梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
DeepSeek 宣布大规模扩招 150 人。考虑到其团队总规模仅在 300 至 500 人之间，此次招聘力度堪称巨大。
值得注意的是，这 150 个岗位并非聚焦于 AI 算法研究，而是全部集中于服务端开发工程师与Agent 弹性计算研发工程师两个方向，重点面向拥有 2 至 10 年经验的资深后端人才。
负责人崔添翼对此解释称：团队规模扩大带来系统复杂度提升，而复杂度的增加又反过来要求进一步扩充规模以应对挑战。
这是否意味着团队人数也遵循某种"Scaling Law"？
DeepSeek 弹性计算从论文走向大规模工程化
本次招聘的"Agent 弹性计算研发工程师”细分为平台开发与底层系统两个方向。
其中提到的平台，是指专为 Agent 定制的弹性计算平台 DSec（DeepSeek Elastic Compute），该架构已在近期发布的 DeepSeek-V4 技术报告中首次披露。
根据技术报告，DSec 由三个 Rust 组件构成：API 网关 Apiserver、宿主机 Edge 代理以及集群监控器 Watcher。三者通过自研 RPC 协议互联，运行在 DeepSeek 自研的 3FS 分布式文件系统之上。
招聘信息进一步揭示了其工程化扩张的蓝图：
为提升可靠性与效率，DSec 需重构整个系统栈：涵盖从操作系统、虚拟机、网络存储，至上层应用调度与管控服务的全链路改造。
该项目极具创新性，无前例可循，亦无现成方案可复制。
平台开发与维护
该方向兼具产品思维与工程落地能力，要求候选人深入理解业务需求，并主导系统的设计、开发及全生命周期维护。
底层调优与攻坚
此方向技术门槛极高，核心挑战在于将操作系统组件性能压榨至 SOTA（当前最佳）水平，甚至突破硬件极限。
DeepSeek 明确表示，相关工作将直接决定 Agent 模型训练的多样性与效率。一旦实现技术突破并开源，其影响将超越 DeepSeek 自身基础设施，惠及整个行业。
Agent 贯穿研发全链路
在服务端开发领域，DeepSeek 设立了六大方向，覆盖从模型研究到用户服务的完整闭环：大模型研究平台、Agent 框架组件、研发效率基建、DeepSeek API、线上服务以及数据工程。
该团队的核心使命是紧贴大模型研究前沿，确保平台能力能即时响应一线反馈。平台的稳定性与易用性，将直接决定大模型研究的迭代效率及智能上限的提升速度。
大模型研究平台方向
核心任务是将研究流程抽象化为平台能力。要求工程师深入研究员工作场景，主动识别痛点而非被动承接需求，旨在大幅缩短从想法提出、验证到迭代的周期。
Agent 框架组件方向
负责构建统一的 Agent 接入与运行框架，为各类智能体提供标准化的基础设施支持。
研发效率基建方向
职责涵盖统一 CI/CD 体系、可观测性与告警系统、跨集群大数据治理及运维自动化等。该方向特别强调探索 Agent 在自动诊断与根因分析（RCA）中的创新应用。
DeepSeek API 与线上服务方向
这两个方向直接面向外部用户与开发者。DeepSeek API 方向需应对超大规模并发挑战，将前沿模型成果通过稳定高效的接口输送给全球用户；线上服务方向则需支撑数千万日活用户量级的大模型应用架构设计与持续演进。
数据工程方向
该方向服务于从模型训练到线上服务的全流程，技术栈涉及 Spark、Flink、Kafka、ClickHouse、Iceberg 等主流大数据组件。候选人需具备独立完成从埋点日志采集到业务指标建模的全链路能力。
纵观上述方向，其内在逻辑清晰指向一条完整闭环：模型在沙箱中执行任务，平台记录过程与结果形成数据，数据再反哺模型优化迭代。
DeepSeek 寻找什么样的工程师？
所有与研究相关的岗位均强调同一核心素质：工程师必须深入研究员一线场景，主动发现问题并推动解决方案落地，而非仅仅被动交付需求。
DeepSeek 描绘的理想人选画像十分明确：在日常工作中已深度使用 Agent 辅助开发的实践者。
具体而言，候选人需满足以下关键能力：
在 Agent 时代，特定语言或工具的单一经验权重正在下降。研发范式正从“我知道如何做”转向“我知道该追问什么、何处可能出错、以及如何验证正确性”。
参考链接：
https://x.com/tianyi/status/2096975270578139273?s=20
[2] https://app.mokahr.com/social-recruitment/