2026年秋天，大模型行業水面之下同時發生了兩件事。
第一件事發生在創投市場。9月中旬，成立不到一年的中國AI評測與合成資料初創公司UniPat AI被曝即將完成約3億美元融資，由阿里擬領投，騰訊、紅杉中國等跟投，估值飆至25億美元。創始人李寬是一名90後港科大博士，去年還在阿里通義實驗室做後訓練與資料合成。而在UniPat身後，前字節Seed成員創辦的智能知識、前MiniMax骨幹創辦的Copula Lab、以及獲紅杉、BAI與鼎暉連輪押注的原壤智能都在今年密集浮出水面。
第二件事發生在大廠與頭部模型公司內部：隨著資料戰略從內部自給全面轉向外采與合成，掌管AI資料的一號位正在經歷一輪密集換防與集權。
短短兩個月內，幾家大廠的資料大盤接連易主：8月，字節跳動把AI資料升格為與Seed、Flow、抖音平行的公司級一級部門“AI資料與安全”，統攬全集團跨模態資料的尋源外采與評測交付，原負責人傅越離職創業，由曾執掌TikTok全球直播與平台責任的王贏磊接盤。僅隔一周，Seed基模體系又新設Pretrain Data部門，交由老搜尋人李成剛統管。
9月底，騰訊二十年巨量資料老將劉煜宏卸任AI Data部負責人，由首席AI科學家姚順雨直接兼任。更早的7月，小紅書挖來前DeepSeek早期核心成員陳官廳出任預訓練資料負責人。阿里則在9月雲棲大會上亮出了訓練資料、資料生態、評測與具身資料四位細分掌舵人。
外部，資料公司估值飆升；內部，資料負責人頻繁換防。兩種變化指向同一個事實：隨著公開網際網路語料日益耗盡，資料正從業務流量的副產品，變為決定模型能力上限的核心基礎設施。
而掌舵資料的人，也隨之走向AI舞台的中央。
中國主流AI公司訓練資料與評測核心負責人全景一覽
一、字節跳動：資料戰略全面轉向外采，公司級供應鏈與基模配方同步收攏
推薦演算法時代，字節跳動是最不需要向外部買資料的公司。今日頭條、抖音、TikTok與豆包每天都在產生海量互動訊號。但在過去一年半里，字節的AI資料戰略發生了一次徹底轉向：從依賴內部流量與自建基礎標註，全面轉向大規模、高溢價的外部採購與外部供應商整合。
逼迫字節轉向外采的，是三堵同時撞上的高牆。第一是公域語料見頂，訓練重心轉向“私域過程資料”：全球約300兆Token公開文字逼近枯竭，而公開網頁只有最終報告，缺少醫生、律師、程式設計師在真實工作流中“如何理解模糊意圖、如何犯錯並修正”的推演過程，這類資料只能向外部專家網路重金採買。
第二是內部資料回流（Dogfooding）在硬核賽道一度卡殼：在決定智能體上限的Coding賽道，由於早期Doubao-Seed-Code能力有限，字節內部業務團隊都不願用，連自家程式設計工具TRAE最早接入的也是DeepSeek和Claude Code；內部飛輪轉不起來，倒逼字節在2026年一面強制內部業務接入Seed，一面撥出超千萬美元預算在外部定向採購程式設計資料、拆解研究Claude Code與Codex的訓練資料demo，並與矽谷程式設計資料獨角獸Turing（估值22億美元）及本土資料商合作。
第三是張一鳴“堅決不蒸餾”的鐵律：2026年7月底Seed全員會上，張一鳴明確表態“堅決不蒸餾競爭對手模型”，8月初CEO梁汝波亦重申“堅定自研、接受短期落後”；與此同時，字節正在預訓練參數規模達5兆至10兆的超大模型。堵死蒸餾捷徑後，字節只能在全球市場上自己花錢買“教材”。
這讓字節迅速成為國內出手最闊綽的頭號外部資料買家，外采重點集中在四條主航道：
