AI团队崛起之路:DeepSeek的人才战略解析
作者：微信文章前两天，我看了一篇文章《DeepSeek的用人观：学霸、年轻人、禁止赛马》，里面讲述了DeepSeek在用人方面独树一帜的经验，值得深入剖析与借鉴。
一、人才选拔：年轻学霸是首选
（一）偏爱年轻毕业生
DeepSeek格外偏爱年轻毕业生。在其团队构成中，Top高校应届毕业生、博四博五实习生以及毕业几年的年轻人占据了主体，工作经验通常在3-5年，超过8年的基本不在考虑范围之内。以DeepSeek Math的核心作者为例，朱琪豪、邵智宏、Peiyi Wang 等多位成员都是在博士实习期间便开启相关研究工作，并取得了显著成果。再看V3研究成员代达劢，2024年才刚从北大斩获博士学位，却已然在团队中发挥关键作用。
这种对年轻人才的执着追求，背后有着深刻的缘由。年轻人思维活跃、可塑性强，犹如一张白纸，能够快速吸收新知识、适应新技术，没有固有思维模式的束缚，更易于突破创新。在AI这一高速发展、技术迭代迅猛的领域，新理论、新算法层出不穷，年轻人能够凭借自身优势，紧跟前沿趋势，大胆探索未知。他们怀揣着对新技术的热忱与好奇，全身心投入科研，为团队注入源源不断的活力与创造力，成为推动DeepSeek在AI赛道上奋勇前行的生力军。
（二）竞赛成绩 “含金量” 极高
在衡量年轻毕业生是否优秀时，DeepSeek将竞赛成绩置于至关重要的地位，除了院校背景外，竞赛成绩成为筛选人才的 “硬指标”，基本只锁定金奖及以上获得者。这一严苛标准背后，蕴含着对人才实践与创新能力的深度考量。
以 ACM/ICPC（国际大学生程序设计竞赛）为例，该竞赛素有 “计算机界的奥林匹克” 之称，难度极高、竞争激烈。DeepSeek团队中就有毕业于北大的成员，在三场 ACM/ICPC 竞赛中均荣获金奖，本科期间还发表 6 篇论文，其中两篇为共同一作，且大多刊载于顶会。竞赛获奖绝非偶然，它意味着获奖者不仅拥有扎实深厚的专业知识功底，更具备出色的问题解决能力、团队协作精神以及在高压环境下创新求变的实力。在AI研发过程中，从算法设计到模型优化，从应对复杂数据到攻克技术难题，处处需要这种实战锤炼出的综合素养。
二、团队规模与密度：小而精的精锐之师
在团队规模方面，DeepSeek呈现出一种独特的 “小而精” 格局。2022年，幻方量化着手为其组建AI团队，至2023年5月DeepSeek正式成立时，团队规模已接近百人。发展至今，不包括杭州的基础设施团队，北京团队的工程师数量也维持在百人规模。从技术报告的致谢名单来看，参与DeepSeek V3 研究的工程师数量达到了139人。相较于字节、百度等大厂动辄上千人的模型研发团队，DeepSeek的人员数量确实显得相对单薄。
然而，在AI创新领域，并非单纯的 “人多力量大”，人才密度的重要性远远超越了人员规模。DeepSeek虽规模不大，却堪称全员精锐。每一位成员都经过精挑细选，凭借卓越的学术背景、出色的竞赛成绩以及创新的思维脱颖而出。他们紧密协作，在各自擅长的领域深耕细作，形成了高效的创新合力。这种高人才密度的团队，使得信息流通更为顺畅，创新想法能够迅速得到实践验证，极大地提升了研发效率，为其在AI赛道上的迅猛发展筑牢了根基。
三、团队管理与激励：激发潜能的 “助推器”
（一）薪酬与算力双保障
要吸引并留住顶尖人才，优厚的薪酬待遇是关键一环。其薪酬水平直接对标字节研发，展现出强大的竞争力。DeepSeek 并非简单地遵循固定薪酬模式，而是采取一种极具灵活性与激励性的策略：依据人才拿到的字节offer，再往上加价。这意味着，对于那些能力出众、备受市场认可的人才，DeepSeek 愿意给予超越行业标杆的薪酬回报，充分彰显对人才价值的尊重与认可。
