华为第一届天才少年、中科大少年班出身的李博杰，在DeepSeek的面试上栽了跟头。他发文说，笔试通过后被搁置半个月，反复催才安排上面试，结果面试官上来就怀疑他抄代码。李博杰当场感到被冒犯，直接终止了面试。这事谁对谁错不好说，但另一边的画面更荒诞：同一时间，DeepSeek正在各大招聘平台疯狂发职位，连HR、法务、财务这些职能岗都写着“急招”。
五百亿融资到账的第九天，6月25日深夜，DeepSeek在微信公众号、小红书等多个渠道同时甩出了一份招聘公告。公告里写得热血沸腾：“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。”紧接着一句更实在——“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。”相关招聘平台数据也显示，DeepSeek目前在招职位总数已达121个，这个规模哪怕跟腾讯、字节这样的巨头比，也相当可观。但比数量更有趣的是岗位分布：从超算集群研发、高性能算子/编译器，到大模型训练/推理框架、高性能分布式存储，再往上走到服务端开发、预训练数据工程师、AI搜索算法/架构师，甚至还有法律、医学、小语种等专业领域的数据产品经理。最扎眼的是，连HR、法务、财务、行政这些通常公司扩张后期才补齐的职能岗，也一并挂了出来。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”。拿了一大笔钱，第一件事不是堆显卡，是先填人的窟窿，说明这家公司已经从小实验室形态，急转弯成正规军。
但大规模招人的B面，是人才正在用脚投票。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开。R1的核心研究员郭达雅去了字节跳动的Seed团队，第一代大模型核心作者王炳宣加入了腾讯的混元团队，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。还有魏浩然、阮翀等人也先后出走。更让人心塞的是，DeepSeek-V4技术报告末尾附了一份近300人的研发作者名单，其中10个人被明明白白标注了“已离职”。一般公司发论文都恨不得淡化离职者，DeepSeek反着来，直接亮出来，可这10个人覆盖了基座模型、推理、多模态、OCR四条核心技术路线，不是擦边岗位，是命门。
大厂抢人的架势也毫不含蓄。字节的“Top Seed”校招薪资，从2024年的约150万元一路涨到2025年的300万至500万元，2026年部分核心岗位已经突破600万元。腾讯有“青云计划”，阿里有“阿里星”，招聘宣传里纷纷出现“薪酬上不封顶”“不设上限”的字眼。这对DeepSeek而言，显然不是什么好消息。
好在这轮扩容里不全是坏消息。有人走，也有人来。梁文锋的校友崔添翼加入后，直接成了DeepSeek的“头号猎头”。他负责的Harness团队是今年3月新成立的，聚焦代码智能体产品研发，团队信条简洁到只有一行公式：“Model + Harness = Agent”。Harness的范围极宽，构建Agent产品时，除模型本身外所有支撑性工作都归他们管，目的很明确，要对标Anthropic的智能体编程工具Claude Code，做出“DeepSeek Code Harness”。为了凑人，崔添翼的招聘方式堪称小广告式扫街：他在X（原Twitter）上频繁发招聘帖，从最初的两类岗位扩展到研究员、研发工程师、产品经理三类。只要看到X上有人发表了对Agent、Harness相关的看法，他就跑到人家评论区留言，问对方有没有兴趣投简历。他自己总结说“部门仍然非常缺人，自己每天都在面试”，还承认在“各种地方贴小广告”，连招一个多月都没招够。
崔添翼的招聘策略有几个狠点。第一，不设国籍限制，只要求能用中文工作；第二，不设工作年限的硬杠杠，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还特别强调“科研品味”与“工程转化能力”的双重标准。放在别处或许显得清高，但一个缺人缺到到处贴广告的团队，还敢这么挑，只能说明他们对自己要做什么想得极清楚。
要理解DeepSeek为什么在这个节骨眼上疯狂招人，不能光看融资数字，得看它的业务正在发生什么质变。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——这些变化拎一嘴就够，真正重塑招聘链条的是它们对人才要求的重新切割。一位2025年中服务过DeepSeek的猎头讲过：“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。”
翻看具体的招聘公告，这个“深”字就写在岗位描述里。深度学习研究员这条线，去年还笼统地写“做过大模型、发过论文就行”，今年已经被拆成至少四个细分方向：LLM预训练、alignment/对齐、code/math推理、multimodal多模态。背后的逻辑硬邦邦的：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跟到尾；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，一个人根本扛不下来。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、数据配比死磕出来的，招对应的人就是要沿着这条路继续往下死磕。R1的核心突破更是划开了一道口子：它摒弃人类示范，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才刚开了个头，就必须有懂对齐的人接着往下推。而code/math推理方向要的人，得在纯粹
热门跟贴