DeepSeek还有多少个“郭达雅”？扒完27篇论文，我们发现了一群“多边形战士”｜甲子光年
DeepSeek还有多少个“郭达雅”？扒完27篇论文，我们发现了一群“多边形战士”｜甲子光年
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 记忆系统, 办公效率, 编程, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/_Qx-926pGkfgfYFDPjzIcw
摘要
79位跨方向骨干、87%的初代留存率，和一套让年轻人围绕问题自由组队的机制。 作者｜周悦 编辑｜王博 过去一年，围绕DeepSeek的人才流动消息一直没有停。从早期罗福莉离职，到初代大模型作者王炳宣、多模态骨干阮翀、R1核心作者郭达雅，相继跳槽。 核心作者接连被挖，DeepSeek的技术壁垒会不会松动？ ** ** 我们决定换一种方式来看这个问题。 我们用Codex和Python，梳理了DeepSeek近两年发布的27篇核心论文和技术报告，逐篇拆解署名作者。对DeepSeek V2、V3、V3.2、V4这类可拆分角色的大型技术报告，只保留Research & Engine...
核心内容
79位跨方向骨干、87%的初代留存率，和一套让年轻人围绕问题自由组队的机制。
作者｜周悦
编辑｜王博
过去一年，围绕DeepSeek的人才流动消息一直没有停。从早期罗福莉离职，到初代大模型作者王炳宣、多模态骨干阮翀、R1核心作者郭达雅，相继跳槽。
核心作者接连被挖，DeepSeek的技术壁垒会不会松动？
**
**
我们决定换一种方式来看这个问题。
我们用Codex和Python，梳理了DeepSeek近两年发布的27篇核心论文和技术报告，逐篇拆解署名作者。对DeepSeek V2、V3、V3.2、V4这类可拆分角色的大型技术报告，只保留Research & Engineering名单；其余论文使用原始署名名单。最终，得到一份包含328人的研发作者池。
「甲子光年」发现，DeepSeek的研发团队和内部架构有以下特点：
-
没有部门墙。328位研发作者中有168人形成了稳定、重复的合作关系，累计产生了319条合作连接。
-
“兵团+小组”高效突破。1个基模大兵团与系统效率、数学与推理、多模态、缓存与系统、垂类数学、OCR视觉等6支精锐特种小队高效配合。
-
顶级高校背景研究者云集。DeepSeek Top25研发作者，近四成来自北京大学。
-
研发不设限。DeepSeek超半数研发作者在跨界，横跨3个及以上方向的有79人。研究员会根据兴趣和问题动态集结。
-
论文更关注底层问题。怎么更好利用算力，处理长上下文时如何降低缓存成本，模型变大之后怎么训练得稳。
DeepSeek核心论文共著关系网络，图中每个节点代表一位研究作者，连线代表共同署名关系，「甲子光年」制图
扒完DeepSeek的27篇论文后，「甲子光年」认为，DeepSeek的思路可以概括为：不堆卡，不打榜；先验证，再集成；死磕系统效率，突破算力限制。值得一提的是，这27篇论文里几乎没有围绕benchmark刷分的工作，全都在解决具体的工程瓶颈。
1.被挖走的那几位，到底排第几？
DeepSeek的27篇论文，主要覆盖7个技术方向：基座模型、系统/效率、数学/证明、多模态、代码、OCR、推理/强化学习。
我们考察两个维度：参与论文的数量，以及覆盖技术方向的广度。需要说明的是，这两个指标都来自论文署名统计，不代表贡献大小或组织层级。我们把同时覆盖3个及以上技术方向的研发作者，称为“多边形战士”。
这个数字是多少？79人。
**
**
再看那些传闻中被重金争抢的名字，在网络里排在哪。
阮翀确实是Top 1——覆盖18篇论文、6个方向，从MoE架构到数学证明到多模态，几乎无处不在。
他本硕均毕业于北京大学，早年从事NLP研发，2023年加入DeepSeek，参与了DeepSeek-VL、V3和R1等工作，是VL2的通讯作者，今年1月，他加入元戎启行并担任首席科学家。
