字节Seedance：全球AI的第二个好生意36氪
字节在大模型上真正的口碑逆转，就是从 Seedance 2.0 开始的。这款视频生成模型凭借坚持大尺寸参数和高质量数据，在效果上实现绝对领先，并以高达90%的毛利率和千万级年框销售门槛，为火山引擎带来井喷式收入。其成功根植于人才与数据的重金押注，更依托“模型迭代-内容爆发-平台增收”的商业飞轮，证明大模型不仅能烧钱，更能赚取高利润。
2025 年底，在一次模型团队的聚餐上，Seedance 模型的负责人曾妍向 leader 提到，她还是想试试训一个更大尺寸的模型，至少达到 200B（2000亿参数）。
曾妍是字节 Seed 一位非常年轻的研究员，2021 年校招生，研究方向始终聚焦在视频理解与生成上。“她一直都挺有自己的技术判断。” 一位与曾妍打过交道的人告诉 36 氪，“而且很主动，对于相信的事情比较坚持，会想办法争取资源去实现。”
这个评价几乎复现了曾妍做 Seedance2.0 训练时的处境。“她想训一个参数量更大的模型，但当时团队内部有一些分歧，有人觉得把模型直接 scale up 到 200B-300B 的级别有点冒进了，并且整体的训练资源也紧张，可能先训一个 100B 级别的模型技更安全。”一位知情人士告诉 36 氪。
上述人士说，但恰巧有高管参与上述聚餐，了解到曾妍的想法后，说可以给 Seedance2.0 的训练协调一些资源，“后来在 Seed 内部最终的正式评审会上，Seed 负责人吴永辉和视觉多模态生成方向负责人周畅讨论后，，最终也选择了支持曾妍的想法。”
这个在当时看起来有些激进的技术选择，最终被证明是正确的。“因为曾妍坚持模型要足够大，训练数据要足够丰富，Seedance 2.0 才成了。”上述知情人士说。
我们采访了多位字节内外的 AI 从业者，大部分人都认为，字节在大模型上真正的口碑逆转，就是从 Seedance 2.0 开始的： 在大语言模型上，豆包大模型直到 2025 年年中迭代到 1.6，才被行业认为可进入国内第一梯队；Coding 能力在豆包 2.1 推出前，始终没有太大突破，在国内赶不上GLM，Kimi，DeepSeek 等创业公司当时的旗舰模型，而 Seedance 2.0 几乎是字节第一款，也是目前唯一一款在效果上能形成绝对领先的模型。
这个绝对领先的模型也是第一个帮字节真正赚到钱的模型。36 氪曾独家报道，自 2026 年以来，火山引擎一直在不断提高 MaaS 的营收目标。火山引擎负责人谭待则告诉 36 氪，今年火山 MaaS 收入的一半以上，都是由 Seedance 贡献的。
字节命中了一个好生意。
关于 Seedance2.0 的利润率有很多不同说法。晚点曾报道，这款模型的毛利率达到 70%，而多名 AI 从业者都告诉 36 氪，他们预估 Seedance 2.0 的毛利率达到了 90%。（虽然火山引擎负责人谭待表示，外界过多关注 Seedance 的利润了，其实没有这么高。）无论如何，相比现阶段的大语言模型，视频模型在中国确实是一个更好的生意：能做较高的定价，且行业竞争更小。
并且，字节的多条业务线之间还形成了一个基于 Seedance 的独特商业飞轮：红果、抖音等内容平台跟过往比加大了对 AI 剧的资源扶持——更多内容制作公司为了产出高质量 AI 短剧而向火山购买模型——AI 剧数量激增为红果和抖音带来更多广告或投流收入。
一个正向循环由此形成。
模型能力阶跃式提升的时刻，往往就能解锁新的生产力场景，而钱的流向，也会因此而改变。这件事在 Claude Opus 4.6 发布后被验证过一次，在 Seedance 2.0 上，又被验证了一次。
而 Seedance，不仅是字节入局大模型 3 年多来，打的第一场翻身仗，也让中国整个大模型行业看到了一件非常重要的事：没错，大模型的背后是天价资本开支，但它也能赚到利润率足够高的钱。
