追平要等到2029年，市场的日历只翻到未来几周，中间这道落差没人认领

字节跳动的创始人张一鸣在面向AI团队的全员会上讲了一句话：字节有能力在人工智能前沿领域与OpenAI、Anthropic竞争，真正追平这些公司的技术水平，最早也要到2029年或2030年。他今年43岁，如今大部分时间待在幕后，管的是AI战略这一块，会上他把数据列为当前最需要盯的问题。

一个把公司做到这个体量的人，肯把时间表往后放四五年，本身就稀罕。市场上多的是「明年就能追平」的说法，说这话的人通常还没开始跑。他先把终点线画远了，剩下的问题就变成这四五年怎么过，以及每一年的钱从哪儿来。

一、最扎人的是「最早」这两个字

「最早」是个下限，不是上限。说2029年能追平，等于承认2028年追不上，2027年更追不上。承认这件事需要点底气，因为中间每一年都得拿出东西来撑场面，产品要发，客户要签，账上要有现金，队伍不能散，这些话听着像常识，但在一个习惯按季度讲故事的行业里，常识恰好是最贵的东西。

同一场会上他还提到另一件事：字节Seed系列大模型的预训练数据集规模，比美国顶尖的竞争对手少很多。这句话里没有数字，可比数字更难对付。

少很多。

语料差距是复利性质的东西。少一截不是少一截，是少了一整轮训练里能见到的世界。别人的模型读过的东西你没读过，这个缺口不会在下一版里自动合上，它只会在评测的边角上露出来，答得出，但答得浅，遇到需要把几件事串起来的场景就开始含糊。这种落后不上榜单，只在用起来的时候硌手，客户说不上来哪里不对，就是觉得不如人。更具体地说，短的那部分常常不在日常对话里，而在长尾的专业表达上：一份设备说明书、一段报错日志、一张工艺参数表，这些东西在公开语料里占比很低，却是模型到底能不能替人干活的界线。

二、数据这块短板，钱不一定买得到

预训练的语料看着就是「网上的东西」，真动手才知道麻烦在哪。公开网页要抽正文、去广告、去重复、按质量分级，代码仓库要一份份过授权，多语种要凑齐全，书和论文的版权得一家一家谈，这些活儿没有捷径，只能拿人和时间堆，堆出来的东西还未必能用。更麻烦的是，中文互联网里能商用、能授权、质量又够的那一部分，本来就不厚，医疗、法律、工程这些垂直领域的专业语料更是稀缺，能公开拿到的多半是二手转述，细节早被磨平了。

而且能买到的那截，对手的模型多半早就吃过了。数据这行残酷在于，它的价值取决于别人有没有，不取决于你有多少。同一份语料喂给两家公司，先喂的拿到领先，后喂的只能拿到及格，还有一层隐藏成本：清洗和标注的团队要养，语料库要按季度复核，过期内容不清理，模型学到的东西就会越来越旧。

合成数据被当成解药有两年了，用强模型生成语料去喂弱的。这条路能补数量，补不了上限。老师不知道的东西，学生问不出来；老师的偏见，学生会连偏见一起继承下来。

三、蒸馏是捷径，他自己把捷径封了

蒸馏是行业里公开的捷径：拿一个更强模型的输出当教材，训练自己的模型，成本低、见效快，跑分几个月就能追上来一大截。不少团队就是这么干的，外界看着榜单上的名次往上走，就以为能力到了。张一鸣在会上重申，Seed的模型训练排除这条路线。我倾向于认为这个决定在技术上是清醒的，在财务上是很贵的，账其实很清楚：省下来的是训练轮次，押上去的是随时可能被断供的风险，两头都不写在合同里。

清醒的地方在于，靠别人的输出训出来的模型，天花板就是那个老师。老师换代，你得整队重跟一次，代价按年计。老师把门一关，你连跟的资格都没有。

门一关，就没了。

贵的地方在于，绕开捷径意味着算力、数据、试错次数全要自己扛，这三样都得按年计，按月计不出来，按季度更计不出来。财报上看得见的是费用，看不见的是那些训废的中间版本，它们不会出现在任何一张表里，却实实在在地吃掉了预算，也吃掉了团队对下一次训练的耐心。

还有一层少有人提：蒸馏出来的模型在评测上容易漂亮，在真实场景里容易露怯。教材是按老师的强项编的，老师的弱项，学生根本没机会看见，也就谈不上补。更现实的一处细节是，主流模型的服务条款大多禁止用它的输出去训练竞品，真查起来，这条捷径随时会被断掉，押在上面的产品线要重做一遍。

