華為天才少年與DeepSeek沖突背后，梁文鋒的人才觀是什么？

中科大少年班畢業、華為第一屆天才少年，無數Buff加身的李博杰，在DeepSeek的面試上碰了壁。

李博杰發文稱，筆試通過后擱置半個月，反復催促才安排面試。并且在面試過程中，DeepSeek的面試官認為李博杰存在抄代碼的嫌疑，李博杰感到被冒犯，當場終止面試。

這事孰是孰非暫且不論，但外界的注意力再一次被聚焦到了 DeepSeek的人才引進上。

從融資開始，人才一直都是DeepSeek的關鍵詞，只不過李博杰這次這次戲劇沖突更強，因此引來更多人關注到DeepSeek的人才問題。

隨著DeepSeek-v3和R1的爆火，DeepSeek多名核心成員被挖走。就在前些日子的DeepSeek-V4技術報告里，尾附了一份近300人的研發作者名單。

名單里10個人被標注了 “已離職”。其實一般公司發論文都會淡化離職者，但DeepSeek反而明明白白標。

因為這些離職的人，整整覆蓋DeepSeek基座模型、推理、多模態、OCR，在這四條核心技術路線。

好在的是，雖然有牛人離開了DeepSeek，但也有牛人加入。就比如梁文鋒的校友崔添翼，他加入DeepSeek后廣撒英雄帖，為DeepSeek招來一大批賢才。

DeepSeek計劃人才擴大一倍，那么到底要怎么招人？招什么人？別急，我們慢慢聊。

01

五百億到賬之后，立刻開始擴招

錢到賬之后的第九天，6月25日深夜，DeepSeek在微信公眾號、小紅書等多個渠道同時發布了招聘公告。

公告中寫到，“當今人類正處于AGI的前夜，加入DeepSeek，親歷AGI的發展進程，坐在時代前排，見證一個新紀元的誕生。隨著技術演進，我們正努力將所有部門的規模擴大至少一倍。”

據相關招聘平臺數據，DeepSeek目前在招職位總數已達121個 。這個招聘規模，哪怕是跟騰訊字節這樣的大公司相比，也是非常多的。

這次招聘覆蓋7大類共33個崗位，工作地點設在北京和杭州，所有崗位均接受實習生。崗位從最底層的超算集群研發、高性能算子/編譯器、大模型訓練/推理框架、高性能分布式存儲，一直延伸到服務端開發工程師、預訓練數據工程師、AI 搜索算法/架構工程師。

模型再往上，到了本次招聘的重點，Agent Harness團隊、前端/客戶端開發工程師。

除了這些AI強相關的職位以外，甚至還有法律、醫學、小語種等專業領域的數據產品經理。就連HR、法務、財務、行政這些職能部門都要擴。

還有一個特別崗位叫“AI跨界技術人才”，面向“具備超乎常人才能、并希望參與創造和構建AGI”的候選人，不設專業背景限制，加分項包括“不走尋常路”“在某個領域做到極致”“有創業經歷”。

這意味著DeepSeek已經從一個小實驗室，變成了一家正規的AI公司。

但大規模招人的另一面，是DeepSeek的人才正在流失。

從2025年下半年到2026年上半年，DeepSeek至少有5名核心研發成員確認離職。

DeepSeek-R1的核心研究員郭達雅，去了字節跳動的Seed團隊；第一代大模型的核心作者王炳宣，加入了騰訊的混元團隊；DeepSeek早期成員羅福莉，被小米創始人雷軍親自下場、以千萬元級別的年薪挖走，出任小米MiMo大模型負責人；此外還有魏浩然、阮翀等人，也先后離開。

人才流失還只是一方面，為了爭搶人才，大廠靠著雄厚的財力，給這些年輕人開出了天價薪酬。

比如字節跳動的“Top Seed”，它的校招薪資從2024年的約150萬元一路上漲至2025年的300萬至500萬元，2026年部分核心崗位已突破600萬元；騰訊有“青云計劃”，阿里有“阿里星”，招聘宣傳中紛紛出現“薪酬上不封頂”“不設上限”等表述 。

很顯然，這對DeepSeek來說不是什么好事。

此外，在DeepSeek這輪系統性的組織擴容中，最引人注目的不是某個具體崗位，而是一個人——崔添翼。

崔添翼是DeepSeek Harness團隊的負責人。Harness是今年3月新成立的團隊，聚焦代碼智能體產品研發，奉行一個簡潔的公式：“Model + Harness = Agent”。

其實Harness的范圍非常寬，在構建Agent產品時，除模型本身外，所有支撐性工作都屬于Harness范疇 。這個團隊要對標Anthropic的智能體編程工具Claude Code，要做的是“DeepSeek Code Harness”。

