小紀有話說：
文｜周鑫雨
編輯｜蘇建勳
來源｜智慧湧現（ID：AIEmergence）
百名年輕天才，不賽馬，不帶團隊
聘請具有AI技術經驗的老將出山，是大多AI公司的選人策略。
比如王小川為百川智慧，搬來的是20年前的搜狗老班底；微軟出身的姜大昕，在成立階躍星辰之初，招徠的也是微軟亞研院的老同事。而零一萬物的聯合創始人名單，起初更是星光熠熠，包括：
出身微軟亞研院的黃文灝，前谷歌大腦首位研究軟體工程師、前字節跳動AI平臺負責人潘欣，以及前貝殼集團策略演算法中心負責人李先剛。
但DeepSeek，偏愛沒有工作履歷的年輕人。
一名曾與DeepSeek有過合作的獵頭表示，DeepSeek不要資深的技術人，“工作經驗在3-5年已經是最多的了，工作超8年的基本就pass了。”
比如，DeepSeekMath的其中三名核心作者，朱琪豪、邵智宏、Peiyi Wang，是在博士實習期間完成了相關的研究工作。再比如，V3研究成員代達勱，2024年才剛從北大獲得博士學位。
△代達勱。圖源：網路
沒有工作履歷，DeepSeek衡量年輕畢業生“優秀”與否的標準，除了院校，還有競賽成績。另有多名DeepSeek的第三方合作機構表示，DeepSeek對競賽成績看得非常重，“基本金獎以下就不要了。”
一名DeepSeek成員曾在網路上披露自己履歷：畢業於北大，在三場ACM/ICPC（國際大學生程式設計競賽）比賽均獲金獎。本科期間共發了6篇論文，兩篇共同一作，基本都是頂會。
2022年，幻方量化就開始為DeepSeek組建AI團隊。2023年5月，當DeepSeek正式成立，團隊已有近百名工程師。
如今，不包括位於杭州的基礎設施團隊，北京團隊的工程師也有百人規模。技術報告的致謝名單顯示，參與DeepSeek V3研究的工程師，已經有139人。
百人規模的團隊，與位元組、百度等動輒千人的模型雄兵，在人才規模上顯得捉襟見肘。但在“人才密度”的分量遠超“人員規模”的AI創新領域，不少人形容，DeepSeek是一支全員精銳的團隊。
如何管理、留住這一群年輕的天才？一方面，是粗暴地砸錢、給卡。
知情人表示，DeepSeek薪酬水平對標的是位元組研發，“根據人才能拿到的位元組offer，再往上加價。”
與此同時，只要梁文鋒判斷技術提案有潛力，DeepSeek給人才的算力，“不限。”
另一方面，DeepSeek採取的是相當扁平和“學院派”的管理方式。
上述獵頭表示，DeepSeek每個成員不帶團隊，而是根據具體的目標，分成不同的研究小組。組內成員之間沒有固定分工和上下級關係，“每個人都負責自己最擅長解決的部分，遇到困難就一起討論，或者向其他組的專家討教。”
梁文鋒曾在36氪的訪談中將這種組織形式形容為“自下而上”“自然分工”：“每個人有自己獨特的成長經歷，都是自帶想法的，不需要push他……當一個idea顯示出潛力，我們也會自上而下地去調配資源。”
行業內，不少創業者也將“扁平”，視作適用於創新業務的組織模式。“平等溝通對建立一個學習型組織很重要，淡化崗位身份會更鼓勵大家暢所欲言。”王慧文成立AI公司光年之外之初這樣表示。
OpenAI聯創Greg Brockman也曾提到，OpenAI的工作崗位沒有研究員和工程師之分，統稱為“Member of Technical Staff”。這意味著，主流意義上的“初級工程師”也能在研究專案中挑大樑。
一個“自然分工”的典型成果，就是讓V3訓練成本大降的關鍵訓練架構，MLA。梁文鋒提到，MLA最初來源於一個年輕研究員的個人興趣，“我們為此組了一個team，花了幾個月時間才跑通。”
與此同時，DeepSeek內部不賽馬——據一名接觸過DeepSeek團隊的AI從業者表述，這是為了杜絕賽馬造成的人力、資源浪費，“也不利於人才的留存和團隊共識的形成，賽馬機制造成的內耗太嚴重了。”
“想要創新，團隊必須擺脫慣性”
2023年，國內AI頂尖人才畫像的幾個標籤——學術大牛、大廠高管、創業老兵——都指向同一個用人標準：這些人才，需要被職級、產品影響力等職場標準驗證過。
但很明顯，2024年以來，AI行業的用人標準，正在產生變化。更多尚未經過職場驗證、剛畢業不久的年輕人，正走到臺前。
Sora其中一位負責人Aditya Ramesh曾在2024年智源大會上表示，OpenAI的招聘策略與其他組織非常不同，“我們更關注那些有高潛力，但可能還沒機會獲得正式學術成績的人。”
同樣，DiT（Sora底層架構）作者謝賽寧也提到，有很多非常成功的研究人員並沒有真正經歷所謂的傳統研究、正式的研究培訓。
△謝賽寧和Aditya Ramesh在智源大會上的對談。圖源：智源
類似的招聘觀念，也體現在DeepSeek的選人策略上。加入DeepSeek的年輕人，不少都沒有模型訓練的相關經驗，甚至不是計算機專業出身。
一名畢業於物理專業的DeepSeek成員曾公開提到，自己是一次偶然機會自學了計算機，“由於工作太前沿，幾乎沒有什麼參考資料，一切問題都是自己設計方案並實踐解決的。”另有一名DeepSeek運維工程師提到，加入公司前，自己是沒有任何相關經驗的“小白”。
“想要創新，團隊必須要擺脫慣性。”一名AI從業者表示，如今大部分國內AI公司，已經陷入了淺顯模仿OpenAI的慣性，演算法就選Transformer，訓練就遵從Scaling Law，“跟隨被驗證過的路徑，就能降低失敗的風險。”
但大家往往忽視，在被GPT-3驗證前，Transformer和Scaling Law也被視作是“瘋狂的事”。
“DeepSeek沒有給成員設定硬性的kpi，也沒有商業化的壓力，成員沒有太多模型訓練的經驗，反而能讓他們不會去抄OpenAI的‘標準答案’。”
上述從業者表示，一名DeepSeek的員工曾告訴他，“如今很少有廠商會調整Transformer去做文章，但DeepSeek對演算法架構的反思，是從第一天就開始的。MLA（DeepSeek自研的架構）其他廠商未必做不出來，但是他們不會想要推翻原有的正確答案。”
但他也坦言，DeepSeek的底氣，還是來源於充足的算力和錢，“所有的資源都投到模型訓練一件事上，他們沒有其他業務，也不燒錢做投放，省了不少錢。”
“DeepSeek不招有名的大佬，他們很少有創新的動力。”與DeepSeek曾合作過的一名獵頭總結，“曾經的成功者已經成功過了，他們身上有不允許失敗的包袱。創新的事，還是交給新人去做。”
*頭圖及封面圖來源於AI。
溫馨提示：雖然我們每天都有推送，但最近有讀者表示因平臺推送規則調整，有時候看不到我們的文章~
歡迎大家進入公眾號頁面，右上角點選“設為星標”點亮⭐️，收藏我們的公眾號，新鮮內容第一時間奉上！
*文章觀點僅供參考，不代表本機構立場