文 | 字母AI

中科大少年班毕业、华为第一届天才少年，无数Buff加身的李博杰，在DeepSeek的面试上碰了壁。

李博杰发文称，笔试通过后搁置半个月，反复催促才安排面试。并且在面试过程中，DeepSeek的面试官认为李博杰存在抄代码的嫌疑，李博杰感到被冒犯，当场终止面试。

这事孰是孰非暂且不论，但外界的注意力再一次被聚焦到了 DeepSeek的人才引进上。

从融资开始，人才一直都是DeepSeek的关键词，只不过李博杰这次这次戏剧冲突更强，因此引来更多人关注到DeepSeek的人才问题。

随着DeepSeek-v3和R1的爆火，DeepSeek多名核心成员被挖走。就在前些日子的DeepSeek-V4技术报告里，尾附了一份近300人的研发作者名单。

名单里10个人被标注了 “已离职”。其实一般公司发论文都会淡化离职者，但DeepSeek反而明明白白标。

因为这些离职的人，整整覆盖DeepSeek基座模型、推理、多模态、OCR，在这四条核心技术路线。

好在的是，虽然有牛人离开了DeepSeek，但也有牛人加入。就比如梁文锋的校友崔添翼，他加入DeepSeek后广撒英雄帖，为DeepSeek招来一大批贤才。

DeepSeek计划人才扩大一倍，那么到底要怎么招人？招什么人？别急，我们慢慢聊。

五百亿到账之后，立刻开始扩招

钱到账之后的第九天，6月25日深夜，DeepSeek在微信公众号、小红书等多个渠道同时发布了招聘公告。

公告中写到，“当今人类正处于AGI的前夜，加入DeepSeek，亲历AGI的发展进程，坐在时代前排，见证一个新纪元的诞生。随着技术演进，我们正努力将所有部门的规模扩大至少一倍。”

据相关招聘平台数据，DeepSeek目前在招职位总数已达121个 。这个招聘规模，哪怕是跟腾讯字节这样的大公司相比，也是非常多的。

这次招聘覆盖7大类共33个岗位，工作地点设在北京和杭州，所有岗位均接受实习生。岗位从最底层的超算集群研发、高性能算子/编译器、大模型训练/推理框架、高性能分布式存储，一直延伸到服务端开发工程师、预训练数据工程师、AI 搜索算法/架构工程师。

模型再往上，到了本次招聘的重点，Agent Harness团队、前端/客户端开发工程师。

除了这些AI强相关的职位以外，甚至还有法律、医学、小语种等专业领域的数据产品经理。就连HR、法务、财务、行政这些职能部门都要扩。

还有一个特别岗位叫“AI跨界技术人才”，面向“具备超乎常人才能、并希望参与创造和构建AGI”的候选人，不设专业背景限制，加分项包括“不走寻常路”“在某个领域做到极致”“有创业经历”。

这意味着DeepSeek已经从一个小实验室，变成了一家正规的AI公司。

但大规模招人的另一面，是DeepSeek的人才正在流失。

从2025年下半年到2026年上半年，DeepSeek至少有5名核心研发成员确认离职。

DeepSeek-R1的核心研究员郭达雅，去了字节跳动的Seed团队；第一代大模型的核心作者王炳宣，加入了腾讯的混元团队；DeepSeek早期成员罗福莉，被小米创始人雷军亲自下场、以千万元级别的年薪挖走，出任小米MiMo大模型负责人；此外还有魏浩然、阮翀等人，也先后离开。

人才流失还只是一方面，为了争抢人才，大厂靠着雄厚的财力，给这些年轻人开出了天价薪酬。

比如字节跳动的“Top Seed”，它的校招薪资从2024年的约150万元一路上涨至2025年的300万至500万元，2026年部分核心岗位已突破600万元；腾讯有“青云计划”，阿里有“阿里星”，招聘宣传中纷纷出现“薪酬上不封顶”“不设上限”等表述 。

很显然，这对DeepSeek来说不是什么好事。

此外，在DeepSeek这轮系统性的组织扩容中，最引人注目的不是某个具体岗位，而是一个人——崔添翼。

崔添翼是DeepSeek Harness团队的负责人。Harness是今年3月新成立的团队，聚焦代码智能体产品研发，奉行一个简洁的公式：“Model + Harness = Agent”。

其实Harness的范围非常宽，在构建Agent产品时，除模型本身外，所有支撑性工作都属于Harness范畴 。这个团队要对标Anthropic的智能体编程工具Claude Code，要做的是“DeepSeek Code Harness”。