人才的胜利，数据的胜利
字节在 AI 上向来“不计成本地投入” —— GPU、数据、人才，全部饱和投入。
首先是人才的饱和投入上。
一直以来，字节都善于“让老人做新业务”，这个思路起初也用在了 Seed 上。但做了一年多，没太大起色。2024 年中，字节开始在 AI 人才招聘上下重注，这也是核心管理团队深入业务一线抓 AI 后带来的第一个重要变化：全球范围挖猎大模型人才，不惜付出极高的薪资水平。
2024 年年中，一支专门服务于 AI 业务的招聘团队成立了。这个团队的特别之处在于：不少 HR 都有很强的业务背景，这样能更好地与高阶的 AI 人才对话——两任负责人都曾在字节做过重要业务，且有战略工作的背景。字节给这个团队开出的薪资也很高——做高招的 HR 年薪动辄超过百万。
一张“AI 人才表”也开始形成：国内国外的头部 AI 人才均在其中，“小几百人，随时滚动更新”，一位高招 HR 说，“Seed 部门几乎不需要遵循字节的薪资体系给 offer，只要是我们想招的人，TP（薪酬包）都可定制。”
此外，张一鸣也回到了一线战斗状态，频繁约见大模型人才“直接聊聊”，不少高阶研究员在金钱和诚意面前，都选择了加入。
“人”之所以重要，是因为：“一个有经验、能做对方向判断的负责人，带着一队足够聪明的年轻人踏实地做训练实验，再给足够的资源，这事很难做不好” ，多位业内人士都表达了这样的观点。
随着周畅和吴永辉的陆续加入，Seed 内部减少了同方向下的赛马，并且对技术方向和训练路线的判断也更加收敛、准确，这在 Seedance 上体现的尤为明显。
此前，字节内部有两个独立的团队在做视频生成模型的训练：AI Lab 的曾妍在做 PixelDance，Seed 的蒋路在做 Seaweed。“那会儿字节内部各立山头，做视频的几拨人最早在架构选型上其实是选错了。”一位了解早期情况的人士说。
以 PixelDance 的第一版为例，它选择了 2D UNet 扩展到 3D 的架构，我们可以理解为图像扩散模型的视频化，而非原生视频架构。这在视频生成的技术路线远未收敛的当口，是一个看起来更快、更稳妥，但事后却被证明上限不高的方向。
而同一时期，快手的可灵团队选择了与 Sora 一致的 DiT（Diffusion Transformer）架构，并且是原生视频路线，上限更高，也更难。“人和数据都没有拖后腿，模型训出来效果不会差。” 一位知情人士说，这中间形成的时间差，让可灵在随后近一年里先行领跑。
2024 年底，蒋路离开字节加入 Apple，曾妍随着 AI Lab 的组织变动加入了 Seed，成为了视觉生成模型 Seedance 的主要负责人。这是一个精简的团队，核心算法工程师仅十几人。从这个时间点开始，字节视频生成模型的团队和技术路线，都开始收敛。
从 PixelDance 后期过渡到 Seedance 的这个阶段，跟最早期相比最大的变化是训练架构进行了调整：从 UNet 架构调整到了以 DiT 为基础的架构方向。这个架构能更好地实现大模型的 Scaling Law——随着参数量、数据量和算力变大，模型效果会有明显提升。
但 Seedance 1.0 及 1.5 都算不上成功：这两个版本和谷歌 Veo 都有明显的差距，全球市占率大约排在第四，在国内也不及可灵。一位火山人士说，那段时间字节紧盯的对手是可灵和 Runway，“盯着可灵打，打了蛮久”，却始终没能追上。而一位视频 Agent 公司的市场负责人对 36 氪描述的感受是，可灵一度占据了视频生成市场近八成的份额。
字节和快手之间的漫长纠葛从短视频、直播、电商，来到了如今的视频模型。这是一场字节的必争之战。
2025 年 12 月，Seedance1.5 刚上线不久，团队就开始投入 2.0 版本的训练。这成了Seedance的翻身一杖。
