夢晨 發自 凹非寺

量子位 | 公衆號QbitAI

DeepSeek，一口氣擴招150人！

啥玩意他們總共也就才300-500人規模，這是要搞大動作啊。

而且這150個HC並非AI研究方向，全部集中到兩個崗位：服務端開發工程師、Agent彈性計算研發工程師，重點面向2到10年經驗的資深後端開發。

負責人崔添翼解釋到，規模大了產生複雜度，複雜度又反過來要求擴大規模。

這是……團隊人數的Scaling Law？

DeepSeek彈性計算從論文走向大規模工程化

這次的Agent彈性計算研發工程師又分兩個方向，平台開發和底層系統。

這個平台指為Agent量身定製的彈性計算平台DSec（DeepSeek Elastic Compute），在不久前發布的DeepSeek-V4技術報告中首次公開披露。

根據論文描述，DSec由三個Rust組件構成：API網關Apiserver、每台宿主機上的Edge代理、以及集群監控器Watcher，三者通過自研RPC協議互聯，運行在DeepSeek自研的3FS分佈式文件系統之上。

招聘信息則透露了下一步的工程擴張的計劃。

為了增加可靠性和效率，DSec需要修改整個系統棧：從操作系統到虛擬機，再到各級網絡和存儲，一直上到應用層調度和管控面服務。

這個項目很多事前人沒有做過，沒有現成的答案可抄。

平台開發和維護方向，有點像產品和開發的結合，要參與理解需求，也要親自把系統設計、開發和維護好。

底層調優和攻堅更硬核，能把「某些操作系統組件的性能壓榨到SOTA，或者乾脆直接壓到硬件極限」是加分項。

最後這句「你的工作直接決定了Agent模型訓練的多樣性和效率」也不是空話。

因為DeepSeek會做到SOTA，然後開源，那就影響的不只是未來DeepSeek Agent基礎設施，而是整個行業的。

Agent貫穿研發全鏈路

服務端開發工程師這邊，六個方向覆蓋了從模型研究到面向用戶服務的完整鏈路：

大模型研究平台方向、Agent框架組件方向、研發效率基建方向、DeepSeek API方向、線上服務方向、數據工程方向。

DeepSeek對這個團隊使命的描述是：離大模型研究前沿足夠近，做出來的東西馬上有來自研究一線的反饋。平台的可靠與好用，直接決定了大模型研究的效率和提升智能上限的速度。

大模型研究平台方向的核心任務是將研究流程抽象為平台能力，需要「深入研究員一線工作場景」，主動識別問題而非被動承接需求。最終目標是「縮短研究想法從提出、驗證到迭代的周期」

Agent框架組件方向負責建設統一的Agent接入與運行框架。

研發效率基建方向的職責覆蓋統一的CI/CD體系、可觀測與告警體系、大規模數據跨集群流轉與治理、運維自動化等，並明確提出要「探索Agent在自動診斷與RCA中的應用」。

面向外部用戶的兩個方向直接服務於DeepSeek的產品。

DeepSeek API方向需要應對「超大規模API服務挑戰」，將前沿模型的科研成果通過穩定、高效的API輸送給全球開發者與海量用戶，並與內部推理框架共同演進。

線上服務方向則需要支撐「數千萬日活用戶」規模的大模型應用的架構設計與持續迭代。

最後，數據工程方向服務於從模型訓練到線上服務的所有環節，技術棧涉及Spark、Flink、Kafka、ClickHouse、Iceberg等，要求候選人能獨立完成從埋點日誌到業務指標的全鏈路數據建模。

把這幾個方向的職責連起來看，它們指向一條完整的鏈路：模型在沙箱環境中執行任務，平台記錄操作過程和結果，形成訓練與評測數據，數據再用於改進模型。

DeepSeek想找什麼樣的人？

所有與研究相關的崗位都強調同一件事：工程師要「深入研究員一線工作場景」，主動識別問題、推動解決方案從定義到落地，而非僅承接和交付需求。

招聘信息專門用了一整段來刻畫理想人選，DeepSeek期望招進來的工程師，本身已經在日常工作中深度使用Agent進行開發。

其中一條要求是「熟練使用AI Agent工具進行軟件開發，在AI輔助下能夠在沒有直接經驗的領域寫出有質量保證的代碼」。

又要求「當Agent提供有問題的方案時，你能夠敏銳地發現並及時介入」。

在這個Agent時代，對特定語言、工具的使用經驗，甚至做過某一類項目的重要性在下降。

研發正在從「我知道怎麼做」，轉向「我知道該追問什麼、哪裏可能錯、怎樣證明它是對的」。