那么对于这个团队，崔添翼是怎么招人的呢？

他在X（原 Twitter）上频繁发布招聘信息，从最初的两类岗位扩展到三类，研究员、研发工程师、产品经理，其中研究员岗位是首次设立 。

甚至于，只要崔添翼看到X上有人发表了关于Agent、Harness相关的看法，他就会跑到此人的评论区留言，问他有没有兴趣投递简历。

崔添翼表示“部门仍然非常缺人，自己每天都在面试”，还说自己在“各种地方贴小广告”。同时他还表示，连招一个多月仍未招够。

崔添翼的招聘策略有几个特点值得注意。

第一，不设国籍限制，只要求能用中文工作。

第二，不设工作年限的硬性限制，以Agent Harness研发工程师为例，首要要求是“技术水平过硬、技术眼界广阔”，而不是多少年经验 。

第三，新设立的研究员岗位要求候选人具备2年以上科研经验，在计算机领域顶级会议发表过论文，能独立完成从问题定义到原型验证的全流程研究，JD特别强调“科研品味”与“工程转化能力”的双重标准 。

业务变了，要招的人也变了

理解DeepSeek为什么在这个时间点大规模招人，不能只看融了多少钱，得看它的业务正在发生什么变化。

V4系列模型发布、识图模式上线、Agent Harness团队成立、API 引入峰谷定价——这些变化提一嘴就够了，真正值得细看的是：它们怎么改变了 DeepSeek 要招的人。

一位在2025年中服务过DeepSeek的猎头曾表示：“过去一年，DeepSeek 的招聘标准发生了微妙变化。去年招聘要求还比较宽泛，只要履历优秀即可，但今年不少岗位开始明确要求，要在某个细分方向做得足够深。”

到底有多细呢？我们不妨仔细拆解一下DeepSeek的招聘公告。

先看深度学习研究员这个岗位。去年DeepSeek招研究员，要求还比较笼统，做过大模型、发过论文就行。但今年开始，研究员岗位被拆成了至少四个细分方向：LLM预训练、alignment/对齐、code/math推理、multimodal多模态 。

原因也不难猜，无非是技术复杂度提高倒逼分工。

以前的模型简单，一个研究员可以从头到尾跟着模型走。

但是现在，预训练（Base 模型）→ 后训练（SFT/RLHF/GRPO）→ 对齐（安全 + 有用性）→ 专项能力（推理 / 代码 / 多模态） 每一层的方法论、评价体系、数据管道完全不同，一个人根本不可能掌握那么多。

V4-Pro总参数1.6万亿，推理算力却只用了前代V3.2的27%，KV Cache占用降到10% ，这种效率不是靠堆卡堆出来的，是靠训练策略、数据配比做到的，招这个人就是要把这条路继续走下去。

再说，R1，它的核心突破是摒弃人类示范，纯靠“解题—奖励—再解题”的强化学习循环，让模型自己长出推理链 ，可这条路上奖励模型到底该怎么设计，R1只是开了头，所以就要懂对齐的人去沿着这条路推进。

code/math就更不用多说了，这是现在整个行业内的重中之重，是一切Agent的起源，事实上刚刚离开DeepSeek的郭达雅，研究的就是这个方向。

6月18日，DeepSeek上线了识图功能，这也是他们第一次对外公布原生搭载图像理解能力 ，接下来V4.1还计划集成ViT-22B图像编码器 。

因此，招聘多模态方面的人才也是必要的。

再看Agent Harness团队，前面也说过了，产品对标的是Anthropic的Claude Code 。

前文提到，团队强调科研品味和工程转化。科研品味是指不刷榜，盯着真实世界的瓶颈去研究。

优先解决 "用户天天碰到但学术圈没人正经研究" 的问题，比如长任务上下文丢失、工具调用失败率、多步推理的错误累积。

这也是为什么这个岗位要求应聘者熟悉上下文管理、长期记忆架构、多Agent协作、工具调用编排。

“工程转化能力”比较好理解，你不能只发论文，还得能把研究成果变成能跑的产品。

然而也正是这种“既要又要”的要求，直接把大量纯学术背景的候选人筛掉了。

这次招聘最引人注目的岗位就是刚才说的“AI跨界技术人才”了。这其实是一个人才蓄水池岗位，专门用来捞那些专业不对口但天赋异禀的人。

不设专业背景限制。入职后根据你的兴趣和能力，匹配到最合适的研究或工程团队。

硬性要求只有四条，对AI有真实的长期热情，而且有实际行动和成果证明（不是嘴上说说）；动手能力和学习能力极强，独立思考不跟风；有基础编程能力；教育背景良好。

举个例子，比如研究大脑怎么学习、怎么记忆的，反过来可以启发模型架构和训练方法。

最后一点，DeepSeek开始大量招传统软件工程岗位了。6月25日的招聘公告里，服务端开发工程师、前端/客户端开发工程师、测试工程师这些岗位被老老实实地列了出来，没有搞什么“AI全栈工程师”的概念 。