- 世界模型外采（投入達同行3–4倍）：世界模型位列2026年字節AI四大命題之首，由張一鳴親自督導跨部門調配算力，Seed內合併李航與王文千的VLA團隊、新設前Meta FAIR研究員范浩奇帶隊的3D模擬組，統一向周暢匯報，衝刺年底追平Google Genie 3。字節批給世界模型（VLA、長視訊、3D資產）的資料預算居各模態之首，達數千萬元至千萬美元級且“不夠可隨時追加”，資料供應商透露其投入達到同行3–4倍；
- Seedance外采影視母帶：針對視訊生成喂入過多低質短影片會導致模型“偷懶”只學關鍵幀的“反縮放定律（Anti-Scaling Law）”，字節剝離低質快餐視訊，轉向外采高影格率影視工業正版母帶，並組建了1000至2000人的評測與清洗軍團（每位演算法工程師背後配十餘名資料人員）；
- 垂類專家網路採買：早在2025年3月，字節採購部便公開尋源醫療、法律、教育等垂類標註供應商（合作法本資訊、海天瑞聲、曼孚科技等）；2026年除自營“字節Xpert”眾包入口外，更向時薪100–400元的國內碩博池、時薪50–250美元的海外專家平台及初創公司大舉下單；
- 內部賽馬算ROI，外部簽排他協議：字節資料團隊內部按世界模型、程式碼、高難學科推行賽馬機制，每個外采項目必須核算ROI；對外則在合同中設定資料集獨家買斷期限或階段性買斷供應商核心人員，同時應對騰訊等對手近半年開出三倍薪資挖角字節資料骨幹的攻勢。
外采帳單急劇膨脹，直接觸發了2026年8月的組織大手術。此前，字節內部長出了多套各自買資料的成員：傅越2023年創立的Global Data（約百人，設採購、工程、產品、質檢等職能）、集團資料中台DMC、Flow下屬AIDP以及抖音資料服務平台，多頭詢價導致架構重疊。
6月啟動整合、8月11日正式揭牌，字節新設與Seed、Flow、抖音平行的公司級一級部門“AI資料與安全”，收攏上述所有團隊，由王贏磊接棒離職的傅越，統管“標準制定、尋源採購、合成清洗、質量評測”全流程。
僅隔一周，Seed基模內部同步重組，新設Pretrain Data（李成剛）、Horizon RL（唐晟宇）、Product Posttrain-Work（秦禹嘉）和Product Posttrain-Chat（朱文佳）四個部門，均向吳永輝匯報。一外一內，分別掌管公司級資料供應鏈與基模內部訓練配方。
王贏磊：TikTok業務高管接棒傅越
不同於對手把資料交給演算法科學家，字節連續兩任公司級資料掌門人都出自TikTok業務與治理高管——上一任是傅越，這一任是王贏磊。
前任傅越（花名Yuyi）是搭建字節早期資料外采與質檢體系的人。她本科畢業於北大，擁有MIT MBA與哈佛MPA雙碩士學位，曾任職於BCG與騰訊戰略部，2018年加入字節成為TikTok創始團隊早期核心成員，主管信任與安全（T&S）及電商營運。2023年10月重返字節後，她創立了專門配備資料採購與質檢職能的Global Data，為Dola、TikTok與Seed採買訓練資料。2026年8月交棒王贏磊後，傅越再次離職創業，於國慶前夕聯手字節TRAE原負責人石揚切入AI辦公賽道，首輪投後估值已達約2億美元。
接棒的王贏磊同樣是從TikTok海外戰壕殺出來的90後高管。他本科畢業於康奈爾大學電腦科學與運籌學專業，早年任職於Whisper與Snap。加入字節後，他在TikTok歷經三段硬仗：早期在朱駿麾下搭建跨國“國家產品經理”團隊並分管“內容畫風”，2021年初與談斯奇、王率丁、增長負責人劉涵宇等共同構成朱文佳治下的核心班底；
2021至2025年執掌TikTok全球直播四年，力排矽谷團隊“買明星版權”的方案，在海外搭建起數萬家外部公會招募、培訓、PK競價與分帳的人力供應鏈，助推TikTok成為首個累計內購破百億美元的非遊戲應用，匯報線一度直通周受資。2025年7月底轉任一級部門“平台責任”負責人（向支穎匯報），應對歐盟DSA與愛爾蘭資料合規審查。
