国内AI圈最近又少了一位重量级人物。

字节跳动Seed团队的核心成员顾全全，刚刚正式官宣离职。

这位在字节待了整整三年的学者，职业生涯跨度相当特别。他从AI制药一路做到LLM预训练。

他自己也感慨，能同时参与“治病救人”和“造前沿智能”这两件事的机会，确实不多见。

至于下一步要去哪，目前还是个悬念。

清华出发，一路打到UCLA

这位大佬的履历，相当能打。

顾全全，清华本硕，之后赴美深造。

他在UIUC师从数据挖掘领域的顶级大牛Jiawei Han，并于2014年拿下计算机科学博士学位。

博士毕业后，他先去Princeton做了博后。

2015年，他成为University of Virginia的助理教授。2018年，他加入UCLA。

到了2022年，他的事业迎来一个高峰。

• 同年拿下Sloan Research Fellowship和NSF CAREER Award

• 升任副教授

• 在UCLA创立了AGI Lab

他的研究版图覆盖非凸优化、深度学习理论和强化学习，领域相当扎实。

在学术界，他一个极具影响力的工作是SPIN（Self-Play Fine-Tuning）。

这个工作的核心思路很巧妙：让大模型跟自己的历史版本“对弈”，不需要额外的人工标注数据，就能把弱模型“炼”强。

这篇论文已经被ICML 2024录用。

某种意义上，这个研究方向也预示了他后来在字节的转型。他从纯学术，走向了大规模模型的工程实战。

他的Google Scholar被引次数已经超过30000次。

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

把AlphaFold 3拉下王座

在字节的第一站，顾全全负责AI制药。

这条线上最具标志性的成果，就是主导了SeedFold的研发。

在FoldBench综合评测中，这个模型在多数蛋白质相关任务上，超越了AlphaFold 3。

要知道，AlphaFold系列是DeepMind的王牌。

AlphaFold 2拿过诺贝尔化学奖，AlphaFold 3更是把预测范围从蛋白质扩展到了DNA、RNA、配体等几乎所有生物分子类型。

在这个级别的对手面前，SeedFold交出的成绩单相当硬核：

• 蛋白质单体预测lDDT达到0.8889

• 抗体-抗原界面DockQ达到53.21%

• 蛋白质-RNA界面DockQ达到65.31%

每一项都压过了AlphaFold 3。

SeedFold之外，团队在AI制药赛道上还藏着两张王牌。

SeedProteo：全原子级别设计蛋白质

SeedProteo是一个蛋白质结合物设计模型。

和大多数方法只设计骨架不同，它在全原子级别直接设计蛋白质。

它使用的“Design View”模块，能有效引导生成过程。

在10个benchmark靶标上的测试中，SeedProteo的成功率和多样性都超过了AlphaProteo、RFdiffusion、Chai-2、BinderCraft和BoltzGen这些主流开源方法。

DPLM系列：持续推进通用蛋白质基础模型

DPLM系列则是他们在蛋白质语言模型上的持续投入，已经迭代了三代。

DPLM是第一个基于离散扩散的蛋白质语言模型，在进化规模的蛋白质序列上预训练，统一了表征学习和生成两个任务，发表于ICML 2024。

DPLM-2加入了多模态能力，能同时生成氨基酸序列和3D结构，入选ICLR 2025。

最新的DPLM-Evo更进一步，在扩散过程中显式建模蛋白质进化中的替换、插入和删除操作，已被ICML 2026接收。

三代模型，每一代都在向“通用蛋白质基础模型”的方向稳步推进。

从炼药到炼模型

2025年初，顾全全做了一个关键的职业转向。

他从AI制药切到LLM预训练，加入了Seed的预训练团队，并在其中创建了LLM optimization and scaling team。

这个团队的核心任务只有一个：在前沿规模上，稳定、高效地把模型“炼”出来。

这个团队搭建的预训练栈，为Seed 2.0的成功训练提供了关键的基建支撑。

这也是他在字节参与的最后一个公开项目。

在告别推文的最后，顾全全写了一句话：

“最好的模型还没来，Scaling不会停。”