同时，DeepSeek在算力支持方面堪称业界典范。在AI研发领域，算力犹如科研人员手中的 “神兵利器”，直接制约着技术探索的边界与速度。DeepSeek深刻洞察这一点，只要技术提案展现出潜力，公司便会毫无保留地提供算力支持，不设上限。这种果敢的投入，为团队成员解除了后顾之忧，让他们能够心无旁骛地投身于技术创新的前沿阵地，尽情探索各种可能的技术路径，无惧算力瓶颈的束缚。
（二）扁平且 “学院派” 的管理
DeepSeek摒弃了传统企业中层层嵌套的职级体系，转而采用一种极为扁平的管理架构。在这里，成员之间不存在森严的等级划分，每个成员依据具体的目标，自由组合成不同的研究小组。组内成员打破固定分工的枷锁，也没有上下级的强制约束，完全基于个人的专长与兴趣，自发地承担起最适合自己的任务。当遇到棘手难题时，成员们不是独自苦思冥想，也非等待上级指令，而是迅速围坐在一起，各抒己见，共同探讨解决方案；倘若问题超出小组能力范围，他们能够毫无障碍地向其他组的专家虚心讨教。
这种 “学院派” 的管理风格，营造出一种浓郁的学术交流氛围。在这里，平等沟通成为常态，每一个声音都能被听见、被尊重，年轻成员们不再因资历浅而畏缩，能够充分展现自我。
（三）摒弃赛马机制
许多互联网、AI企业喜欢采用赛马机制，试图通过内部竞争激发团队活力、筛选最优方案。DeepSeek却反其道而行之，摒弃了这一传统做法。赛马机制虽在短期内可能催生一定的竞争动力，却隐藏着诸多弊端。它极易引发人力与资源的双重浪费，多个团队为争夺同一目标重复投入精力，分散了公司的整体研发力量；同时，过度的内部竞争会滋生紧张氛围，破坏团队协作的和谐生态，导致人才流失加剧，更不利于团队共识的凝聚，让公司上下难以形成统一的前进方向。
DeepSeek选择营造开放、合作的团队环境。在这里，各个研究小组能够共享信息、互相支持，成员们心往一处想、劲往一处使，将全部精力聚焦于技术创新本身，而非陷入无谓的内部争斗。这种对和谐团队氛围的执着坚守，为人才提供了稳定、安心的成长土壤，使得团队在AI创新的征程中稳步前行。
四、创新理念与优势：突破传统的 “利剑”
（一）挣脱创新 “枷锁”
国内许多AI公司陷入了一种无形的 “泥沼”—— 模仿OpenAI的惯性思维。他们紧紧跟随OpenAI的技术路径，亦步亦趋。这种模仿策略虽在短期内看似稳妥，长远来看却扼杀了自身的创新活力，让行业发展渐趋同质化。
DeepSeek成功挣脱了这一创新 “枷锁”。团队成员大多没有模型训练的实战经验，这在旁人看来或许是劣势，实则成为他们突破创新的 “利刃”。正因为没有过往经验的束缚，他们的思维不受既定框架的禁锢，能够以全新的视角审视问题。同时，团队成员无需背负硬性的KPI指标，也没有商业化的沉重压力，这使得他们拥有更为宽松、自由的探索空间。从DeepSeek 成立的第一天起，成员们便敢于对传统的算法架构提出质疑，深入反思其优劣。他们勇于尝试，大胆探索不同的模型架构，在一次次试错中不断逼近技术的前沿。
以MLA架构为例，起初仅仅是一位年轻研究员在日常研究中突发奇想，对传统注意力机制产生了独特的改进思路。倘若在传统企业，这样的想法或许会因过于 “离经叛道” 而被忽视，或是在层层审批中夭折。但在 DeepSeek，这个想法迅速得到团队的积极响应。成员们迅速集结，依据各自的专长组成专项小组。他们查阅海量文献，反复进行模拟实验，不断优化参数，历经数月的打磨，终于成功跑通MLA架构。这一架构的问世，大幅降低了V3的训练成本，同时显著提升了模型性能，为其在AI创新领域赢得了极高的声誉，成为摆脱创新惯性、实现自主突破的典范。
