文章作者、来源：快刀青衣

旧尺子量不出新机会，你得先看见那把新尺子。

在全球顶级AI公司里，DeepSeek一直很受关注，但团队规模偏小，更像一个研究型AI团队。大家也经常吐槽，DeepSeek的App并不好用，除了问答功能，别的AI工具有的功能它几乎都没有，这可能也和团队规模有关。

不过，上个月，DeepSeek完成了一轮超过500亿元的融资后，第一件事不是开发布会，也不是发布新模型，而是招人。这说明他们心里也清楚，人手不足已经影响到现阶段的AI竞争了。

6月25日晚，DeepSeek发出成立以来最大规模的公开招聘：7大类、33个岗位，全部接受实习申请，公告称「正在努力把所有部门规模至少扩大一倍」。这条消息随后被证券时报、财新、Bloomberg等媒体轮番报道，搞AI的人大概率都刷到过。

你可能会说：这条新闻我当时刷到了，看完也就划走了。DeepSeek招人，跟我有什么关系？

还真有关系。我没看媒体怎么分析，而是用AI把各平台上的JD（岗位描述）拆开，直接看每个岗位的原始工作描述，再对比他们过去几年的招聘变化。

因为，一家AI公司到底往哪走，发布会不一定说实话，但招聘一定会露底。你招谁，给谁开口子，给什么人高薪，哪些岗位突然变重要，这些东西比PR稿更接近真实路线图。

在AI帮助下，我把这批JD从头到尾读完，又做了不少下钻分析，最大的感受只有一句话：它换了一把选人的尺子。

01 它怎么招人

DeepSeek招聘公告里有一句话，很容易让人放松警惕：「我们从来不寻找天才，只要你有自身闪亮发光的地方。」

这听起来很温和，很像那种「我们看重潜力」的场面话。

但实际情况并不是这样，我看了不少关于DeepSeek的研究和调研报告。比如，斯坦福有团队专门分析了DeepSeek发表过的所有论文，梳理了每一位作者的学术背景。服务他们的猎头也说，他们对竞赛成绩看得非常重，「基本金奖以下就不用看了」。

候选人画像很清楚：聪明、理工科、年轻、工作经验不超过5年。超过8年的「基本不要了」。更有意思的是，大厂履历不一定加分，反而可能减分。原话是说，怕被一些「大厂味」带偏了。

所以你看，DeepSeek说「不找天才」，不是说门槛低，不是说不看重智商，而是他们不用旧尺子量人。他们不太在乎你在大厂待了几年、管过几个人，他们想看的是：你有没有在某一件事上钻到足够深。

竞赛金牌是一个刻度，开源项目贡献是一个刻度，从零到一做成一件有影响力的事，也是一个刻度。尺子换了，但精度的要求一点都没降。

这并不是一句口号。我觉得这套反经验主义背后，是靠一整套组织设计来运行的。

因为没有KPI，所以不需要找一堆「经验丰富的人」来把控节奏；GPU调用不设审批，所以新人可以快速试错；明确禁止内部赛马，所以资源不靠资历和内斗来分；新人可以直接扛核心任务，所以年限没那么值钱，判断力和动手能力才值钱。

对8年以上老兵谨慎，是因为经验太多，反而容易「不假思索」地固守旧方法。而AI世界变化太快，一个月前有效的做法，这个月可能就完全不一样了。

这几件事放在一起看，才是重点。DeepSeek不是口头上喜欢年轻人，而是把组织规则调成了适合年轻人冒头的样子。

梁文锋此前接受访谈时说过一段话：

❝

有经验的人会不假思索告诉你应该这样做，没有经验的人会反复摸索，找到符合当前实际情况的解决办法。

到2026年，这套用人理念没有变，变的是规模。

举个例子，DeepSeek最关键的架构创新之一，MLA（多头潜在注意力），就出自一个年轻研究员的个人兴趣。这位研究员在总结Attention架构主流变迁规律后，突发奇想设计了一个替代方案；后来公司为此专门组了一个团队，花了几个月才跑通。

这件事本身就是这套系统最好的广告：你不一定需要资历，但你需要真的在一个问题上钻进去过。

02 它招什么人

如果说用人哲学是DeepSeek的想法，岗位结构才是它的做法。想法可以包装，但岗位很难包装，因为它对应的是真实工作。

我读完这些JD，最大的发现不是研究员多，也不是薪酬高，而是：很多看起来跟AI没那么近的岗位，正在被AI重新定义。

先说一个最有时代感的细节。在2026年3月，DeepSeek一批放出的Agent相关岗位描述里明明白白写着：「重度使用Claude Code、Cursor等AI编程工具者优先」

你想想看，一家顶级AI公司招人，居然把「会深度使用别家AI编程工具」明确写进要求里。而且不只是工程师岗，产品经理这些传统上不一定写代码的岗位，也要求「作为Vibe Coding重度用户」。

