獨(dú)家｜騰訊混元多模態(tài)迎來(lái)新負(fù)責(zé)人，OpenAI田永龍將加盟

2025年9月，28歲的姚順雨從OpenAI離職，加入騰訊擔(dān)任首席AI科學(xué)家，直接向總裁劉熾平匯報(bào)。九個(gè)月后，他的一位前同事可能也踏上了同一條路。

據(jù)雷鋒網(wǎng)報(bào)道，OpenAI研究科學(xué)家田永龍或?qū)⒓尤腧v訊混元團(tuán)隊(duì)。

根據(jù)最新了解的情況，田永龍將成為混元多模態(tài)模型方向的負(fù)責(zé)人，并向姚順雨匯報(bào)。但這筆人事變動(dòng)尚未最終落槌，田永龍目前尚未正式入職。如果順利，這是繼姚順雨之后，又一位從OpenAI核心研究團(tuán)隊(duì)轉(zhuǎn)投騰訊混元的研究人員。

對(duì)騰訊而言，這筆引援的指向非常明確。在字節(jié)豆包憑借視頻生成和圖像理解強(qiáng)勢(shì)占領(lǐng)多模態(tài)心智、阿里通義萬(wàn)相持續(xù)迭代的當(dāng)下，混元的多模態(tài)能力始終是外界眼中的短板。而田永龍的履歷，幾乎是為這一崗位量身定制的。

從清華到MIT：一條標(biāo)準(zhǔn)的頂尖AI人才路徑

田永龍的學(xué)術(shù)背景，是中國(guó)計(jì)算機(jī)視覺(jué)領(lǐng)域"黃金一代"的典型模板。

本科在清華大學(xué)完成，隨后赴香港中文大學(xué)攻讀碩士，導(dǎo)師是湯曉鷗和王曉剛。這是計(jì)算機(jī)視覺(jué)領(lǐng)域最具影響力的華人學(xué)者組合之一——湯曉鷗是商湯科技的創(chuàng)始人，王曉剛則是商湯首席科學(xué)家。在港中文期間，田永龍?jiān)?MMLab 打下了扎實(shí)的視覺(jué)識(shí)別與深度學(xué)習(xí)基礎(chǔ)。

之后，他進(jìn)入MIT EECS系，在Phillip Isola指導(dǎo)下攻讀博士學(xué)位，2022年畢業(yè)。Phillip Isola是生成模型領(lǐng)域的權(quán)威學(xué)者，以CycleGAN和對(duì)比學(xué)習(xí)相關(guān)研究聞名。在MIT的幾年，田永龍的研究重心逐漸從傳統(tǒng)的視覺(jué)識(shí)別轉(zhuǎn)向生成模型和表征學(xué)習(xí)。

這條路徑的每一步都踩在了中國(guó)AI人才梯隊(duì)的關(guān)鍵節(jié)點(diǎn)上：清華的本科篩選、港中文MMLab的視覺(jué)啟蒙、MIT的生成模型深造。他的Google Scholar引用數(shù)已達(dá)28,778次，h-index 35，僅2026年就有3,436次引用。

博士畢業(yè)后，田永龍先加入Google DeepMind位于劍橋的研究團(tuán)隊(duì)。在DeepMind期間，他專注于視覺(jué)感知與生成的基礎(chǔ)研究，親歷了這家實(shí)驗(yàn)室從AlphaGo時(shí)代向生成式AI轉(zhuǎn)型的過(guò)程。

隨后，他轉(zhuǎn)投OpenAI擔(dān)任研究科學(xué)家。在OpenAI，他的研究方向進(jìn)一步聚焦于機(jī)器感知、生成模型和表征學(xué)習(xí)，且主要從視覺(jué)視角切入，而這正是當(dāng)前多模態(tài)大模型最核心的技術(shù)戰(zhàn)場(chǎng)。

在OpenAI期間，他與姚順雨成為同事。雖然兩人具體合作的項(xiàng)目未對(duì)外公開(kāi)，但他們?cè)谕粫r(shí)期效力于OpenAI的研究團(tuán)隊(duì)，親歷了GPT系列與多模態(tài)技術(shù)的快速迭代。

這段共事經(jīng)歷，很可能是田永龍最終選擇追隨姚順雨加入騰訊的重要伏筆。

Supervised Contrastive Learning與Fluid

田永龍?jiān)趯W(xué)術(shù)界的成名作，是Supervised Contrastive Learning（有監(jiān)督對(duì)比學(xué)習(xí)）。這項(xiàng)工作將對(duì)比學(xué)習(xí)框架推廣到監(jiān)督場(chǎng)景，通過(guò)將同類樣本在表示空間中聚集在一起，顯著提升了視覺(jué)表示的質(zhì)量。論文發(fā)表后被廣泛引用，影響了后續(xù)大量視覺(jué)預(yù)訓(xùn)練模型的設(shè)計(jì)思路，包括SimCLR、MoCo等系列的演進(jìn)。

更近的一項(xiàng)重要貢獻(xiàn)，是2024年10月發(fā)表的Fluid，一項(xiàng)關(guān)于自回歸文本到圖像生成模型的規(guī)模化研究。這項(xiàng)工作由田永龍與Lijie Fan、Tianhong Li等人合作完成，核心發(fā)現(xiàn)是：在視覺(jué)領(lǐng)域，使用連續(xù)token（continuous tokens）而非離散token（discrete tokens）的自回歸模型，在視覺(jué)質(zhì)量上顯著優(yōu)于離散token方案；同時(shí)，隨機(jī)生成順序（random-order）相比固定光柵順序（raster-order）能獲得更好生成效果。基于這些發(fā)現(xiàn)，團(tuán)隊(duì)訓(xùn)練了Fluid 10.5B模型，成為當(dāng)時(shí)的新標(biāo)桿。