那么對于這個團隊，崔添翼是怎么招人的呢？

他在X（原 Twitter）上頻繁發布招聘信息，從最初的兩類崗位擴展到三類，研究員、研發工程師、產品經理，其中研究員崗位是首次設立 。

甚至于，只要崔添翼看到X上有人發表了關于Agent、Harness相關的看法，他就會跑到此人的評論區留言，問他有沒有興趣投遞簡歷。

崔添翼表示“部門仍然非常缺人，自己每天都在面試”，還說自己在“各種地方貼小廣告”。同時他還表示，連招一個多月仍未招夠。

崔添翼的招聘策略有幾個特點值得注意。

第一，不設國籍限制，只要求能用中文工作。

第二，不設工作年限的硬性限制，以Agent Harness研發工程師為例，首要要求是“技術水平過硬、技術眼界廣闊”，而不是多少年經驗 。

第三，新設立的研究員崗位要求候選人具備2年以上科研經驗，在計算機領域頂級會議發表過論文，能獨立完成從問題定義到原型驗證的全流程研究，JD特別強調“科研品味”與“工程轉化能力”的雙重標準 。

02

業務變了，要招的人也變了

理解DeepSeek為什么在這個時間點大規模招人，不能只看融了多少錢，得看它的業務正在發生什么變化。

V4系列模型發布、識圖模式上線、Agent Harness團隊成立、API 引入峰谷定價——這些變化提一嘴就夠了，真正值得細看的是：它們怎么改變了 DeepSeek 要招的人。

一位在2025年中服務過DeepSeek的獵頭曾表示：“過去一年，DeepSeek 的招聘標準發生了微妙變化。去年招聘要求還比較寬泛，只要履歷優秀即可，但今年不少崗位開始明確要求，要在某個細分方向做得足夠深。”

到底有多細呢？我們不妨仔細拆解一下DeepSeek的招聘公告。

先看深度學習研究員這個崗位。去年DeepSeek招研究員，要求還比較籠統，做過大模型、發過論文就行。但今年開始，研究員崗位被拆成了至少四個細分方向：LLM預訓練、alignment/對齊、code/math推理、multimodal多模態 。

原因也不難猜，無非是技術復雜度提高倒逼分工。

以前的模型簡單，一個研究員可以從頭到尾跟著模型走。

但是現在，預訓練（Base 模型）→ 后訓練（SFT/RLHF/GRPO）→ 對齊（安全 + 有用性）→ 專項能力（推理 / 代碼 / 多模態） 每一層的方法論、評價體系、數據管道完全不同，一個人根本不可能掌握那么多。

V4-Pro總參數1.6萬億，推理算力卻只用了前代V3.2的27%，KV Cache占用降到10% ，這種效率不是靠堆卡堆出來的，是靠訓練策略、數據配比做到的，招這個人就是要把這條路繼續走下去。

再說，R1，它的核心突破是摒棄人類示范，純靠“解題—獎勵—再解題”的強化學習循環，讓模型自己長出推理鏈 ，可這條路上獎勵模型到底該怎么設計，R1只是開了頭，所以就要懂對齊的人去沿著這條路推進。

code/math就更不用多說了，這是現在整個行業內的重中之重，是一切Agent的起源，事實上剛剛離開DeepSeek的郭達雅，研究的就是這個方向。

6月18日，DeepSeek上線了識圖功能，這也是他們第一次對外公布原生搭載圖像理解能力 ，接下來V4.1還計劃集成ViT-22B圖像編碼器 。

因此，招聘多模態方面的人才也是必要的。

再看Agent Harness團隊，前面也說過了，產品對標的是Anthropic的Claude Code 。

前文提到，團隊強調科研品味和工程轉化。科研品味是指不刷榜，盯著真實世界的瓶頸去研究。

優先解決 "用戶天天碰到但學術圈沒人正經研究" 的問題，比如長任務上下文丟失、工具調用失敗率、多步推理的錯誤累積。

這也是為什么這個崗位要求應聘者熟悉上下文管理、長期記憶架構、多Agent協作、工具調用編排。

“工程轉化能力”比較好理解，你不能只發論文，還得能把研究成果變成能跑的產品。

然而也正是這種“既要又要”的要求，直接把大量純學術背景的候選人篩掉了。

這次招聘最引人注目的崗位就是剛才說的“AI跨界技術人才”了。這其實是一個人才蓄水池崗位，專門用來撈那些專業不對口但天賦異稟的人。

不設專業背景限制。入職后根據你的興趣和能力，匹配到最合適的研究或工程團隊。

硬性要求只有四條，對AI有真實的長期熱情，而且有實際行動和成果證明（不是嘴上說說）；動手能力和學習能力極強，獨立思考不跟風；有基礎編程能力；教育背景良好。

舉個例子，比如研究大腦怎么學習、怎么記憶的，反過來可以啟發模型架構和訓練方法。

最后一點，DeepSeek開始大量招傳統軟件工程崗位了。6月25日的招聘公告里，服務端開發工程師、前端/客戶端開發工程師、測試工程師這些崗位被老老實實地列了出來，沒有搞什么“AI全棧工程師”的概念 。

