Giải mã Seedance: Cỗ máy in tiền từ AI của ByteDance đã chính thức khởi động

Phỏng vấn | Đặng Vịnh Nghi, Tiêu Tư Giai, Lý Tiểu Hà

Bài viết | Trương Vũ Hân, Đặng Vịnh Nghi

Biên tập | Trương Vũ Hân, Dương Hiên

Cuối năm 2025, trong một buổi liên hoan của nhóm mô hình, Tăng Nghiên - người phụ trách mô hình Seedance - đã đề cập với lãnh đạo rằng cô vẫn muốn thử huấn luyện một mô hình có kích thước lớn hơn, đạt ít nhất 200B (200 tỷ tham số).

Tăng Nghiên là một nghiên cứu viên rất trẻ tại Seed của ByteDance, gia nhập công ty qua đợt tuyển dụng sinh viên mới tốt nghiệp năm 2021, với định hướng nghiên cứu luôn tập trung vào lĩnh vực hiểu và tạo video. "Cô ấy luôn có khả năng phán đoán kỹ thuật rất riêng," một người từng làm việc với Tăng Nghiên chia sẻ với 36氪. "Hơn nữa, cô ấy rất chủ động, kiên định với những gì mình tin tưởng và sẽ tìm mọi cách để giành lấy nguồn lực nhằm hiện thực hóa mục tiêu."

Đánh giá này gần như tái hiện lại hoàn cảnh của Tăng Nghiên khi thực hiện huấn luyện Seedance 2.0. "Cô ấy muốn huấn luyện một mô hình có số lượng tham số lớn hơn, nhưng lúc đó nội bộ nhóm có những ý kiến trái chiều. Một số người cho rằng việc trực tiếp scale up mô hình lên mức 200B-300B là hơi mạo hiểm, hơn nữa nguồn lực huấn luyện tổng thể cũng đang eo hẹp, nên huấn luyện một mô hình cấp độ 100B trước sẽ an toàn hơn," một người trong cuộc tiết lộ với 36氪.

Người này cho biết thêm, tình cờ có một lãnh đạo cấp cao tham gia buổi liên hoan nói trên, sau khi hiểu được ý tưởng của Tăng Nghiên đã nói rằng có thể điều phối một số nguồn lực cho việc huấn luyện Seedance 2.0. "Sau đó, tại buổi đánh giá chính thức cuối cùng trong nội bộ Seed, người phụ trách Seed là Ngô Vĩnh Huy và người phụ trách mảng tạo đa phương thức thị giác là Chu Sướng sau khi thảo luận đã quyết định ủng hộ ý tưởng của Tăng Nghiên."

Lựa chọn kỹ thuật có vẻ hơi cấp tiến vào thời điểm đó cuối cùng đã được chứng minh là đúng đắn. "Chính vì Tăng Nghiên kiên trì rằng mô hình phải đủ lớn và dữ liệu huấn luyện phải đủ phong phú, Seedance 2.0 mới thành công," người trong cuộc nói trên cho biết.

Chúng tôi đã phỏng vấn nhiều người làm trong ngành AI cả trong và ngoài ByteDance, hầu hết đều cho rằng danh tiếng của ByteDance trong lĩnh vực mô hình lớn thực sự đảo chiều bắt đầu từ Seedance 2.0: Đối với mô hình ngôn ngữ lớn, mô hình Doubao phải đợi đến giữa năm 2025 khi cập nhật lên phiên bản 1.6 mới được ngành công nhận là lọt vào nhóm dẫn đầu trong nước; năng lực Coding trước khi Doubao 2.1 ra mắt vẫn chưa có đột phá lớn, không bắt kịp các mô hình chủ lực của các công ty khởi nghiệp như GLM, Kimi, DeepSeek vào thời điểm đó. Trong khi đó, Seedance 2.0 gần như là sản phẩm đầu tiên, và hiện là sản phẩm duy nhất của ByteDance tạo ra sự dẫn đầu tuyệt đối về hiệu quả.

Mô hình dẫn đầu tuyệt đối này cũng là mô hình đầu tiên giúp ByteDance thực sự kiếm được tiền. 36氪 từng đưa tin độc quyền rằng kể từ năm 2026, Volcano Engine (火山引擎) liên tục nâng cao mục tiêu doanh thu MaaS. Đàm Đãi, người phụ trách Volcano Engine, chia sẻ với 36氪 rằng hơn một nửa doanh thu MaaS của Volcano năm nay đều do Seedance đóng góp.

ByteDance đã trúng một thương vụ tốt.