（二）集中资源全力创新
在 AI 这一技术密集型领域，创新犹如一场 “烧钱” 的马拉松，没有充足的资源支持，一切创新设想都只能是空中楼阁。因此，公司毅然摒弃了多元化业务布局的传统发展模式，将所有的 “筹码” 都押注在模型训练这一核心业务上。与一些大厂不同，DeepSeek没有分散精力去涉足其他繁杂的业务领域，也没有将大量资金用于广告投放、市场拓展等短期营销行为，而是心无旁骛地聚焦于技术研发。
这种资源的高度集中，为创新提供了坚实的物质保障。一方面，充足的资金得以源源不断地投入到最前沿的科研设备采购、顶级人才的薪酬激励以及大规模的数据采集与标注中，确保团队在技术探索的道路上毫无后顾之忧；另一方面，集中算力资源全力支持关键技术的攻坚，使得研发团队能够快速验证各种创新想法，加速模型的迭代优化。
五、对 AI 团队建设的启示
DeepSeek的用人观与团队管理模式为AI团队建设提供了诸多宝贵启示。
在人才选拔环节，不可忽视年轻人才的巨大潜力。他们思维活跃、充满激情，对新知识、新技术有着超强的接纳与学习能力，能够为团队注入源源不断的创新活力。AI团队应敞开怀抱，积极引入年轻毕业生，为他们搭建成长的舞台。同时，竞赛成绩是衡量人才实践与创新能力的有力标尺，在选拔过程中，要着重关注那些在高水准竞赛中斩获佳绩的人才，他们历经竞赛的锤炼，具备扎实的专业知识、出色的问题解决能力以及坚韧的团队协作精神。
构建团队时，规模并非越大越好，“精悍” 才是关键。应聚焦于提升人才密度，精心筛选出专业素养深厚、创新思维敏锐的成员，让他们在紧密协作中实现优势互补，协同作战，形成强大的创新合力。
管理与激励层面，薪酬待遇是吸引人才的基石，务必确保具有市场竞争力，让人才感受到自身价值得到充分认可。算力支持则如同为科研人员插上腾飞的翅膀，解除技术探索的后顾之忧。扁平且 “学院派” 的管理模式营造出平等、开放的交流氛围，让每一个创新的火花都能被及时捕捉与点燃。摒弃赛马机制，倡导团队成员携手共进，避免内耗，使大家心无旁骛地朝着共同的创新目标前进。
创新推动上，要勇于打破惯性思维的枷锁，鼓励团队成员大胆质疑、勇敢尝试，尤其是那些没有经验束缚的新人，他们往往能带来意想不到的惊喜。将资源集中投入到核心业务，为创新提供坚实的物质保障，让团队在技术研发的道路上无后顾之忧，全力冲刺。
总之，DeepSeek在人才管理和团队建设的成功经验，有不少值得借鉴的地方。虽然不一定能完全复制，但结合自身实际灵活运用，在组建AI团队时能够有不少启发和帮助。
END
阅读更多文章：
雷军千万年薪挖的95后AI才女，曾是连python都不会的大学生
GPT-4不再称霸AI界，最新排名显示它仅位居第 69 位。大模型的护城河是什么？
我们开发了用AI“复活”历史人物的功能
告别传统搜索，这款AI搜索工具太惊艳！
独家思考：企业构建和购买生成式AI的四大趋势
【AI学习】如何利用即梦生成空镜头视频效果（附详细步骤）
一个最高效的提问框架，让你的AI更懂你的心
从罗振宇的十年跨年演讲，我看到了长期主义践行者的可敬
你需要的不是智能体，而是工作流
揭秘AI生图是如何辅助游戏开发的
从一个不会编程的产品经理独立开发的APP冲上App Store付费榜第一名谈起
什么样的大模型应用，能避免深埋“AI墓地”？
页:
[1]