7月23日消息，据知情人士透露，腾讯混元大模型多模态内容理解负责人胡瀚即将离职，计划创业，目前已在与风险投资机构接触。胡瀚是 Swin Transformer 的核心作者，该论文获得 ICCV 2021 最佳论文奖（Marr Prize）。他于 2025 年初从微软亚洲研究院加入腾讯，接替离职的刘威负责混元多模态大模型研发，在腾讯的任期约一年半。两周前的 7 月 8 日，腾讯刚确认 OpenAI 前研究员田永龙加入大语言模型部参与 VLM 研发，后者被报道有望接任混元多模态方向负责人。 MSRA 七年，Swin Transformer 是标志性成果
胡瀚 2008 年获得清华大学本科学位，2014 年获得清华大学博士学位，师从周杰教授，博士论文获 2016 年中国人工智能学会优秀博士论文奖。毕业后他先加入百度深度学习研究所（IDL），该研究所由后来创办地平线的余凯负责，是国内最早开展深度学习研究的团队之一。
2016 年 12 月，胡瀚加入微软亚洲研究院视觉计算组，此后在 MSRA 工作约七年。MSRA 视觉计算组有计算机视觉界「黄埔军校」之称，曾走出孙剑、何恺明、华刚、梅涛、王井东、代季峰等行业技术领军人物。胡瀚在 MSRA 期间最具影响力的成果是作为通讯作者和共同一作完成的 Swin Transformer——一种使用移位窗口机制的层次化视觉 Transformer，在学术界和工业界被广泛采用。此外还有 Swin Transformer V2、SimMIM、Deformable ConvNets 等系列工作。他的 Google Scholar 引用超过 7 万次，2022 年入选 MIT TR35 China 榜单。
2025 年 1 月胡瀚于加入腾讯，接替已离职的前混元大模型技术负责人之一刘威，负责多模态大模型研发。据中国人工智能学会官网信息，其在腾讯的职位为杰出科学家，同时担任腾讯 AI Lab 研究合伙人。
混元多模态方向约 18 个月内第二次换将
胡瀚的离职并非腾讯混元多模态方向的首次负责人更替。2024 年底，前腾讯混元大模型技术负责人之一刘威离职，随后创办主攻视频生成的 ReBirth。胡瀚接替刘威后负责范围聚焦在多模态内容理解方向。如果离职消息属实，混元多模态方向将在约一年半内经历第二次负责人更替。
这段时间里，腾讯混元的组织架构经历了密集调整。2025 年 4 月，腾讯在 TEG 体系内正式成立大语言模型部和多模态模型部。2025 年 9 月，前 OpenAI 研究员姚顺雨加入腾讯，12 月被任命为「CEO/总裁办公室」首席 AI 科学家，向总裁刘炽平汇报，同时兼任 AI Infra 部和大语言模型部负责人。2026 年 3 月，成立近十年的腾讯 AI Lab 被正式撤销，部分人员并入混元团队向姚顺雨汇报。据华尔街见闻报道，AI Lab 被弱化后剩余的研究方向之一即为胡瀚负责的多模态理解方向。
7 月 8 日，OpenAI 前研究员田永龙已加入腾讯大语言模型部参与 VLM 研发。据 IT 之家援引雷峰网报道，田永龙有望成为混元多模态方向的新负责人，但该人事安排「尚未最终落定」。田永龙此前在 OpenAI 期间与姚顺雨在同一时期效力于研究团队，更早之前曾在 Google Research 和 Google DeepMind 从事视觉感知模型研发。
大模型多模态人才正从大厂向创业方向分流
胡瀚这条消息值得注意的不只是「谁离开了腾讯」，还有去向。他的前任刘威离开后选择视频生成创业，胡瀚同样选择创业而非跳槽另一家大厂。大模型竞争进入第三年后，头部公司多模态方向的高级技术人才正在分流——一部分被大厂之间的人才争夺战重新分配（如姚顺雨从 OpenAI 到腾讯、田永龙同路径跟随），另一部分带着在大厂积累的工程经验和行业认知投入创业。胡瀚的具体创业方向尚未披露，但其核心专长——视觉表征学习、多模态理解、稀疏注意力架构设计——指向的应用面并不窄。
容易误读的地方在于将负责人更替直接等同于团队方向失控。腾讯混元多模态方向在胡瀚任职期间持续引入人才，包括原阿里通义实验室应用视觉团队负责人薄列峰（2025 年 7 月加入）和清华博士庞天宇（2026 年初加入，负责多模态强化学习），团队建设并未停滞。但负责人的频繁更替确实增加了方向连贯性的不确定性，尤其是在腾讯混元整体仍处于姚顺雨主导的追赶期内。
两个待确认信号：创业方向和多模态接任者
胡瀚的创业方向是第一个关键信息缺失。他在 MSRA 的积累集中在视觉 Transformer 架构设计，在腾讯进一步接触了大模型工程化和 VLM 产品化，如果创业方向仍在多模态理解领域，将直接进入一个创业公司和大厂模型团队同场竞争的市场。第二个待确认的信号是田永龙能否正式接手混元多模态方向。如果确认接任，腾讯混元多模态将在不到两年内迎来第三任负责人。田永龙此前的研究方向以 OpenAI 多模态生成技术为主，与胡瀚侧重的视觉理解方向存在差异，接任后混元多模态的研发重心可能随之调整。
AI 速览