Có nhiều luồng ý kiến khác nhau về tỷ suất lợi nhuận của Seedance 2.0. LatePost từng đưa tin biên lợi nhuận gộp của mô hình này đạt 70%, trong khi nhiều người làm trong ngành AI nói với 36氪 rằng họ ước tính con số này lên tới 90%. (Mặc dù Đàm Đãi cho biết thế giới bên ngoài quá chú trọng vào lợi nhuận của Seedance, thực tế không cao đến vậy). Dù thế nào đi nữa, so với các mô hình ngôn ngữ lớn ở giai đoạn hiện tại, mô hình video quả thực là một công việc kinh doanh tốt hơn tại Trung Quốc: có thể định giá cao hơn và sự cạnh tranh trong ngành cũng ít hơn.

Hơn nữa, giữa các dòng kinh doanh của ByteDance đã hình thành một bánh đà thương mại độc đáo dựa trên Seedance: các nền tảng nội dung như Hongguo, Douyin đã tăng cường hỗ trợ nguồn lực cho phim ngắn AI so với trước đây — nhiều công ty sản xuất nội dung mua mô hình từ Volcano để tạo ra các bộ phim ngắn AI chất lượng cao — số lượng phim AI tăng vọt lại mang về nhiều doanh thu quảng cáo hoặc lưu lượng truy cập hơn cho Hongguo và Douyin.

Một vòng lặp tích cực từ đó được hình thành.

Những thời điểm năng lực mô hình có bước nhảy vọt thường là lúc mở ra các kịch bản năng suất mới, và dòng tiền cũng vì thế mà thay đổi. Điều này đã được kiểm chứng một lần sau khi Claude Opus 4.6 ra mắt, và một lần nữa được kiểm chứng trên Seedance 2.0.

Seedance không chỉ là trận đánh lật ngược thế cờ đầu tiên của ByteDance sau hơn 3 năm gia nhập cuộc chơi mô hình lớn, mà còn cho cả ngành công nghiệp mô hình lớn tại Trung Quốc thấy một điều vô cùng quan trọng: Đúng vậy, đằng sau các mô hình lớn là chi phí vốn đắt đỏ, nhưng nó cũng có thể tạo ra lợi nhuận với biên độ đủ cao.

Chiến thắng của nhân tài, chiến thắng của dữ liệu

ByteDance luôn "đầu tư không tiếc chi phí" vào AI — GPU, dữ liệu, nhân tài, tất cả đều được đầu tư bão hòa.

Trước hết là sự đầu tư bão hòa về nhân tài.

Từ trước đến nay, ByteDance luôn giỏi trong việc "để người cũ làm việc mới", tư duy này ban đầu cũng được áp dụng tại Seed. Nhưng sau hơn một năm, không có nhiều khởi sắc. Giữa năm 2024, ByteDance bắt đầu đặt cược lớn vào việc tuyển dụng nhân tài AI, đây cũng là thay đổi quan trọng đầu tiên sau khi đội ngũ quản lý cốt lõi đi sâu vào thực tế kinh doanh để nắm bắt AI: săn lùng nhân tài mô hình lớn trên phạm vi toàn cầu, không tiếc chi phí trả mức lương cực cao.

Giữa năm 2024, một đội ngũ tuyển dụng chuyên phục vụ mảng kinh doanh AI đã được thành lập. Điểm đặc biệt của đội ngũ này là: nhiều HR có nền tảng kinh doanh rất mạnh, giúp họ đối thoại tốt hơn với các nhân tài AI cấp cao — hai người phụ trách đều từng đảm nhận các vị trí kinh doanh quan trọng tại ByteDance và có nền tảng về công tác chiến lược. ByteDance cũng trả mức lương rất cao cho đội ngũ này — HR làm tuyển dụng cấp cao có thu nhập hàng năm thường vượt quá một triệu nhân dân tệ.

Một "Bảng nhân tài AI" cũng bắt đầu được hình thành: bao gồm các nhân tài AI hàng đầu trong và ngoài nước, "vài trăm người, cập nhật liên tục bất cứ lúc nào," một HR tuyển dụng cấp cao cho biết, "Bộ phận Seed gần như không cần tuân theo hệ thống lương của ByteDance để đưa ra lời mời, chỉ cần là người chúng tôi muốn tuyển, TP (gói lương thưởng) đều có thể tùy chỉnh."

Ngoài ra, Trương Nhất Minh cũng đã quay trở lại trạng thái chiến đấu ở tuyến đầu, thường xuyên gặp gỡ các nhân tài mô hình lớn để "trò chuyện trực tiếp", nhiều nghiên cứu viên cấp cao trước sự chân thành và đãi ngộ đã chọn gia nhập.

