第 6 卷

Seedance 1.5 Pro中重点进行了优化；而在Seedance 1.5 Pro的使用过程中，用户对画质和多模态输入的需求日益强烈，团队又在Seedance

2.0中实现了2K分辨率和四模态输入支持。这种“用户反馈驱动研发”的模式，让Seedance的每一次迭代都能精准命中用户需求，避免了无效

研发。

此外，字节跳动在工程工具链上的积累进一步提升了研发效率。团队自主研发了一系列模型训练、测试和部署工具，其能够自动化完成数

据预处理、模型训练、效果评估等流程，从而减少了人工操作带来的效率损耗。例如，团队通过自动化测试工具，能够快速验证模型的各

项性能指标，及时发现问题并进行修复；通过一键部署工具，能够快速将优化后的模型上线到即梦等平台，让用户尽快体验到新功能。

字节跳动的这三重优势并不是孤立存在的，而是相互协同的，最终形成了合力。数据为模型训练提供了“原材料”，算力为模型训练提供了

“动力”，工程效率则为模型迭代提供了“速度”。没有海量高质量的数据，再强大的算力也无法训练出高性能的模型；没有足够的算力支

撑，海量数据也难以转化为模型能力；而如果缺乏高效的工程化体系，那么即使有了数据和算力优势，也无法快速将技术转化为产品竞

争力。

从行业竞争来看，字节跳动的这三重优势具有很强的壁垒性。在数据方面，竞争对手很难在短期内积累如此庞大且高质量的视频相关数

据；在算力方面，大规模的算力集群需要巨额的资金投入，并非所有企业都能承受；在工程效率方面，字节跳动的研发体系和产品文化是

长期积累形成的，竞争对手难以复制。这种难以复制的技术护城河让 Seedance能够长期保持行业领先地位，也让字节跳动在AI视频领域的

竞争力不断增强。

字节跳动的技术护城河不仅支撑了Seedance的成功，而且展现了中国科技企业在AI领域的核心竞争力。在全球AI竞争日益激烈的背景下，

数据、算力与工程效率的三重加持，让字节跳动能够在多模态生成领域实现从跟跑到领跑的跨越。随着技术的持续迭代，这一技术护城河

还将不断加深，为Seedance系列模型的发展提供更强大的支撑，为中国AI技术的全球化发展奠定坚实基础。

第2章 Seedance 2.0的核心技术密码

双分支扩散变换器架构：让AI“画皮又画⻣”

长久以来，AI视频行业存在一个致命的技术瓶颈：要么画面精美但动作僵硬如提线木偶，要么运动流畅但细节崩坏、面目全非。行业内将

这种困境称为“皮⻣不可兼得”。“皮”是帧内的空间细节，如皮肤纹理、光影质感；“⻣”是帧间的时序逻辑，如肢体运动、物理规律。传统的扩

散模型大多采用单一路径处理时空信息，试图用一套算法同时解决“画好一张图”和“连好一串图”的问题，结果往往顾此失彼，导致生成的视

频要么像幻灯片切换，要么像像素大战。这种技术瓶颈正是AI视频迟迟无法从“玩具”走向“工具”的核心原因。

Seedance 2.0的横空出世，彻底打破了这一僵局。其撒手锏，就是业内首创的双分支扩散变换器架构（Dual-

Branch Diffusion Transformer，DBDiT）。这个听起来略显晦涩的技术名词，用大白话解释就是，字节跳动的工程师给AI装上了“双脑”，让它

左手画皮，右手画⻣，两手都要硬（见图2-1）。这一架构的核心创新在于解耦时空建模，将视频生成这一复杂任务，拆分为两个并行且协

同的子任务，从底层逻辑上解决了“皮⻣分离”的行业痛点。