在第五届字节跳动奖学金颁奖典礼上，字节跳动技术副总裁杨震原分享了公司自2014年以来在技术领域的探索历程。作为一位资深技术爱好者，杨震原自2014年加入字节跳动后，从搭建推荐系统起步，至今已参与公司多项重大技术突破，带领团队在多个前沿领域取得显著成果。
2014年，字节跳动在推荐系统领域设定了一个极具挑战性的目标：实现万亿级特征规模。当时，工业界最大规模的机器学习系统主要用于搜索广告，而将这套技术应用于推荐系统面临诸多难题。团队不仅需要攻克系统建模和算法优化等工程难题，还要处理存储和计算等基础设施问题。通过引入FM类算法并构建streaming training系统，团队最终实现了目标，并发现浅层神经网络在推荐场景中仍具有显著优势。
2020年，字节跳动将目光投向科学计算领域。团队认为，除了线上应用，现实世界和科学计算能够产生大量有价值的数据。在第一性原理计算方面，公司持续投入研发神经网络量子蒙特卡洛方法（NNQMC），通过神经网络表示波函数并优化计算过程，在仿真精度上达到行业领先水平。最新成果Scaling Laws with LAVA显示，增加参数数量可持续提升仿真精度，为实用化突破带来可能。
在分子动力学领域，团队通过GPU加速密度泛函分析（DFT）计算，实现1个GPU相当于500至1000个CPU核心的加速效果，大幅降低算力成本。开发的Bamboo-MLFF和ByteFF力场模型在预测分子和固体体系性质方面表现优异，其中ByteFF-Pol在无实验数据条件下预测电解液性质达到行业最高精度。这些技术已与比亚迪合作，推动AI for Science在电池材料领域的工业应用。
2021年，字节跳动收购Pico团队后，在XR领域展开双路线探索：一方面优化现有产品形态并加强内容运营，另一方面投入基础技术研发以提升核心体验。2023年，公司决定减少内容投入，转而加大技术研发投入。在显示技术方面，团队与供应商定制MicroOLED屏幕，结合微透镜技术实现单眼4K分辨率，同时保持设备轻便性。针对MR技术的眩晕问题，全链路自研专用芯片，将系统延迟控制在12毫秒左右，达到行业领先水平。
大模型领域，字节跳动自2022年开始重点布局，推出豆包AI对话助手和火山引擎大模型服务。技术层面，公司建设的大规模稳定训练系统MegaSacle使浮点运算利用率超过55%，显著优于主流开源框架。通过优化模型结构和自研服务器，公司成功降低大模型应用成本，火山引擎在中国MaaS市场占据领先地位。当前研究重点包括提升模型持续学习能力，使其能够像人类一样通过交互不断优化，以及增强模型与物理世界的交互能力，缩小在内容理解和界面操作等方面与人类的差距。