"Con người" quan trọng là vì: "Một người phụ trách có kinh nghiệm, có khả năng phán đoán đúng hướng, dẫn dắt một đội ngũ những người trẻ đủ thông minh thực hiện các thí nghiệm huấn luyện một cách vững chắc, sau đó cung cấp đủ nguồn lực, thì việc này rất khó mà không thành công," nhiều người trong ngành đều bày tỏ quan điểm như vậy.

Với sự gia nhập lần lượt của Chu Sướng và Ngô Vĩnh Huy, nội bộ Seed đã giảm bớt sự cạnh tranh nội bộ (đua ngựa) trong cùng một hướng, đồng thời việc phán đoán về hướng kỹ thuật và lộ trình huấn luyện cũng trở nên tập trung và chính xác hơn, điều này thể hiện rõ nét nhất ở Seedance.

Trước đó, nội bộ ByteDance có hai đội ngũ độc lập thực hiện huấn luyện mô hình tạo video: Tăng Nghiên của AI Lab làm PixelDance, Tưởng Lộ của Seed làm Seaweed. "Lúc đó nội bộ ByteDance mỗi người một phương, những nhóm làm video ban đầu thực ra đã chọn sai kiến trúc," một người hiểu rõ tình hình giai đoạn đầu cho biết.

Lấy phiên bản đầu tiên của PixelDance làm ví dụ, nó chọn kiến trúc 2D UNet mở rộng sang 3D, chúng ta có thể hiểu là video hóa mô hình khuếch tán hình ảnh, thay vì kiến trúc video nguyên bản. Đây là một hướng đi có vẻ nhanh hơn, ổn thỏa hơn vào thời điểm lộ trình kỹ thuật tạo video còn chưa định hình, nhưng sau đó đã được chứng minh là có giới hạn không cao.

Cùng thời điểm đó, đội ngũ Kling của Kuaishou đã chọn kiến trúc DiT (Diffusion Transformer) giống với Sora, và là lộ trình video nguyên bản, có giới hạn cao hơn và cũng khó hơn. "Con người và dữ liệu đều không kéo lùi, mô hình huấn luyện ra hiệu quả sẽ không tệ," một người trong cuộc cho biết. Khoảng cách thời gian hình thành từ đây đã giúp Kling dẫn đầu trong gần một năm sau đó.

Cuối năm 2024, Tưởng Lộ rời ByteDance gia nhập Apple, Tăng Nghiên theo sự thay đổi tổ chức của AI Lab đã gia nhập Seed, trở thành người phụ trách chính của mô hình tạo thị giác Seedance. Đây là một đội ngũ tinh gọn, các kỹ sư thuật toán cốt lõi chỉ có hơn mười người. Kể từ thời điểm này, đội ngũ và lộ trình kỹ thuật của mô hình tạo video tại ByteDance bắt đầu hội tụ.

Giai đoạn chuyển tiếp từ PixelDance sang Seedance có thay đổi lớn nhất so với giai đoạn đầu là kiến trúc huấn luyện đã được điều chỉnh: từ kiến trúc UNet sang hướng kiến trúc dựa trên DiT. Kiến trúc này có thể hiện thực hóa tốt hơn Scaling Law của mô hình lớn — khi số lượng tham số, lượng dữ liệu và sức mạnh tính toán tăng lên, hiệu quả mô hình sẽ được cải thiện rõ rệt.

Tuy nhiên, Seedance 1.0 và 1.5 đều không thể coi là thành công: hai phiên bản này đều có khoảng cách rõ rệt với Veo của Google, thị phần toàn cầu xếp hạng khoảng thứ tư, trong nước cũng không bằng Kling. Một người từ Volcano cho biết, thời điểm đó đối thủ mà ByteDance nhắm tới là Kling và Runway, "nhìn chằm chằm vào Kling để đánh, đánh khá lâu", nhưng vẫn không thể đuổi kịp. Còn một người phụ trách thị trường của một công ty Video Agent mô tả cảm nhận với 36氪 rằng, Kling từng chiếm gần 80% thị phần tạo video.

Mối duyên nợ kéo dài giữa ByteDance và Kuaishou từ video ngắn, livestream, thương mại điện tử, nay đã chuyển sang mô hình video. Đây là một trận chiến mà ByteDance bắt buộc phải thắng.