郭达雅参与11篇论文，覆盖4个方向，在高频研发作者中并列第12位。王炳宣参与10篇论文，覆盖5个方向，并列第17位。
他们的确是核心人员，离开当然是损失。但关键问题是：DeepSeek还有多少个“郭达雅”“王炳宣”？
像他们这样参与10篇以上论文的研发作者有24位。即便离开了三位，后面还有21位参与强度相当的人。
如果把DeepSeek看成一支球队，虽然被挖走的是几位核心球员。但这支球队的人才密度，比想象中更厚。
**
**
Top25高频研发作者，统计口径为研发作者池，参与论文数和方向数不代表贡献排序，「甲子光年」制图
更值得关注的是“跨界”这件事。328位研发作者中，只在1个方向出现过的有158人。剩下170人，至少跨过两个方向。其中，横跨3个及以上方向的，有79人。
举个最极端的例子，李宇琨参与14篇论文，横跨全部7个方向，从初代DeepSeek LLM一路到最新V4，谷歌学术引用量超过两万。他是DeepSeek的“首位员工”，2023年从字节跳动搜索团队离职后加入，负责预训练数据的相关工作。
这印证了一个常被外界忽略的事实，在AI行业，人才一直是多向流动的，DeepSeek也在从别处挖人。
**
**
DeepSeek研发作者覆盖技术方向数分布，覆盖方向数按7个技术方向计算，「甲子光年」制图
2.多边形战士怎么长出来？
外界总在讨论DeepSeek还有没有天才。
每个AI公司都有明星。DeepSeek不同的地方，是能让一批很年轻的人，迅速在多个技术方向之间组队、探索、获得资源，较少受到约束和限制。
**
**
辛华剑在DeepSeek实习期间，主导开发了专注于数学证明DeepSeek-Prover系列模型，他也是DeepSeek-Prover-V1.5论文的一作。他曾告诉「甲子光年」，Prover在内部最初只是一个独立探索项目，初衷是验证能否通过形式化系统构造出更严格的推理数据。
大多数大厂会先设部门、定KPI、分预算，再启动项目。DeepSeek的顺序是反过来的：先有人觉得一个问题值得做，再围绕这个问题找人和资源。
**
**
在论文合作网络里，这种“组队”方式留下的痕迹很清楚。按署名关系聚类，能看到4个相对集中的小组：基模大兵团、系统效率、数学与推理、多模态，以及3个更小的协作簇。需要说明的是，这些“组”不对应DeepSeek真实部门，只反映谁更常和谁合作。
DeepSeek研发作者合作网络分布，合作小组按稳定共著关系识别，「甲子光年」制图
有趣的是，这个结构和梁文锋描述的组织方式高度吻合。
梁文锋说过：“我们一般不前置分工，而是自然分工。每个人有自己独特的成长经历，都是自带想法的，不需要push他。当一个idea显示出潜力，我们也会自上而下地去调配资源。”
晚点LatePost报道过，DeepSeek的组织层级很薄，研究团队大体只有梁文锋和研究员两个层级。“有时开始一个新方向，就是因为有三五个人都觉得一个idea不错，然后就一起做了。”梁文锋更接近一个导师：组织研发、协调资源，在共同成果上署名为通讯作者。
这套组织方式还有一个在AI行业里极为罕见的特征：不加班。平日多数成员6到7点离开公司，不打卡，没有明确绩效考核。梁文锋的逻辑是：“一个人每天能高质量工作的时间很难超过6到8小时。加班疲劳下的昏庸判断反而会浪费宝贵的算力资源，得不偿失。”
「甲子光年」梳理发现，DeepSeek论文作者中，多为2023年前后毕业的清华、北大、中科大等高校本硕博生。排名前25的高频研发作者里，近4成毕业于北大。
**
**
但这不应该被理解成简单的“名校人海战术”。「甲子光年」了解到，不少AI lab的招聘取向都在变化，在校博士比大厂老兵更受青睐。
**
**
一位AI公司董事长曾告诉「甲子光年」，自从ChatGPT出来后，他开始挤出午饭的时间，面试有潜力的在读博士生，再小的项目都会问上至少1小时，从基础公式推导到工
...(内容截断，完整内容请查看原文)
本页由自动化脚本生成，待人工审核补充