當字節的資料戰略變成一場每年耗資數千萬美元、橫跨全球數十家外部供應商與上千人評測軍團的工業消耗戰，曾在TikTok直播管理過全球公會供應鏈的王贏磊，成了替字節篩選外部資料商、考核單項目ROI的最佳人選。
李成剛：從零搭建字節搜尋，走向Seed的預訓練資料中樞
王贏磊在外部掌管資料“兵站”，而在Seed內部決定模型“吃什麼、怎麼配比”的人是李成剛。李成剛為清華大學機械工程本碩，曾從0到1搭建字節網頁與視訊搜尋系統；2023年初字節啟動語言大模型時便由搜尋團隊牽頭，2024年5月他以豆包預訓練方向負責人身份公開亮相，主攻資料清洗、合成、配比與課程學習（Curriculum Learning）。
2026年8月中旬，Seed新設Pretrain Data一級部門，由李成剛負責並向吳永輝匯報，將分散在各模態的預訓練資料收攏為四個分支：
文字分支：由2018年清華畢業加入字節、長期主抓超大模型預訓練資料的沈科負責；
程式碼分支：由Seed-Coder與BFS-prover核心作者Xia Xiao負責，與Horizon RL負責人唐晟宇共管；
視覺分支：由林毅負責，與世界模型負責人周暢共管（Horizon RL的視覺強化學習負責人吳侑彬在視覺方向上亦向林毅匯報）；
語音分支：統籌音訊與語音預訓練語料。
這套交叉匯報設計直指全模態（Omni）與10兆參數模型的痛點：當文字、程式碼、視覺、語音裝進同一基座，單一模態資料的增減都會牽動全域能力，必須由Pretrain Data在同一實驗框架下調配最優訓練配方。
二、騰訊：首席科學家把模型、基建與資料攏於一爐
不同於字節“公司級外採供應鏈”與“基模預訓練資料”分立的雙軌制，騰訊在過去十個月裡分三步把模型、算力與資料徹底收攏到了首席AI科學家姚順雨一人麾下：
- 2025年12月17日：前OpenAI研究員姚順雨出任“CEO/總裁辦公室”首席AI科學家（向劉熾平匯報），兼任大語言模型部與新設AI Infra部負責人（向盧山匯報，副總經理王迪向姚順雨匯報）；同日原資料平台部一分為二，專注大模型資料與評測的AI Data部由老將劉煜宏負責，資料計算平台部由陳鵬負責，均向蔣傑匯報；
- 2026年7月：繼3月撤銷AI Lab後，騰訊將混元旗下的大語言模型部與多模態模型部合併為基礎模型部，交由姚順雨統管；
- 2026年9月28日：姚順雨正式兼任AI Data部負責人（向盧山匯報），劉煜宏卸任。至此，基礎模型部、AI Infra部、AI Data部三大核心部門全部合攏於姚順雨手中。
姚順雨：把混元變成模型、環境與資料評測的一體化組織
1998年出生的姚順雨畢業於合肥一中（曾獲NOI銀牌），2015年以安徽理科探花考入清華姚班，後獲普林斯頓大學CS博士學位。在普林斯頓與OpenAI期間，他主導或參與了ReAct、Tree of Thoughts（ToT）、SWE-bench、SWE-agent、τ-bench以及第一代通用智能體Operator和Deep Research的研發。
姚順雨為何要親自接管資料部門，答案寫在他2025年的博文The Second Half裡：當強化學習訓練配方趨於成熟，下半場真正拉開差距的不再是改模型結構，而是如何定義現實任務、建構可互動的訓練環境與防刷榜的評測基準。
2026年騰訊混元重建預訓練與RL基建，從微信、騰訊會議、廣告、遊戲及CodeBuddy等超50個業務收集反饋，同時在外采市場上大幅追加預算、並跟投了估值25億美元的UniPat。由姚順雨把模型、算力與資料一肩挑起，正是為了消滅部門牆，把“發現缺陷—外采或合成環境—修正訓練”的反饋環壓到最短。