因为产品要落地，就得有正经的前后端工程师把界面搭出来，有测试工程师保证不出bug。

目前，AI编程在商业产品开发层面还做不到完全替代专业工程师，要安稳落地一个商业级产品，还是得靠人 。DeepSeek服务器总是宕机，那就需要人来优化，高并发服务怎么扛住、分布式系统怎么稳定跑、前端体验怎么打磨。

梁文锋既是CEO，也是CTO

梁文锋跟别的CEO不一样，他懂技术，并且参与DeepSeek的研究工作。

2025年9月17日，DeepSeek-R1的论文成为全球首篇接受独立同行评审并登上Nature主刊封面的大语言模型论文，通讯作者正是梁文锋 。

杂志罕见地以社论形式点评：“在充斥未经证实声明的AI圈，DeepSeek向透明与可重复迈出了可喜一步。”

除此以外，梁文锋还积极参与团队的研究工作。

2025年，北京大学计算机学院博士生袁境阳在DeepSeek实习。以第一作者身份发表论文《Native Sparse Attention》（NSA，原生稀疏注意力），这篇论文获得了ACL 2025最佳论文奖。

虽然这篇论文由北大、华盛顿大学的研究人员共同参与完成，可通讯作者正是梁文锋本人。

梁文锋在招人上有一套自己的哲学。他曾在2023年接受采访的时候表示：“我们招人有条原则是，看能力，而不是看经验。我们的核心技术岗位，基本以应届和毕业一两年的人为主。” 

“有经验的人会直接告诉你‘应该这样做’，但没经验的人会反复摸索，找到符合当下实际情况的办法。” 

面试过DeepSeek的应届生表示，面试流程超过6轮，现场写代码加系统设计加论文复现，多个参与过面试的应届生表示，面试官会问得非常细，不是聊大方向，是抠实验细节，并且面试官会针对你说的论文，一直追问到你答不上来为止，测试你是不是真的做过。

大厂面试一般都是4轮，1轮算法题笔试，3轮面试（技术面→系统 / 研究面→终面）。哪怕研究员岗位多1-2轮交叉面，也鲜有6轮以上的面试。

DeepSeek和字节大模型岗的面试顺序截然不同，字节招聘是上来就手撕代码，不聊论文，并且速度和clean程度要求极高。

只有过了代码和算法的门槛，才会聊模型，比如transformer底层、训练推理细节、分布式训练等等。最后看业务和工程化能力。

字节的招人偏好是顶会论文是加分项但不是硬门槛，能写能跑能落地更重要，特别看重系统优化、工程架构能力，毕竟字节的训练和推理规模是国内最大的之一。

腾讯比DeepSeek拆的更细，比如大模型算法岗能拆成：后训练方向（SFT/RLHF/GRPO）、微调&RAG方向、Agent调度与任务规划、Tool Use / Function Calling、Long Context建模、Memory系统、Agentic RL。

并且腾讯也非常看重 落地经验，有没有在真实业务场景里调过模型、提过指标，这些都是必须项。

梁文锋的这种角色，很容易让人想到马斯克。

马斯克曾经表示，自己80%的时间不是花在商业上，而是花在工程和设计上。SpaceX火箭的每一个细节他都要懂，火星殖民架构他亲自推演。到了特斯拉，他更是直言，说车并不重要，真正重要的是“制造机器的机器”。

马斯克在工程上的角色，实际上就是SpaceX 和特斯拉的CTO。他不只是签字拍板，他还要亲自下场，参与技术决策的每一个环节。

2026年，马斯克甚至宣布了造芯计划Terafab，整合特斯拉和SpaceX的资源，自己设计制造芯片。这么做的原因，正是因为他发现无论是SpaceX还是特斯拉，在生产环节中，芯片不仅卡脖子，话语权还掌握在供应商手里。

梁文锋和马斯克的相似之处，不在于赛道，而在于姿态。

这种“创始人即CTO”的模式，在招聘上有一个隐性的优势。真正顶尖的技术人才，在意的往往不只是钱，而是能不能跟一个真正懂技术、还在亲自做技术的人共事。

DeepSeek提供的不是一个岗位，它是一个机会，跟一个还在第一线的人，做最前沿的事。这是很多大厂给不了的。

当然，这种模式也有它的代价。创始人精力有限，既要管融资、管战略，又要亲自做研究、写论文、带队迁移，长期来看是不可持续的。

而且“创始人即CTO”意味着技术方向高度依赖一个人的判断。这个人对了，公司一飞冲天；这个人错了，没有人能纠偏。

从目前的结果看，梁文锋的判断还是非常准确并且领先行业的。

这也是为什么腾讯、宁德时代、国家人工智能产业投资基金愿意把钱押在他身上的原因，他们投的不只是 DeepSeek这家公司，更是梁文锋这个人的技术判断力。