“Seedance 非常重视训练数据和模型结构。” 一位 Seed 人士说。单纯比拼 GPU 的数量，字节和 OpenAI 以及谷歌，无论是数量还是质量，差距都很大。海外公司普遍已经使用大集群 B 卡（英伟达 B200/B300 显卡搭建的大规模 AI 算力集群）训视频模型，而字节内部，虽然 Seedance 优先级也很高，但仍排在语言模型之后，使用的也是相对较差的 GPU 做训练。因此，团队只能在结构和数据上下功夫。
“这两个最重要的事情做对了，接下来就是持续迭代。” 这又回到了那个行业共识：人对、方向对、资源到位，剩下的只是时间问题。而这几样东西，恰好也是 Seedance 有的。
关于“人和组织”，一位接触过 Seedance 团队的大模型创业者告诉 36 氪，“大的技术创新往往需要天才研究员，需要宽松的研究环境来激发，可一旦技术路线确定，那需要的就是严格的 schedule 管理来确保把训练的每一步都做到位。Seedance 的团队确实把每一个细节都做的很到位，军团作战的战斗力很强。”
而被认为是 Seedance 2.0 成功最关键的一环，是用以训练的数据。“这是一场数据的胜利。” 多位从业者在跟 36 氪聊起 Seedance 2.0 的成功原因时，都得出了这个结论。
大模型预训练阶段需要做大量的小规模实验，需要非常多人来做数据标准制定、合成、寻源、标注、清洗、评测等工作，也需要足够大量和丰富、多样的数据。
“Seedance 的数据标注做的很扎实，这能让用户输入的提示词被很精准地匹配到特定数据上。” 一位知情人士告诉我们。在字节内部，为 Seedance 做模型数据评测的团队就有上千人，与之形成对比的是，很多视频领域赛道的头部创业公司，内部评测团队达到数十人，就已经算比较大的投入。每一位 Seedance 算法的背后，往往都配着十余位数据同事做支持。这个庞大的数据团队要做到能够迅速交付算法需要用于实验和训练的数据，以及收集用户反馈，以保证算法人员能够迅速捕捉到任何用于迭代模型的信号。
Seedance 算法团队里还有一个专门负责和数据团队做对接的人。多位接近 Seed 的人士告诉我们，这个角色就像一个训练团队里的数据产品经理，非常关键——他很清楚训练需要什么样的数据，能给数据团队提出清晰有效的需求，甚至算法还会自己构造数据，自己做精细化的数据清洗工作。
在具体的数据选择上，Seedance 几乎没有使用抖音的数据，而是采买了大量影视资源，尤其是大量使用优质影视级别的素材，再用语言模型把它们拆解成脚本和分镜，“出来的效果就像把一群电影大师放进了模型里。”
团队会根据不同的场景做针对性的数据训练。比如，“Seedance 2.0 对一些跑跳动作丰富的影视作品进行了系统学习，因为它们能还原很多真实运动场景；他们还会模拟或录屏游戏来学习，以及通过专业场景数据来帮助模型学习各种室内空间。” 一位字节的数据人士告诉 36 氪。这些各种场景下的数据组成了 Seedance 2.0 庞大的训练数据集。
其实不仅是针对视频模型，字节在各个模型的训练数据上都有巨大投入。据 36 氪了解，在世界模型和 Coding 模型的训练上，2026 年初的数据预算超过千万美元，并且，“如果觉得不够，可以随时追加预算。”
在 AI 数据上的巨大投入，有一个很重要的原因是 Seed 从成立之初就定下了“不做蒸馏”的原则。如果所有数据都要靠自己合成、采买、清洗，势必需要一个庞大的团队来支持。“字节在几乎所有模型上的目标都是达到全球第一梯队，甚至 SOTA，这是通过蒸馏难以达到的。” 一位字节人士告诉36氪。
“内部气势如虹。”一位火山销售对 36 氪描述。因为 Seedance 2.0 的爆火，火山销售团队倾巢而出，“都在给客户卖 Seedance”。面对客户的犹豫，有些销售则会自信地说：“一年之内，我们的模型都会一直保持 SOTA。”