Tháng 12 năm 2025, khi Seedance 1.5 vừa ra mắt không lâu, đội ngũ đã bắt đầu đầu tư vào việc huấn luyện phiên bản 2.0. Đây đã trở thành trận đánh lật ngược thế cờ của Seedance.

"Seedance rất coi trọng dữ liệu huấn luyện và cấu trúc mô hình," một người tại Seed cho biết. Nếu chỉ so sánh số lượng GPU, ByteDance so với OpenAI và Google, dù là số lượng hay chất lượng đều có khoảng cách rất lớn. Các công ty nước ngoài nhìn chung đã sử dụng cụm máy chủ lớn B-card (cụm tính toán AI quy mô lớn được xây dựng từ card đồ họa Nvidia B200/B300) để huấn luyện mô hình video, trong khi tại ByteDance, dù Seedance cũng có mức độ ưu tiên cao nhưng vẫn xếp sau mô hình ngôn ngữ, và sử dụng các GPU tương đối yếu hơn để huấn luyện. Do đó, đội ngũ chỉ có thể nỗ lực vào cấu trúc và dữ liệu.

"Hai việc quan trọng nhất này làm đúng rồi, tiếp theo chỉ là lặp lại liên tục." Điều này lại quay về sự đồng thuận của ngành: người đúng, hướng đúng, nguồn lực đầy đủ, phần còn lại chỉ là vấn đề thời gian. Và những thứ này, tình cờ lại là những gì Seedance có.

Về "con người và tổ chức", một nhà khởi nghiệp mô hình lớn từng tiếp xúc với đội ngũ Seedance chia sẻ với 36氪, "Đổi mới kỹ thuật lớn thường cần những nghiên cứu viên thiên tài, cần môi trường nghiên cứu thoải mái để kích thích, nhưng một khi lộ trình kỹ thuật đã xác định, thì cần sự quản lý lịch trình nghiêm ngặt để đảm bảo mỗi bước huấn luyện đều được thực hiện chỉn chu. Đội ngũ Seedance thực sự đã làm rất tốt từng chi tiết, sức chiến đấu của kiểu tác chiến quân đoàn rất mạnh."

Và mắt xích được coi là quan trọng nhất dẫn đến thành công của Seedance 2.0 chính là dữ liệu dùng để huấn luyện. "Đây là chiến thắng của dữ liệu." Nhiều người trong ngành khi trò chuyện với 36氪 về lý do thành công của Seedance 2.0 đều đi đến kết luận này.

Giai đoạn tiền huấn luyện mô hình lớn cần thực hiện rất nhiều thí nghiệm quy mô nhỏ, cần rất nhiều người để làm các công việc như thiết lập tiêu chuẩn dữ liệu, tổng hợp, tìm nguồn, dán nhãn, làm sạch, đánh giá, v.v., đồng thời cũng cần lượng dữ liệu đủ lớn, phong phú và đa dạng.

"Việc dán nhãn dữ liệu của Seedance được thực hiện rất chắc chắn, điều này giúp các câu lệnh (prompt) mà người dùng nhập vào được khớp chính xác với dữ liệu cụ thể," một người trong cuộc nói với chúng tôi. Trong nội bộ ByteDance, đội ngũ làm đánh giá dữ liệu mô hình cho Seedance có tới hàng nghìn người, trái ngược với điều đó, nhiều công ty khởi nghiệp hàng đầu trong lĩnh vực video chỉ có đội ngũ đánh giá nội bộ vài chục người đã được coi là đầu tư khá lớn. Đằng sau mỗi thuật toán Seedance thường có hơn mười đồng nghiệp dữ liệu hỗ trợ. Đội ngũ dữ liệu khổng lồ này phải đảm bảo cung cấp nhanh chóng dữ liệu cần thiết cho các thuật toán để thử nghiệm và huấn luyện, cũng như thu thập phản hồi của người dùng để đảm bảo nhân sự thuật toán có thể nắm bắt nhanh chóng bất kỳ tín hiệu nào dùng cho việc lặp lại mô hình.

Trong đội ngũ thuật toán Seedance còn có một người chuyên trách việc kết nối với đội ngũ dữ liệu. Nhiều người gần gũi với Seed cho biết, vai trò này giống như một quản lý sản phẩm dữ liệu trong đội ngũ huấn luyện, vô cùng quan trọng — họ hiểu rất rõ huấn luyện cần loại dữ liệu nào, có thể đưa ra các yêu cầu rõ ràng và hiệu quả cho đội ngũ dữ liệu, thậm chí các thuật toán còn tự xây dựng dữ liệu, tự thực hiện công việc làm sạch dữ liệu tinh vi.