共计 1120 个字符，预计需要花费 3 分钟才能阅读完成。
2025 年初,DeepSeek-R1 以 560 万美元的训练成本和 545% 的成本利润率震惊 AI 界 , 被誉为“斯普特尼克时刻”。然而仅仅一年后, 这家曾被寄予厚望的 AI 初创公司却陷入了人才流失的困境。
📌 人才流失: 小团队的脆弱性
据多方消息,2025 年下半年至今 ,DeepSeek 至少有 5 名核心研发成员确认离职。这些离职人员覆盖了基座模型、推理、OCR、多模态四条核心技术主线, 包括第一代大语言模型核心作者王炳宣、V3 核心贡献者罗福莉、R1 核心研究员郭达雅等关键人物。
对于 DeepSeek 这样不到 200 人的团队来说, 核心人才的流失影响尤为显著 。这支团队以年轻人才为主, 本科和硕士占比超七成,30 岁以下超七成, 几乎不社招, 以应届生和实习生留任为主。在这样的团队结构中, 每个核心研究员的权重都被放大到了极致。
🔍 薪资差距: 情怀难敌现实
更关键的是长期激励的缺失。 自 2023 年后 ,DeepSeek 未再进行外部融资, 员工期权协议没有明确的公司估值支撑, 流动性几近于零。相比之下, 大厂如字节跳动、腾讯、小米等, 都有成熟的薪酬 + 期权组合包, 可以做到精准定价。
💡 结构性矛盾: 不只是钱的问题
- 算力鸿沟 : 大模型训练的本质是算力竞赛。DeepSeek 转向国产算力适配后, 梁文锋承认国内最好的水平和海外最好相比, 模型结构和训练动力学上可能有一倍差距, 数据效率上也有一倍差距,“合起来就要多消耗 4 倍算力”。
- 生态落差 : 大模型的价值在于模型嵌入产业生态后的变现能力。字节有抖音、飞书等数亿级用户场景, 阿里有电商、云计算的完整 AI 商业化链路, 而 DeepSeek 的技术成果转化为商业价值的路径远长于大厂。
- 信心动摇 :V4 模型从原定 2026 年 2 月中旬一推再推, 至今仍未正式发布。在 AI 行业, 模型的发布节奏就是技术生命线。当外部竞争压力加大、内部看不到新一代模型落地的节点时, 人才出走只是时间问题。
📊 行业观察: 人才市场的“汇率”
值得注意的是, 人才争夺战并非单向收割 。过去一年, 字节跳动 Seed 团队同样流失了近 70 名技术人才。人才的流向从来不是单向的, 但格局很清晰——大厂和初创公司之间的人才交换, 大厂凭借规模和确定性, 始终处于净流入端。
这意味着,DeepSeek 面对的不是一个偶发的人才流失事件 , 而是一个系统性的竞争劣势。在人才市场的“汇率”中, 大厂的薪酬包、算力储备和生态场景构成了“硬通货”, 初创公司能打出的牌, 只有技术理想和组织自由度。
🚀 值得关注的几个重点
- 在技术密集型赛道上, 个体的技术突破可以被复制, 而系统的资源优势不可逾越。
- 初创公司需要在技术理想与商业现实之间找到平衡点。
- 行业需要思考如何在巨头的资源碾压下, 为技术理想主义留出生存空间。