劉煜宏：從騰訊即時巨量資料底座，到混元與AI Data的前任拓荒者
在姚順雨接手前，替騰訊完成資料團隊向大模型轉型的，是2005年入職的二十年老將劉煜宏。他早年負責騰訊即時資料平台TDBank與即時計算平台TRC，歷任資料平台部資料中心總監、騰訊巨量資料負責人及騰訊雲資料產品線總經理；大模型浪潮興起後，他以混元大模型負責人身份主導了兆參數MoE模型訓練與“騰訊元寶”早期迭代，並於2025年12月出任首任AI Data部負責人，完成了第一代巨量資料基建老將向AI時代的交接。
三、阿里巴巴：頂層重組之下，訓練資料、專家生態、評測與具身資料四線分治
2026年的阿里，呈現出了國內大廠中分工顆粒度最細的一套AI資料組織。在集團頂層，阿里今年先後成立由吳泳銘掛帥的Alibaba Token Hub（ATH）事業群與集團技術委員會，將通義實驗室升格為由周靖人執掌的通義大模型事業部（李飛飛管AI雲基建、吳澤明管AI推理平台），6月又整合成Token Foundry。
而在資料層，早在2025年9月雲棲大會上，淘寶早期個性化推薦核心骨幹魏虎（花名：空望）便以阿里巴巴AI資料總經理身份首發“曉天衡宇”（SKYLENAGE）評測平台。到了2026年9月23日雲棲大會，阿里控股AI資料體系下的四位細分掌舵人集體亮相：吳鳴剛（小於號）、羊志巍（羊巍）、許澤（雄道）、孟澤楠（會天），分別把守訓練資料、專家生態、評測與具身資料四道關口。
吳鳴剛（小於號）：AI訓練資料負責人，運轉“模型×資料”共生飛輪
阿里控股AI訓練資料負責人吳鳴剛（小於號）的核心任務，是把資料從“一次性消耗品”變成可持續產能。他在雲棲大會上拆解了一套由“模型→資料”與“資料→模型”兩個半環咬合的共生飛輪，串聯起人機協同合成、質量驗證、訓練訊號反饋、知識庫增強與Bad Case模式發現七個節點——不再只看語料庫絕對體量，而是用評測暴露的能力短板和訓練梯度訊號，反向指揮下一輪資料的合成與配比。
羊志巍（羊巍）：AI資料生態與研究負責人，挖掘專家腦子裡的“認知軌跡”
阿里控股AI資料生態與研究負責人羊志巍（羊巍）主攻公開網頁爬不到的專家隱性知識。他指出，模型的自我合成能力越強，越需要真實專家訊號糾偏，否則極易陷入“合成資料坍縮”與“獎勵欺騙（Reward Hacking）”；機器真正缺的不是標準答案，而是主任醫師會診或架構師排障時“提出假設—尋找證據—證偽推翻—糾偏回溯”的認知軌跡。
為此，他砍掉死板的標註表單，換上互動白板、推演沙盒與即時語音工具捕捉專家思考停頓，並啟動“認知原點計畫”，依託“曉天睿士”專家社區面向醫學、先進製造、金融合規開放1萬個專家協同席位。
許澤（雄道）：AI資料評測負責人，守住“量天之尺”防污染與防刷榜
阿里控股AI資料評測負責人許澤（雄道）手握決定研發預算投向的“量天之尺”。針對靜態榜單易污染、易飽和的痛點，他推動評測走向真實任務交付——綜合考核答案精準率、耗時、Token成本與互動體驗，結合程式碼沙盒驗證、Agent裁判模型與人類專家覆核。
目前其團隊已將SKYEVAL曉天衡宇評測社區推向海外上線，與阿里擬按25億美元估值領投外部評測獨角獸UniPat形成內外呼應，共同爭奪模型商業化驗收的標準制定權。
孟澤楠（會天）：AI Data具身資料負責人，用RoboFlywheel連通物理世界
阿里控股AIData具身資料負責人孟澤楠（會天）負責把資料管線伸向物理世界。針對機器人本體異構、真機採集昂貴的痛點，阿里聯合清華、上交大發佈了開放具身資料基礎設施RoboFlywheel，由孟澤楠拆解其四層底座：跨物理引擎模擬與統一資產底座、聲明式評測Harness、記錄“資料—算子—訓練—權重—評測”全鏈路的Episode-native資料配方框架（RoboFlywheel-Recipe），以及統一質檢的開放資料集社區。
