曾妍：那个教像素如何“跳舞”的女孩

TL;DR：

作为字节跳动视频生成模型Seedance 2.0的预训练负责人，1997年出生的曾妍在五年内实现了从校招生到L7级高级研究员的惊人跨越。她通过在模型底层构建“多粒度对齐”与“音画同步”的基石，不仅解决了视频生成的动态性冲突，更在AI重塑内容产业的巨浪中，为中国女性AI科学家立起了一座新的坐标。

在字节跳动位于北三环的工位里，1997年出生的曾妍并不显眼，她年轻得像是个刚转正的管培生。但在字节的核心战略版图上，她的名字与年包超过500万的4-2职级（L7级别）紧紧绑定在一起。如果说Seedance 2.0是一个能让全球短视频创作者颤抖的“超级导演”，那么曾妍就是那个为这位导演注入灵魂、搭建世界观的人。

在AI圈，女性科学家往往被视为稀有的点缀。前有小米的“天才少女”罗福莉，后有在字节深耕五年的曾妍。但与罗福莉穿梭于大厂与创业公司的灵动不同，曾妍在字节跳动内部走出了一条极简且极速的直线——从算法工程师到Seedance 2.0的预训练负责人，她用了不到五年的时间，教会了AI如何让像素在光影与旋律中优雅地“跳舞”。

既见森林，又见树木：预训练的“世界观”

在大多数人眼中，大模型的预训练就像是“喂数据”，是一项枯燥的体力活。但在曾妍的认知里，预训练是模型“基石”的铸造，它决定了AI理解这个物理世界的上限。

2021年，刚从加拿大蒙特利尔大学计算机硕士毕业的曾妍进入字节AI Lab。入职仅两个月，她便作为第一作者发表了关于X-VLM模型的论文。当时，视觉语言模型正处于两个极端：要么只能看懂海滩这种“大场面”，要么只能死磕局部物体。曾妍提出的“多粒度对齐”理论，打破了这种僵局。

“她有一种极其罕见的直觉，”一位曾与她合作过的研究员回忆道，“她能在海量杂乱的数据中，找到让AI‘既见森林，又见树木’的平衡点。”这种从整体到局部、从粗糙到精细的对齐思想，成为了她后来执掌视频模型预训练的底层逻辑。

视频生成本质上是个多维度的噩梦。要在每一帧画面的变幻中保持人物面容不崩坏、动作符合物理规律，还要在跨越一分钟的时序里让叙事逻辑连贯，这需要极其精密的预训练策略。曾妍不仅在喂数据，她是在制定规则。

“舞者”的平衡术：从PixelDance到Seedance

2023年是字节技术战略的转折点，Seed部门成立，曾妍随之转型。那年年底，她的一篇名为《如何让像素跳舞》的论文引起了业内轰动。这正是Seedance的前身——PixelDance。

当时的视频生成模型大多面临一个致命伤：动态性与稳定性的互斥。动作幅度大了，画面就会像灵异电影一样崩坏；为了稳定，生成的视频又僵硬如幻灯片。曾妍团队的突破在于，他们在预训练阶段就引入了“首帧+末帧”的双图像指令约束。

这就像是训练一个舞者，传统的做法是让她走一步看一步，而曾妍则是从一开始就告诉她：你的起点在这，终点在那，无论你如何旋转跳跃，中心位永远不能偏离。这种从源头锚定状态的技术，让Seedance 2.0在2026年发布时，凭借电影级画质和多镜头叙事能力直接引爆全网，甚至一度引发了海外派拉蒙、迪士尼等巨头的版权警觉 ¹。

更让人惊叹的是Seedance 2.0的“原生音画协同”。在曾妍主持设计的双分支扩散变换器架构下，模型不再是先生成画面再配音，而是在生成画面的那一秒，就同步“想”好了对应的音效与情绪。这种“音画同频”的直觉，正是她在海量抖音短视频数据中，通过精细调优后的成果。

不同的路径，相同的“平衡点”

业界常将曾妍与小米的罗福莉相提并论。

罗福莉在DeepSeek和小米展现的是一种极致的“性价比之王”风范。她能在性能与成本之间找到那个让大厂老板心动的平衡点，通过MoE架构和资源管理系统，让昂贵的算力变得平易近人。

而曾妍的平衡点，则在于技术与产品的转化。在字节跳动这个讲究“敏捷迭代”的赛场上，曾妍不仅仅是个学者，她更像是一个开餐厅的厨师。她主导的项目，从研究原型到即梦、豆包等产品的上线，转化效率高得惊人。Seedance 2.0生成一分钟高清视频仅需60秒，比前代快了30%，每一个百分点的提速，背后都是她在预训练阶段对计算冗余的近乎偏执的剔除 ²。

罗福莉选择了在大厂与创业潮中跃迁，而曾妍则选择了在字节这个庞大的生态位上，像一棵树一样向下扎根，向上生长。五年时间，一年两跳，29岁即登顶核心技术骨干职级，这背后不仅是个人的天赋，更是她对视频生成这条赛道爆发式红利的精准捕捉 ³。

争议与未来：在浪尖上的Gen Z科学家

当Seedance 2.0因为生成的画面过于逼真而遭遇版权风波，甚至导致字节暂停全球推广计划时，曾妍的名字也随之出现在了商业评论的浪尖。这位1997年出生的科学家，必须开始面对技术之外的复杂世界——版权、治理、以及AI对人类创作边界的侵蚀。

但在曾妍的世界里，那些像素的跳动或许依然是纯粹的物理方程。从西安交通大学的本科生到如今年薪数百万的行业旗手，她的故事缩影了这一代中国AI人才的特征：极早的学术视野、极强的工程实现能力，以及在资源高度集中的巨头体系内，用算法改变现实的野心。

她曾说，预训练是给模型一个世界观。而现在，她正用自己亲手调优的模型，试图给全球内容产业重新定义一种可能：当AI学会了“导演直觉”，人类的创造力该往何处安放？

她的故事才刚刚开始，而那场像素的舞蹈，早已停不下来。

引用

• 曾妍
• 字节跳动
• Seedance 2.0
• 视频生成
• 预训练
• AI科学家
• 职场晋升
• 女性力量