四、产品先到，能力后到，顺序有讲究

同场会上还披露了产品端的动作，字节计划在未来几周推出一款类似Meta旗下Muse的AI助手，用来巩固它在AI视频生成领域的优势。产品跑在能力前面，这几年见得太多了。助手这个形态的竞争，早就不是比谁更会聊天，是比谁能把它塞进用户的日常路径里，社交、办公、剪辑、搜索，哪条路径的入口被占住，哪条路径上的数据就归谁。

原因不复杂。产品能带来用户、带来反馈、带来收入，还能在能力没完全到位的时候先把位置占住，等能力真到位，用户已经在这了，换工具的成本比换供应商还高。但产品反馈对预训练的补益有限，用户在对话框里敲的那几句话，跟预训练要的海量高质量文本之间差着一个量级，想靠产品回流的数据去填预训练的坑，这个算盘打不响，两边要的东西压根不是同一种。

视频那边是另一回事。字节在短视频上攒了十几年，视频生成的语料和审美偏好，恰好是纯文本模型最缺的一块。这部分积累别家抄不走，可它跟语言模型的能力清单并不完全重叠，能顶一部分，顶不了全部。视频生成落到生意上，最直接的客户是广告和短剧这两拨，它们要的是能出片的产能，不是会答题的聪明，这一层需求和榜单排名几乎无关。

真正值得看的是分发。一款AI助手能不能起来，模型能力只占一半，另一半是有没有人用。字节手里握着现成的流量入口，这是它相对其他模型公司的现实优势，也是它敢把追平时间说到2029年的底气之一。入口意味着试错次数多，试错次数多意味着产品迭代快，这套东西跟训练一个大模型所需的条件并不重合，两边的强项凑在同一家公司里，才有得打。

五、对A股来说，看点在「三年」这个刻度上

把2029年或2030年翻译成产业语言，就是未来三到四年，国内做模型的公司还要持续买算力、租机柜、扩集群。这个采购节奏不会因为一次榜单排名就中断，也不会因为一轮融资不顺就立刻刹车，签的多是年单，改起来没那么快。一张显卡从下单到上架要穿过交期、清关、机柜电力和散热改造这几道关口，等能跑起来，往往已经过去大半年。

落到环节上，代工看中芯国际，内存接口看澜起科技这一类，光模块看中际旭创，服务器和电源跟着集群规模走。这些是产业链上的位置，不是买入建议，中间还隔着估值和节奏两道坎。

坎都不矮。

我一直不太赞成把「追平时间」直接当「股价时间」使。技术追赶大体是线性的，股价不是，它会在一个季度里把三年的预期走完，然后用两年慢慢还，追平这件事越确定，越容易被提前定价，也越容易在半路上被兑现掉。还有个更笨的因素：从下单到折旧摊销，这些成本要在报表上摊好几年，公司一旦按下扩张键就很难半途松手，因为松手意味着已投产的那部分产能利用率往下掉。

反过来还有一种情形：追平时间说得越远，反而越安全。预期没被拉满，任何一次超预期的发布都能算增量。真正危险的是「明年就追平」那种说法，它把好消息一次性用完了，后面每一次发布都是不及预期，而这类公司的估值里，本来就把后面几年的好消息提前折进去了。

六、几个容易看错的地方

最容易的一种误读，是把数据少读成能力差。数据规模决定上限，工程能力决定兑现速度，这两件事经常不同步。一家语料不占优的公司照样能做出体验很好的产品，反过来，语料堆得再厚，调不好也是白搭。还有一种误读更隐蔽，把「不走蒸馏」当成技术洁癖。它其实是一笔成本账，短期多花钱，长期少受制于人，这笔账按三五年算才看得出差别，按季度算只会得出「效率低」这个结论，而市场最擅长的正是按季度算。

第三种是把「追平」当成一个点。它更像个区间，而且分项。语言理解、代码、数学、多模态、长上下文，这些能力不会同时到位，某一家在某一项上先追上完全可能，宣传口径里通常也只拿这一项说事，等到读者发现别的项还差着，热度早过去了。评测本身还有个麻烦：公开榜单刷到接近满分之后就不再有区分度，想证明自己更强，只能掏出自建的私有测试集，而私有集没人能验，信不信全凭各家自说自话。

观察的信号不复杂。看下一代Seed的发布节奏有没有提前，看它敢不敢放开源权重，看评测用的是公开榜单还是自建集，看算力采购是不是还在按年签。这几样比任何一句「追平」都实在，还可以再加两条：接口的调用价格有没有继续往下走，模型团队还在不在招人，价格和编制这两样都不太会骗人。

一个人愿意把追平时间说到2029年，说明他心里那本账是按年记的。市场那本账按天记。两本账对不上的时候，多半不是谁记错了，是记账的人压根不是同一批。