因為產品要落地，就得有正經的前后端工程師把界面搭出來，有測試工程師保證不出bug。

目前，AI編程在商業產品開發層面還做不到完全替代專業工程師，要安穩落地一個商業級產品，還是得靠人 。DeepSeek服務器總是宕機，那就需要人來優化，高并發服務怎么扛住、分布式系統怎么穩定跑、前端體驗怎么打磨。

03

梁文鋒既是CEO，也是CTO

梁文鋒跟別的CEO不一樣，他懂技術，并且參與DeepSeek的研究工作。

2025年9月17日，DeepSeek-R1的論文成為全球首篇接受獨立同行評審并登上Nature主刊封面的大語言模型論文，通訊作者正是梁文鋒 。

雜志罕見地以社論形式點評：“在充斥未經證實聲明的AI圈，DeepSeek向透明與可重復邁出了可喜一步。”

除此以外，梁文鋒還積極參與團隊的研究工作。

2025年，北京大學計算機學院博士生袁境陽在DeepSeek實習。以第一作者身份發表論文《Native Sparse Attention》（NSA，原生稀疏注意力），這篇論文獲得了ACL 2025最佳論文獎。

雖然這篇論文由北大、華盛頓大學的研究人員共同參與完成，可通訊作者正是梁文鋒本人。

梁文鋒在招人上有一套自己的哲學。他曾在2023年接受采訪的時候表示：“我們招人有條原則是，看能力，而不是看經驗。我們的核心技術崗位，基本以應屆和畢業一兩年的人為主。”

“有經驗的人會直接告訴你‘應該這樣做’，但沒經驗的人會反復摸索，找到符合當下實際情況的辦法。”

面試過DeepSeek的應屆生表示，面試流程超過6輪，現場寫代碼加系統設計加論文復現，多個參與過面試的應屆生表示，面試官會問得非常細，不是聊大方向，是摳實驗細節，并且面試官會針對你說的論文，一直追問到你答不上來為止，測試你是不是真的做過。

大廠面試一般都是4輪，1輪算法題筆試，3輪面試（技術面→系統 / 研究面→終面）。哪怕研究員崗位多1-2輪交叉面，也鮮有6輪以上的面試。

DeepSeek和字節大模型崗的面試順序截然不同，字節招聘是上來就手撕代碼，不聊論文，并且速度和clean程度要求極高。

只有過了代碼和算法的門檻，才會聊模型，比如transformer底層、訓練推理細節、分布式訓練等等。最后看業務和工程化能力。

字節的招人偏好是頂會論文是加分項但不是硬門檻，能寫能跑能落地更重要，特別看重系統優化、工程架構能力，畢竟字節的訓練和推理規模是國內最大的之一。

騰訊比DeepSeek拆的更細，比如大模型算法崗能拆成：后訓練方向（SFT/RLHF/GRPO）、微調&RAG方向、Agent調度與任務規劃、Tool Use / Function Calling、Long Context建模、Memory系統、Agentic RL。

并且騰訊也非常看重 落地經驗，有沒有在真實業務場景里調過模型、提過指標，這些都是必須項。

梁文鋒的這種角色，很容易讓人想到馬斯克。

馬斯克曾經表示，自己80%的時間不是花在商業上，而是花在工程和設計上。SpaceX火箭的每一個細節他都要懂，火星殖民架構他親自推演。到了特斯拉，他更是直言，說車并不重要，真正重要的是“制造機器的機器”。

馬斯克在工程上的角色，實際上就是SpaceX 和特斯拉的CTO。他不只是簽字拍板，他還要親自下場，參與技術決策的每一個環節。

2026年，馬斯克甚至宣布了造芯計劃Terafab，整合特斯拉和SpaceX的資源，自己設計制造芯片。這么做的原因，正是因為他發現無論是SpaceX還是特斯拉，在生產環節中，芯片不僅卡脖子，話語權還掌握在供應商手里。

梁文鋒和馬斯克的相似之處，不在于賽道，而在于姿態。

這種“創始人即CTO”的模式，在招聘上有一個隱性的優勢。真正頂尖的技術人才，在意的往往不只是錢，而是能不能跟一個真正懂技術、還在親自做技術的人共事。

DeepSeek提供的不是一個崗位，它是一個機會，跟一個還在第一線的人，做最前沿的事。這是很多大廠給不了的。

當然，這種模式也有它的代價。創始人精力有限，既要管融資、管戰略，又要親自做研究、寫論文、帶隊遷移，長期來看是不可持續的。

而且“創始人即CTO”意味著技術方向高度依賴一個人的判斷。這個人對了，公司一飛沖天；這個人錯了，沒有人能糾偏。

從目前的結果看，梁文鋒的判斷還是非常準確并且領先行業的。

這也是為什么騰訊、寧德時代、國家人工智能產業投資基金愿意把錢押在他身上的原因，他們投的不只是 DeepSeek這家公司，更是梁文鋒這個人的技術判斷力。