术负责人；2024年加入字节Seed，最初负责多模态交互与世界模型方向。2025年7月，视觉多模态生成原负责人杨建朝宣布“暂时休息”，文生图Seedream与文生视频Seedance交到周畅手上。2026年2月，Seedance 2.0上线，迅速引爆AI视频市场，《黑神话：悟空》制作人冯骥称其为“地表最强视频生成模型，没有之一”。火山引擎总裁谭待后来透露，2026年火山引擎MaaS收入里有一半以上来自Seedance。2026年6月，Seed Robotics团队也划归周畅管理。
庞天宇的入场同样高调。1月29日他在小红书发布招聘启事并官宣加入，2月4日正式入职；6月带团队开源UniRL框架，把扩散模型、自回归模型和生成理解统一模型的强化学习后训练塞进同一套流程；10月该框架更新至v0.2.0，他仍位列核心署名作者。
然而，就在两位技术负责人各自攀上业务高点后不久，组织架构的刀锋落了下来。
腾讯字节把多模态部门塞进大模型底座
两场离职背后，是几乎同步发生的组织收拢。
- 腾讯：7月24日，TEG一纸通知，将大语言模型部与多模态模型部合并为基础模型部，双轨变单轨，由腾讯首席AI科学家姚顺雨统一管理。9月，前OpenAI研究员田永龙出任混元多模态负责人。
- 字节：8月，Seed基础模型团队完成新一轮调整，成立Pretrain Data、Horizon RL、Product Posttrain-Work、Product Posttrain-Chat四个一级部门，原先按模态和研究方向划分的数据、后训练团队被横向合并，四位负责人均向吴永辉汇报。周畅赖以起家的视觉语言模型VLM被并入大模型LLM体系，降级为LLM下属的“数据子部门”。
一位Seed人士对36氪的形容颇为直白：“他丢了龙兴之地，基本就没有核心地盘了。”
庞天宇的处境则更像一场温柔的围猎。年初以“强化学习前沿探索”高调入场，6月开源UniRL框架时还稳居核心作者；可7月部门合并、9月田永龙空降接手多模态后，他的“Exploration Center”从一级创新特区变成了主线模型下的一个算法模块。没有贬职，没有批评，头衔还在，代码还在，成果也还在，但从别人向他汇报、单独负责一条线，变成了向别人汇报、负责主线的一个组件。有媒体形容，这就像把火箭发动机拆下来装进一辆电动自行车，还夸它“动力系统升级了”。
调整的理由并不复杂。大模型研发早期，按模态分设团队有利于快速补齐能力短板；当语言、视觉、语音要进入同一个基座，模态之间的数据配比、加入时机、能力平衡都成了全局问题，部门墙就从资产变成了成本。腾讯内部此前就认为，大语言模型和多模态模型训练标准不统一，技术无法互通，还会造成算力资源内耗。合并相似工作、形成技术闭环、复用数据与算法能力，成了两家公司共同的解题思路。
一千张A100卡投向Agent还是投向生成
组织收缩只是表象，真正推动天平倾斜的，是一道关于算力的残酷算术题。
2026年的AI战场，胜负手已经不在“能画多好”，而在“能否自主规划、调用工具、闭环决策”。WorkBuddy在腾讯获得优先资源倾斜，不是因为它会画图，而是它能让销售自动写方案、改PPT、约客户、同步CRM——这才是企业愿意真金白银买单的AGI雏形。
于是大厂们开始算账：
- 把1000张A100卡投给Agent编排调度，能撬动企业服务营收增长37%；
- 投给多模态生成，半年后可能只产出一条爆款抖音特效，用户第二天就忘了。
前者是现金流，后者被一些从业者称为“情怀税”。多模态生成涉及大量token消耗，视觉理解与扩散式生成的算力成本高昂。OpenAI的Sora项目因每天高达100万美元的算力成本及用户数量下滑最终关停，成了一个被反复引用的警示案例。此外，生成质量的评分体系难以标准化，需要大量人员参与主观评测，运营复杂度居高不下。
与此同时，越来越多的研究表明，AGI的发展可能并不依赖多模态生成。DeepSeek创始人梁文锋曾直言：“视频生成、3D生成、世界模型，跟智能主线没有太大关系，我们不会去做。”在抽象表征空间里预测世界的JEPA路线，也被部分专家认为比逐像素重建图像更接近未来方向。
多模态生成由此被重新归类为“期权型业务”：以较低成本进行尝试，成功则收益丰厚，失败则及时止损。但当Agent、具身智能等方向展现出更清晰的商业化路径时，期权就被行权了——行权的方式是缩减编制，把资源挪到看得见增长的地方。
多模态退的是编制，不是能力
“连多模态一号位都出现动荡，多模态这条线看来是不行了。”周畅离职传言与庞天宇离职新闻的评论区里，类似的聲音反复出现。但把组织形态的收缩直接等同于技术方向的退场，可能误判了正在发生的事。
这场迁移的本质，是从“生成主义”（Generate Everything）走向“认知主义”（Understand First）。当“让AI看见”成为基础设施，独立的多模态部门就完成了它的历史使命。今天的多模态，更像2012年的ImageNet——曾经喧嚣，终成基石；看似退潮，实则奠基。
一个清晰的信号是：多模态本身正在从一支独立技术，变成基座模型的内置能力。阿里Qwen3.5砍掉独立VL分支、把视觉token焊进主干网络，走的就是这条路。腾讯合并后新设的基础模型部，目标也写着“探索全模态模型的智能上限”。字节把VLM并入LLM体系，同样是为了让语言、视觉、语音在同一个基座里完成数据配比与能力平衡。
换句话说，退场的是“多模态模型部”这块牌子，不是多模态能力。当视觉理解成为所有大模型的默认配置，再为它单设一个平级部门，反而成了组织冗余。
真正值得关注的，是那些没被切走的GPU卡在跑什么。大厂GPU集群深夜亮着的指示灯，正全力跑着Agent的推理链，而不是又一段10秒高清视频。周畅创业押注Physical AI，庞天宇的强化学习背景在Agent训练中同样有可用武之地——两位技术负责人的下一站，恰恰指向了多模态能力被吸收之后、更硬核的竞技场。
多模态生成失宠了吗？这个问题的答案不在离职公告里。它藏在腾讯7月24日那纸合并通知里，藏在字节8月把VLM降级为数据子部门的组织表里，也藏在每一张被重新分配用途的A100卡里。多模态没有消失，它只是从舞台中央退到了地基之下——而地基，从来不需要聚光灯。