2026 年 4 月，火山引擎向客户全量开放了 Seedance 2.0 API 的销售，条件是，必须一次性签订至少 1000 万元的 Seedance 使用年框，才能获得 2.0 的“满血版”使用资格。所谓满血版，指的是能承受高并发，并且支持真人肖像授权签约，这两点对于 Seedance 2.0 的主力用户群体——拥有真人 IP 、需要量产内容的 AI 内容制作公司至关重要。
这种做法在过往火山引擎 MaaS 的销售方案里没有出现过。从 2025 年 2 月 DeepSeek R1 面世后，大语言模型的价格就被骤然打了下来，模型厂的竞争迅速来到了买方市场阶段：对于买家来说，谁家好用又便宜，就用谁。在地板价上拼市场份额，让模型方几乎没什么议价权。而对于主卖自家模型的火山引擎来说，更是不可能给出一个看起来如此高的销售门槛。
“2025 年，火山能卖的模型有限，走综合性价比路线。” 一位火山引擎人士告诉 36 氪：“ 语言模型竞争太激烈，当时也没有跑出来 Coding 这种高价值场景。Seedream 图像模型在国内竞争力还可以，但量也不大。” 由于 Seedance 1.0 和 1.5 效果都不够好，当时在市场竞争中打不过可灵，买单的客户也不多。
“到了 2026 年初，我们把希望都寄托在 Seedance 2.0 上了，必须要拿出能给客户讲的新故事了。” 据上述火山引擎人士说，当时他们内部听说了 Seedance 2.0 是个能打的模型，觉得可能能能有一两个月的领先优势，“但没想到这么能打，几个月过去了我们的优势竟然还在。”
模型好用的第一波反馈是来自 C 端用户的。2026 年春节期间，豆包、剪映、即梦等字节的 C 端 AI 产品开始全量接入 Seedance 2.0，流量如潮水般涌来，导致生成一个 12-15 秒的视频甚至需要排队等待十小时。
反应迅速的即梦随即给出了付费选项：充会员并购买积分可以拥有优先排队的资格——忍受不了等待的用户贡献了 Seedance 2.0 的第一批收入。据某大厂战略对36氪估算，即梦在 3 月的收入约为 1.4 亿元， 4 月则来到了 2.1-2.2 亿元水平，这其中绝大部分来自 Seedance 2.0 调用。
但很快，火山引擎接过了赚钱的接力棒。
3 月的一天下午，周志鹏和家人在百望山爬山，但电话却没停过，“接了六个火山销售的电话，都是给我推销 Seedance 2.0 的。” 他是 AI 内容出品公司水母智能的联合创始人，这家公司的出品的两部 AI 短剧《摸金之天机入梦》和《饿塔》在今年 5 月进入了今年戛纳电影节的竖屏剧展演。
因为自己公司有 AI 创作工具平台，周志鹏和火山销售打交道已经一年多时间了，但始终没下过单。对于头部 AI 内容制作公司来说，一年在创作模型和工具上花 1000 万并不算多，但让他感到有些为难的是，这 1000 万花出去等于和字节的视频生成模型产生了一个为期一年的绑定关系：如果一年内有比 Seedance 2.0 及其之后版本更好用的其它模型出来，他也很难快速迁移过去，因为钱已经花在 Seedance 上了。
这意味着下注字节在视频生成模型上有多领先，以及领先优势到底能保持多久。不少短剧从业者跟我们说，Seedance 2.0 在多镜头叙事、多镜头间的一致性以及音画同出上做到比现有其它视频模型都好，而这几项能力对于进行工业化的内容生产来说，非常重要。
“爬完山回去第二天，我就决定跟火山签了。” 在周志鹏看来，AI 剧的竞争从春节后按下了加速键，能不能第一时间用上最好的模型决定了他们能不能最快地推出市场上第一批精品 AI 剧，这事关竞争速度，甚至生死存亡。“一旦决定把产能和工具都放在 Seedance 模型上，一年的消耗肯定不止 1000 万，有可能是 2000-3000 万。”