150个HC全部指向工程侧，AI研究员零新增
9月8日，DeepSeek发布新一轮招聘计划，一次性释放约150个名额。与外界熟知的“算法天才争夺战”不同，这150个岗位几乎全部集中在服务端开发、Agent弹性计算研发、数据工程、底层调优等工程实现方向，AI研究员岗位为零。据公开信息，此次招聘重点面向2至10年经验的资深工程师，工作地点为北京和杭州。
这是DeepSeek今年以来第二次大规模扩张。6月25日，该公司曾宣布将所有部门规模扩大至少一倍，覆盖全栈开发、算法、AI核心系统研发、运维、产品、模型数据策略、深度学习研究及职能部门共33个岗位类别。相比之下，9月这轮招聘的指向性更加明确：不扩算法研究，只补工程底座。
从“拼模型”到“拼系统”
招聘结构的变化对应着AI行业竞争重心的迁移。据业内人士观察，大模型赛道早期的主战场是参数规模、评测榜单分数和单点能力演示。但当模型能力趋近同一水平线后，真正的分水岭出现在API稳定性、推理成本控制、Agent工作流可靠性和企业级集成能力上。一个直观的指标是：用户调用API时，99%的请求成功率与95%之间的差距，决定了一家企业的客户留存率。
DeepSeek Harness团队负责人崔添翼在此次招聘的公开说明中解释了扩招动因：“计算机领域的任何东西量变大之后，就会产生复杂度上巨大的增加。数据的量、机器/容器的量、训练任务的量、评测任务的量、Agent环境的量、用户的量、请求的量，等等等等都在急剧增加。这就产生了越来越大的复杂度，会让之前的后端系统逐渐不能完美满足将来的量的需求。”
这段话指向一个具体问题：当模型能力不再稀缺，系统承载能力开始成为瓶颈。DeepSeek选择在这个节点将150个HC集中投向工程端，本质上是在为API调用量的指数级增长提前加固基础设施。
历史脉络：从研究驱动到业务驱动
回顾DeepSeek的招聘轨迹，战略重心的迁移脉络清晰可辨。早期阶段，该公司以深度学习研究和模型训练为核心，对外释放的岗位多集中在算法创新与模型能力突破。2026年6月的综合招聘首次将“全栈开发”和“AI核心系统研发”摆在显著位置，释放出工程能力补强的信号。到9月，这一信号已经转化为明确的组织动作——150个名额，全部用于解决“量变大之后的复杂度问题”。
与之呼应的是产品节奏。8月21日，DeepSeek宣布多模态视觉理解模型V4-Flash-Vision-Exp上线API平台，开启多模态API服务。据公开信息，该实验性模型在纯文本能力上与V4-Flash正式版持平，但在需要视觉理解的Agent Benchmark上实现大幅跃升，多模态Agent能力已接近Opus-4.8。模型迭代速度与API服务扩展同步推进，对后端系统的压力可想而知。
值得关注的是，此次招聘的岗位名称中包含“Agent弹性计算研发工程师”。这一岗位的设立本身就说明DeepSeek正在为Agent工作流的大规模部署做准备。Agent任务与传统的单次问答请求有本质区别：一个Agent任务可能涉及数十次甚至上百次模型调用、工具调用、环境交互和状态管理，对计算资源的弹性调度和系统容错能力要求远高于普通API请求。弹性计算工程师的核心工作，就是让系统在流量尖峰和任务复杂度激增时仍能保持稳定响应。
扩招背后的双面图景
从正面看，150人的工程扩招释放出强烈的业务增长信号。一家公司只有在API调用量、企业客户数和Agent部署需求达到一定量级后，才会出现“后端系统无法完美满足将来量需求”的紧迫感。换句话说，扩招本身是业务跑在前面的结果，而非原因。
从风险面看，快速扩张同样带来挑战。工程团队的规模化并不等同于系统能力的线性提升。150名新工程师需要在短时间内理解现有系统架构、融入开发流程、建立协作默契，这个过程本身就会产生管理复杂度和沟通成本。如果业务增长速度超过团队磨合速度，系统瓶颈可能从技术层面转移到组织层面。
此外，DeepSeek在商业化路径上仍面临行业共性挑战。API服务的毛利率受推理成本制约，Agent生态的标准化程度尚不足以支撑大规模企业集成。扩招能够解决系统承载力问题，但无法直接回答“如何在高并发下保持有竞争力的定价”这一商业命题。据公开信息，当前大模型API市场的价格竞争仍在持续，推理成本优化与系统稳定性建设需要并行推进。
系统能力成为下一阶段竞争壁垒
将DeepSeek此次招聘放在更长的行业周期中观察，可以清晰地看到一条演进线索：2023年至2024年，大模型公司之间的竞争主要围绕模型能力展开；2025年，竞争焦点转向多模态和推理能力；进入2026年，当头部模型的能力差距逐步缩小，系统稳定性、推理成本和Agent工作流的可靠性正在成为决定商业成败的关键变量。
DeepSeek用150个HC做出的选择，本质上是对这一趋势的确认。模型层的创新不会停止，但工程层的积累同样需要时间和人力投入。对于一家以技术见长的公司而言，把最多的新资源投向最不性感的岗位——服务端开发、数据工程、底层调优——这本身就是一个值得注意的战略信号。
本文由AI辅助生成
