字节AI大将顾全全离职，内幕深度揭秘

国内AI领域又一位核心人物选择离开。

字节跳动Seed团队关键成员顾全全，近日正式确认离职。这位在字节深耕整整三年的研究者，职业生涯跨度极具辨识度——从AI制药跨界到LLM预训练。他本人也感叹，能同时参与“药物研发”与“前沿智能构建”这两条赛道的机会，确实稀少。

至于下一站去向，目前尚未公布。

清华奠基，UCLA成学术高地

这位专家的履历分量十足。

顾全全，清华大学本硕，随后赴美深造，在UIUC师从数据挖掘领域权威Jiawei Han，2014年获得计算机科学博士学位。

博士毕业后，他先到Princeton从事博士后研究，2015年任教于University of Virginia，2018年加入UCLA。2022年迎来学术高峰，同年斩获Sloan Research Fellowship和NSF CAREER Award，晋升副教授，并在UCLA创立AGI Lab。

研究版图覆盖非凸优化、深度学习理论与强化学习，基础扎实。

在学术界，一项极具影响力的工作是SPIN（Self-Play Fine-Tuning）。核心思路精妙：让大模型与自身历史版本“对弈”，无需额外人工标注，即可将弱模型“锤炼”成强模型。该论文已被ICML 2024接收。从某种程度上，这项研究也预示了他后来在字节的转型——从纯学术研究迈向大规模模型工程实战。

其Google Scholar引用次数已突破30000次。

2023年，他以Research Scientist身份加入字节Seed，开启为期三年的工业界生涯。

超越AlphaFold 3的硬核突破

在字节的第一站，顾全全负责AI制药板块。

这条线上最具标志性的成果，是主导研发SeedFold——在FoldBench综合评测中，该模型在多数蛋白质相关任务上超越了AlphaFold 3。

AlphaFold系列是DeepMind的王牌，AlphaFold 2曾获诺贝尔化学奖，AlphaFold 3更将预测范围从蛋白质扩展至DNA、RNA、配体等几乎所有生物分子类型。面对如此对手，SeedFold交出的成绩单极为亮眼：蛋白质单体预测lDDT达0.8889，抗体-抗原界面DockQ达53.21%，蛋白质-RNA界面DockQ达65.31%，每一项均超越AlphaFold 3。

SeedFold之外，团队在AI制药领域还握有两张底牌。

SeedProteo是一款蛋白质结合物设计模型。与多数仅设计骨架的方法不同，它在全原子级别直接设计蛋白质，内置的“Design View”模块有效引导生成过程。在10个benchmark靶标测试中，SeedProteo的成功率和多样性均超越AlphaProteo、RFdiffusion、Chai-2、BinderCraft和BoltzGen等主流开源方法。

DPLM系列则是蛋白质语言模型领域的持续深耕，已迭代三代。DPLM是首个基于离散扩散的蛋白质语言模型，在进化规模蛋白质序列上预训练，统一表征学习与生成任务，发表于ICML 2024。DPLM-2加入多模态能力，可同时生成氨基酸序列与3D结构，入选ICLR 2025。最新的DPLM-Evo进一步在扩散过程中显式建模蛋白质进化中的替换、插入与删除操作，已被ICML 2026接收。三代模型，代代向“通用蛋白质基础模型”目标稳步推进。

从制药到造模型：关键转身

2025年初，顾全全做出一次关键职业转向。

他从AI制药切换至LLM预训练，加入Seed预训练团队，并组建了LLM optimization and scaling team。团队核心任务只有一个：在前沿规模下，稳定高效地完成模型训练。该团队搭建的预训练栈，为Seed 2.0的成功训练提供了关键基础设施支撑。

这也是他在字节参与的最后一个公开项目。

告别推文末尾，顾全全写道：“最好的模型还没来，Scaling不会停。”

来源：互联网