四、美團：公司資料平台部與龍貓的訓練資料鏈路
看美團的資料版圖，必須把公司級業務資料平台和自研基座模型龍貓（LongCat）拆成兩條線：一條是2024年12月由“資料科學與平台部”升級而來的資料平台部，收攏本地生活業務資料工具研發，由老將余建平負責、向韓建匯報；另一條是已迭代出1.6T參數MoE基座模型、LongCat-Flash及智能體平台CatPaw的LongCat研發團隊，內部設有獨立的預訓練資料、Agentic環境擴展與評測團隊——官方招聘頁已公開大模型評測負責人智羽，而作者掌握的採訪線索則指向黃瓊擔任龍貓模型資料負責人。
黃瓊：龍貓資料負責人
黃瓊擔任美團龍貓模型資料負責人。結合官方披露的評測團隊負責人智羽及美團2025–2026年技術報告，LongCat的資料打法聚焦在兩端：一是在LongCat-Flash中設計面向智能體的兩階段預訓練資料策略與多智能體軌跡合成；二是依託本地生活壁壘，連續開源了覆蓋外賣、到店、酒旅66個工具的互動基準VitaBench 1.0/2.0、競賽級數學基準AMO-Bench、通用推理基準General 365、長程規劃基準MineExplorer以及搜尋校準基準LoHoSearch。
余建平：執掌公司資料平台部的千億級機器學習系統老將
執掌公司級資料平台部的余建平則是搜廣推工程老將。他2011年碩士畢業於南京大學電腦系，早年任職百度鳳巢，加入美團後主導搭建了支撐搜尋、推薦、廣告的千億級特徵深度學習系統，打通離線、近線與線上全鏈路。2024年12月升任資料平台部負責人，代表的是美團交易與搜廣推的平台底座，在職責上區別於龍貓模型訓練資料團隊。
五、小紅書：組織大重構後，挖來前DeepSeek早期成員陳官廳管預訓練資料
2026年4月30日，小紅書啟動十三年來最大規模的組織集權：丁玲（柯南）升任總裁統管業務與技術，夏侯任演算法負責人；同時新設一級部門Dots（整合大模型、AI Infra、工程與產品，直接向柯南匯報）與企業智能部（合併企業效率部與資料科學部）。7月9日，小紅書從外部引入前DeepSeek早期核心成員陳官廳，出任預訓練資料負責人。
陳官廳：從北大、幻方與DeepSeek研發現場，到小紅書預訓練資料一號位
陳官廳本科畢業於北京大學電腦專業（2021年進入幻方、2022年畢業），歷任幻方AI工程師、DeepSeek研究員，作為早期核心成員參與了DeepSeek-V2、V3及R1的預訓練資料研發。
小紅書擁有極度稀缺的生活經驗社區筆記（其團隊還在後訓練方向與復旦聯合開源了DR-Rubric，用深度研究的方式自動建構評分細則），引入陳官廳正是為了將碎片化的社區圖文清洗、配比成能推高基模智力的預訓練語料。
六、DeepSeek：資料負責人朴弋石，與“一號員工”李宇琨
據《晚點LatePost》2026年4月報導，DeepSeek總人數不足200人，內部無層級牆，按模型結構、Infra與資料三大模組緊密咬合；資料從訓前方案討論起便深度介入，梁文鋒甚至讓“一半的核心研究員”親自參與資料清洗、合成與標註。梁文鋒曾算過一筆帳：國內與海外頂尖水平在模型結構上若有一倍差距、資料效率上再有一倍差距，“合起來就要多消耗4倍算力”。除轉投小紅書的陳官廳外，公開會議與媒體報導中至少浮現出兩位DeepSeek資料核心人物：朴弋石與李宇琨。
朴弋石與李宇琨：資料負責人與字節搜尋出身的首位員工
