字节自研芯片七年未落地：流片未达预期，负责人离职

2026年11月11日晚间，《晚点 LatePost》的一则独家报道，让字节跳动持续七年的自研芯片布局再次成为焦点：AI芯片与DPU团队负责人施云峰已提交离职申请，正在办理工作交接；与此同时，字节今年完成流片的AI芯片性能未达预期，面向豆包的Ada与面向Seedance的SeedChip仍在推进算子适配，尚未在内部业务中实现大规模部署。

需要说明的是，上述进展主要来自媒体对知情人士的采访，字节尚未公开相关芯片的测试数据与成本指标，无法据此判断其与英伟达产品的具体差距。但七年投入、千人团队仍未换来规模化应用，本身已足够说明问题。

一、事件详情：负责人离职与流片不及预期同时出现

施云峰是字节芯片业务的关键人物。2019年年中，字节在AI Lab机器学习系统部门组建芯片团队，由他负责AI芯片研发。2022年团队划入负责技术基础设施的Data体系；2026年2月，原负责人王剑不再分管芯片业务，施云峰的AI芯片与DPU团队、余红斌的CPU团队改为直接向副总裁杨震原汇报。

今年的流片进展，本应是多年研发成果接受验证的关键节点。所谓流片，是将完成设计的芯片交由制造环节生产出可测试的样片，但它并不代表性能、稳定性、制造成本和软件适配已经达到商业使用要求。据报道，今年完成流片的AI芯片性能未达预期，Ada与SeedChip仍在推进算子适配，尚未在内部业务中大规模部署。

二、背景：七年布局与业务的快速膨胀

字节涉足AI芯片比许多人想象得更早。2019年组建团队时，字节已在推荐算法、机器学习和数据中心基础设施方面积累了大量经验，自研芯片的逻辑很明确：针对自身工作负载设计硬件，降低长期算力成本、减少对外依赖。

但业务规模的膨胀速度，远远超过了芯片研发的推进速度。2026年6月，火山引擎总裁谭待披露，豆包大模型日均Token使用量已经突破180万亿，相比2024年5月的1200亿增长约1500倍。推理效率已成为字节AI业务的重要经营变量。

与此同时，字节也在通过外部采购补位。2026年2月，路透社援引消息人士称，字节计划在2026年投入超过1600亿元人民币用于AI相关采购，并计划推进SeedChip的生产；字节当时明确表示相关报道不准确。

三、分析：最难的不是造出芯片，而是让业务愿意使用

理解字节目前的困难，首先需要区分GPU与ASIC两种路线。英伟达GPU通用性强，可在软件支持下运行多种AI模型；ASIC围绕特定需求设计，理论上能在明确负载上实现更好的能效或成本，但前提是芯片设计要与实际运行的模型高度匹配。而AI模型正在快速变化，对计算精度、内存带宽和算子支持的要求各不相同，芯片在设计阶段确定的架构，可能在真正投入使用时已面对变化了的业务需求。

相比之下，英伟达拥有建设二十年的CUDA生态，2026年GTC大会公布其已覆盖超过600万名开发者。对业务团队来说，用成熟GPU可直接利用已有工具运行模型；用自研ASIC则要额外修改算子、适配计算图、处理精度差异，模型升级时部分适配还可能重做。

于是出现了一个看似矛盾的现象：芯片团队希望业务部门尽快采用新硬件，以获得真实工作负载和优化反馈；业务部门却希望优先使用成熟GPU，避免把有限的工程资源投入尚不稳定的系统。缺乏足够强的协同机制，这种相互依赖就可能演变为研发与应用之间的循环等待。

谷歌与亚马逊的案例说明，ASIC的成功不能只归功于芯片设计团队。谷歌2016年公开TPU，2025年4月的第七代Ironwood可将9216颗芯片组成一个Pod，提供42.5 ExaFLOPS峰值算力；2026年4月，Anthropic披露已使用超100万颗亚马逊Trainium2芯片训练和运行Claude。

四、影响与展望：下一阶段看什么

短期内，字节很难脱离成熟外部算力：外购GPU解决当下的供给与效率问题，自研芯片争取未来的成本优化和技术主动权。两条路线并不冲突，真正的问题是企业能否控制好资源配置和研发节奏。

施云峰的离职是这次事件中最受关注的变化，但公开信息并不足以证明其离职与芯片性能不及预期存在因果关系，更不能由此推断字节准备终止芯片业务。相较于个人去留，更值得观察的是字节下一阶段如何调整研发与业务之间的关系。

未来真正值得关注的，已不是字节何时宣布又一颗芯片流片，而是这些芯片何时能进入豆包、Seedance等实际业务，稳定承担一部分计算负载，并在成本、性能或能耗上提供经过验证的收益。下一代产品若能在某个明确场景实现规模化使用，也足以构成一次有意义的突破。

字节造芯片七年的经历说明：大公司可以凭资本和人才进入芯片研发，却不能仅凭这两种资源就自动建立成熟的计算生态，硬件、软件与真实业务缺一不可。对字节而言，下一阶段最重要的任务或许不是证明自己也能造AI芯片，而是证明这些芯片值得被自己的业务使用。