這項(xiàng)工作的重要性在于，它試圖回答一個(gè)關(guān)鍵問(wèn)題：為什么自回歸模型在語(yǔ)言領(lǐng)域（GPT）取得了巨大成功，但在視覺(jué)領(lǐng)域的規(guī)模化卻一直不如擴(kuò)散模型？田永龍的答案是——token的連續(xù)性和生成順序可能是被忽視的關(guān)鍵變量。這對(duì)多模態(tài)大模型有直接的啟發(fā)意義：如果視覺(jué)生成和語(yǔ)言理解要在同一個(gè)模型中統(tǒng)一，自回歸架構(gòu)可能仍是值得押注的方向。

此外，他還參與了Autoregressive Image Generation without Vector Quantization（與何愷明、Tianhong Li合作，arXiv 2024），提出無(wú)需向量量化的自回歸圖像生成方法，將圖像建模為連續(xù)序列而非離散token；Learning Vision from Models Rivals Learning Vision from Data（CVPR 2024），探討合成數(shù)據(jù)在視覺(jué)學(xué)習(xí)中的潛力；以及Scaling Laws of Synthetic Images for Model Training（CVPR 2024），研究合成圖像的縮放規(guī)律。

這些工作的共同線索是：不滿足于簡(jiǎn)單的視覺(jué)識(shí)別，而是探索視覺(jué)的生成、理解與表征學(xué)習(xí)的統(tǒng)一框架。這正是多模態(tài)大模型想要實(shí)現(xiàn)的目標(biāo)——讓模型不僅能"看懂"圖像，還能"生成"圖像，并在兩種能力之間建立深層聯(lián)系。

混元多模態(tài)的換血

田永龍的加入，是騰訊混元多模態(tài)團(tuán)隊(duì)近一年來(lái)一系列人事變動(dòng)的最新一環(huán)。

在此之前，混元多模態(tài)方向經(jīng)歷了劇烈的組織震蕩。2024年底，原負(fù)責(zé)多模態(tài)統(tǒng)籌的劉威從騰訊離職，創(chuàng)辦了一家名為ReBirth的公司，主攻視頻生成。劉威是計(jì)算機(jī)視覺(jué)背景，在騰訊期間曾短暫管理過(guò)混元大模型團(tuán)隊(duì)。

劉威離開(kāi)后，多模態(tài)方向一度由蔣杰直接負(fù)責(zé)。2025年4月，騰訊在TEG體系內(nèi)正式成立獨(dú)立的大語(yǔ)言模型部與多模態(tài)模型部，試圖從組織架構(gòu)上解決過(guò)去"虛擬團(tuán)隊(duì)、資源分散"的問(wèn)題。

此后，騰訊在多模態(tài)方向持續(xù)引援：2025年中，微軟亞洲研究院的胡瀚空降騰訊，負(fù)責(zé)多模態(tài)大模型；同年，原阿里通義實(shí)驗(yàn)室應(yīng)用視覺(jué)團(tuán)隊(duì)負(fù)責(zé)人薄列峰加入混元團(tuán)隊(duì)；2026年1月，清華大學(xué)計(jì)算機(jī)系博士龐天宇加盟，負(fù)責(zé)多模態(tài)強(qiáng)化學(xué)習(xí)前沿算法探索。

但這些引援似乎仍未完全解決混元多模態(tài)的底層問(wèn)題。一位接近騰訊的人士此前對(duì)媒體表示，字節(jié)豆包在多模態(tài)和內(nèi)容創(chuàng)作生態(tài)上最強(qiáng)，阿里通義千問(wèn)在長(zhǎng)文本處理和辦公場(chǎng)景中更專業(yè)，而騰訊混元雖然深度綁定微信/QQ生態(tài)，但在多模態(tài)技術(shù)的領(lǐng)先性上仍有差距。

田永龍的到來(lái)，可能意味著騰訊想在多模態(tài)的基礎(chǔ)研究層面補(bǔ)課。他的背景——從對(duì)比學(xué)習(xí)到自回歸圖像生成，從視覺(jué)表示到合成數(shù)據(jù)縮放律——恰好對(duì)應(yīng)了多模態(tài)模型當(dāng)前最前沿的技術(shù)議題。

對(duì)姚順雨而言，田永龍的加入幫他補(bǔ)齊了混元團(tuán)隊(duì)最關(guān)鍵的一塊拼圖。姚順雨本人的背景更偏向語(yǔ)言模型的后訓(xùn)練和推理，而田永龍則是視覺(jué)生成與表征學(xué)習(xí)的專家。兩人的組合，恰好覆蓋了大語(yǔ)言模型和多模態(tài)模型兩個(gè)核心方向。

尾聲

大模型競(jìng)賽進(jìn)入2026年，單模態(tài)的文本能力已逐漸同質(zhì)化，多模態(tài)成為新的技術(shù)分水嶺。對(duì)騰訊而言，能否在多模態(tài)上建立真正的技術(shù)壁壘，將決定混元是僅僅服務(wù)于微信、QQ等內(nèi)部生態(tài)的"工具箱"，還是能成為與字節(jié)、阿里正面抗衡的通用智能平臺(tái)。

田永龍的加入，是騰訊提升"人才密度"的又一注碼。但多模態(tài)的戰(zhàn)場(chǎng)，從來(lái)不缺頂尖選手。他能否在混元復(fù)制甚至超越其在OpenAI的研究成果，將是接下來(lái)值得持續(xù)觀察的變量。