2025年9月杭州全球開源創新峰會（GOSIM Hangzhou 2025）及同期AI Vision Forum官方名錄，將朴弋石明確列為“資料負責人，DeepSeek”，職責為負責大規模模型訓練的資料架構與質量控制。
另一位核心人物李宇琨則是DeepSeek的首位員工：他2021年入職字節跳動搜尋團隊，2023年在DeepSeek創立之初跳槽成為一號員工，核心負責DeepSeek預訓練資料。兩人的存在說明，即便在扁平的“全員標資料”文化下，DeepSeek依然由深諳搜尋引擎與資料工程的專人把守語料關口。
七、月之暗面：全員Staff扁平架構下的資料負責人liuyangyang
月之暗面保持著約500人規模，內部不設傳統職級，通用頭銜統一為staff，支撐團隊從k1.5、兆參數K2、K2.5一路迭代至2026年7月登頂開源SOTA的旗艦模型Kimi K3。但扁平頭銜之下分工依然明確，Kimi的實際資料負責人是Yangyang Liu。
檢索月之暗面2025–2026年官方論文，Yangyang Liu的署名貫穿始終：在2025年1月Kimi k1.5報告附錄A中，他同時位列Research&Development與Data Annotation雙名單；隨後連續參與Kimi-Audio、Kimi K2以及2026年的K2.5與K3。
2026年1月與7月，她又作為核心作者接連發佈測量多模態原子世界知識的WorldVQA和診斷視覺感知邊界的PerceptionBench，印證了其在資料標註、多模態資料與評測上的核心角色。
八、智譜：搭建“狂標”平台的資料標註負責人，走進了上市公司董事會
2026年1月登陸港交所的智譜，給資料負責人安排了一個特殊席位：主導搭建內部資料標註平台的年輕高管張笑涵，在2025年3月獲委任為執行董事。
這一地位源於智譜過去一年的戰略突圍：2025年5月智譜砍掉垂直小模型路線，押注推理、程式設計、智能體三合一的GLM 4.5，一次性投入15兆Token通用資料與8兆Token專項資料（達同行1.5倍），隨後憑GLM 5、5.2、5.3連續奪回開源SOTA，2026年7月API ARR沖上10億美元。
張笑涵：從清華工程力學、資料科學，到主導狂標平台
招股書顯示，張笑涵2019年本科畢業於清華工程力學系，2022年獲清華資料科學碩士學位；讀研期間於2021年10月加入智譜，持續負責資料標註體系與“智譜清言”相關管理工作。據36氪披露，智譜2024年便在海外配置了資料採購團隊，內部則由張笑涵主導搭建自研標註平台“狂標”：AI院內語言組與多模態組輪訓，待訓組全員上“狂標”標資料；每版模型上線前須經AI院通用測評與交付團隊真實客戶場景雙道測評，將前端清言的使用者反饋與後端標註生產擰成閉環。
結語：資料負責人，正在成為手握模型方向盤的隱形決策者
過去，資料工作的起點往往是一張需求單。如今，隨著公開語料的增量價值縮小，模型訓練向推理、智能體和真實任務深入，需求本身也需要被重新定義。
模型究竟缺少知識、推理過程，還是與環境互動的經驗？一次失敗應該通過補充專家示範、建構合成任務，還是調整評測方式來解決？這些判斷髮生在資料生產之前，卻直接影響後續的訓練投入與研發方向。
這也是新一代資料公司的機會。新的供應商能否進入核心研發流程，取決於它能否幫助客戶識別能力缺口，並證明交付的資料確實彌補了缺口。相應地，資料負責人的價值，也越來越體現在能否將模型研究、外部供給與效果驗證連接起來。
因此，觀察一家AI公司的技術路線，除了看它發佈了什麼模型，也值得看它正在尋找什麼資料、招募什麼專家、搭建什麼環境，以及用什麼標準判斷進步。資料負責人正站在這些選擇的交匯處：他們未必獨自決定模型的未來，卻正在更深入地參與定義它。 (虎嗅APP)