DeepSeek招跨界人才：不限专业，要超乎常人

一家做AGI的公司，专门开了一个岗位，找不是做AI的人。岗位描述只有一句话：「AI跨界技术人才」，不限专业，不限年限。加分项写了五条：竞赛金牌、某个领域做到极致、有影响力的开源项目、创过业、不走寻常路。同一张海报上印着「我们从来不寻找天才」，岗位第一行却写着「超乎常人才能」。

这五条画的是一种人格画像——能在没有路的地方自己趟出路来的人。岗位名字里写着「跨界」，加分项里没有一条要求AI经验。有猎头透露，他们在给DeepSeek推荐人才时，经验上限卡在三到五年，竞赛方面金牌才会优先考虑。不过DeepSeek并非排斥资深人群，今年也招了不少经验丰富的人，但相比之下更看重原始创新力。「大厂味」会成为劣势：流程熟练、方法论一套一套、PPT写得漂亮，但面对没有先例的问题，第一反应是找对标、找benchmark。「不招大厂味」不是否定经验的价值，而是警惕「方法论依赖」对突破性创新的抑制。

据KR-Asia报道，DeepSeek团队里有一个物理学背景的人自学AI转过来，还有一个运维工程师加入前对模型训练完全是门外汉，但到了DeepSeek干的都是核心工作。梁文锋说过，核心技术岗位大多数是当年毕业或者工作一两年的人，撑起V2、V3、R1整条产品线的就是这批没有行业包袱的年轻人。他形容这支团队：「都是一些Top高校的应届毕业生，没毕业的博四、博五实习生，还有一些毕业才几年的年轻人。」选人看的是底子、创新力、求知欲和投入度，资历和履历排在后面。

所以这份JD处处是矛盾：「不寻找天才」，但加分项第一条就是竞赛金牌；「不限年限」，但八年以上的直接刷掉；「不限专业」，但你得在某个领域做到极致。DeepSeek要的是一种特定的人：年轻、没被行业驯化过，脑子里还没装满「应该怎么做」，但就是能把事情做出来的、野生的天才。

梁文锋说过一句狠话：「有经验的人会直接告诉你‘应该这样做’，但没经验的人会反复摸索，找到符合当下实际情况的办法。」在传统软件行业，这话简直胡说八道——做支付系统、推荐引擎，经验丰富的工程师能帮你绕过一百个坑。但AGI的前沿不一样，前沿问题没有现成答案。过去十年深度学习积累的scaling law、RLHF、MoE，没人知道在下一个范式里还管不管用。经验丰富反而可能意味着你更快跑到一条死路上去。

DeepSeek自己就是例子。V3训练成本大幅下降，核心靠MLA（多头潜在注意力）架构创新。这个东西最早来自一个年轻研究员的个人兴趣，他觉得现有注意力机制有问题，自己开始琢磨。DeepSeek发现后围绕这个想法组了专门小组，花了几个月做出来。一位工程师说，MLA能诞生，是因为DeepSeek从一开始就在质疑默认架构，而其他公司可能会抄MLA，但「不会去质疑MLA背后的那些原始假设」。有十年经验的工程师不会去质疑默认架构，他会优化它、调参数、在现有框架里把性能榨到极限，但大概率不会问一句：这个框架本身就是错的吧？

跨界招人的不止DeepSeek。Anthropic过去两年从400人扩到3000人，最出名的是Amanda Askell，本行是哲学，研究无限伦理学，现在领导「角色训练」团队，起草了一套行为准则，定义Claude应该是什么样的AI。她的目标是让Claude表现得像「一个好人在它这个位置上会怎么做」。类似还有Ben Levinstein，做认识论和决策理论的哲学家，2026年放弃伊利诺伊大学终身教职全职加入Anthropic。有人扒过1680名Anthropic工程师的履历，物理背景70人，数学78人，哲学13人，哲学排进前20个学科。Google DeepMind今年5月从剑桥大学聘请了Henry Shevlin，给了他一个公司历史上从未有过的头衔：Philosopher，研究机器意识、人类与AI的关系、AGI准备度。

三家公司，三种招法，底层是同一个判断：AGI走到今天这一步，光靠写代码的人，解决不了接下来要面对的东西了。