这就是要求每个人，不管工作中还是生活中，都要把用AI解决问题变成骨子里的习惯。到这一步，AI工具的使用深度已经不再是兴趣爱好，而是硬技能了。

别小看这么一句话。我最近也在面试几个岗位的人，简历里都说深度使用AI。但聊完才发现，很多候选人在工作场景里确实重度使用AI，成果也不错，可一问生活中用AI解决过什么问题，不少人就答不上来了。而真正的重度用户，是工作和生活中都把用AI解决问题变成了习惯。

再看职能岗位。法务岗不只是合同审查、法律合规，还写着「对人工智能技术、产品和行业有好奇心」；采购岗要懂AI服务器、GPU、云资源，还要驻点机房，盯着内蒙古乌兰察布的数据中心。

再比如，行政岗要理解AI对办公流程的改变；HR要做海内外高潜人才系统性Mapping，不是简单发发JD，而是主动建立并维护优质人才池，用AI去挖人。

这些职能岗位没有一个是传统意义上的算法岗，但都被AI改写了。

数据岗位文科化

说到这里，还有一个趋势特别值得我们注意，就是「数据岗位文科化」。

我毕竟是产品经理出身，所以对DeepSeek招什么样的产品经理非常关注。比如，官方招聘里有一个岗位，我第一次看到也愣了一下，叫「情感智能数据产品经理」，专门招人教AI理解情感。

这意味着什么？

模型已经会推理、会写代码了，下一步要处理人的情绪：一个人为什么生气，为什么沉默，为什么嘴上说没事但明显有事。这些判断不是单靠算法就能长出来的，它需要懂情感、懂心理、懂人。

而在这批JD里，我还发现他们招专业领域数据产品经理，点名要小语种、医学、法律等学科背景；AI创作数据产品经理，分为文艺写作和功能写作两个方向，要求具有卓越的文本审美与判断力。

此外，全栈岗里还有一个不设专业限制的「AI跨界技术人才」岗，特别欢迎在任何一个学科、领域做到极致的人才。

要知道，这些专业背景的人，以前在AI公司里，总给人一种感觉：「天啊，学中文的、学小语种的，居然也能进AI公司。」但现在，他们不是被「容忍」，而是被「专岗专请」，成为整个AI组织里不可或缺的一部分。

过去很多人以为，进AI公司就得会写代码，不会写代码就是边缘人。这些JD传递的是另一种信号：模型能力的竞争，已经打到「高质量垂直数据」这一层。

而生产高质量数据，恰恰离不开文科和各个专业领域的人。医生知道什么样的医学问答是好的，律师知道什么样的法律推理是靠谱的，学小语种的人知道翻译里哪些地方不能硬来。

这些判断力不是算法替代之后剩下的边角料，它就是模型继续往前走需要的燃料。

所以，对非码农来说，第一次有了一条不叫「转行学编程」的路：你的专业知识，如果能接上AI的数据生产和评测需求，价值可能比临时学一门编程语言更高。

03 它在修什么接口

再说一个更底层的变化。我觉得，DeepSeek这次扩招，不是单纯在招更多人，而是在修自己的各种接口。

什么意思呢？

模型和真实世界之间，需要搜索、代码执行、Agent、沙箱这些接口；模型和算力之间，需要训练推理框架和运维接口；模型和人类知识之间，需要领域专家和评测体系；公司和外部世界之间，需要法务、财务、采购、HR这些接口。

每一个接口背后，都是一条AI时代的用人标准。

这也解释了很多人困惑的一个问题：为什么AI一边在裁员，一边又在疯狂招人？

调研机构Orgvue报告显示，39%的企业曾因部署AI推行裁员，但其中55%后来承认这个决策是错的，福特、澳洲联邦银行都出现过重新聘回被裁员工的情况。

另一边，AI科学家的平均月薪断层第一。据脉脉报告显示，AI科学家的平均月薪超过13万元；翰德报告显示，AI核心人才长期供不应求，部分垂直大模型人才甚至接近三个岗位抢一个人。

与此同时，普通求职者还在海投内卷。而猎聘2026年1到5月数据显示，纯代码执行岗位需求同比下滑超过30%，其中27%可以明确归因于AI替代。

你看，这不是所有人一起涨价，而是结构性错配。缺的不是「会点Python的程序员」，而是两类人：一类是顶尖AI研究员，另一类是能把专业判断接到AI系统上的复合型人才。

所以，要么往深处走，在一个领域做到极致；要么往交叉处走，把自己的领域知识和AI需求接上。而中间那块「我会一点工具、会一点代码、会一点行业词」的通用人才地带，正在变得很危险。

04 对你意味着什么

如果只从DeepSeek这批JD里带走一句话，我想说：机会确实在扩散，但不是标准降低了，而是标准换了。

旧尺子量不出新机会，你得先看见那把新尺子。这把新尺子看的是两件事：

你是不是真的会用AI解决问题，并且在某个问题上真正钻进去过。

你有没有一个足够扎实的专业判断，能把自己的领域知识真正接到AI上，推动它继续往前走。

DeepSeek的招聘不是孤例，它反映的是整个AI行业正在发生的一次用人标准切换。

所以，我觉得你还可以好好想一个问题：如果把自己的岗位名称前面加上「AI」两个字，你做的事情，还担得起这个前缀吗？

如果你是一名行政专员，不妨想想怎样把自己变成一名「AI行政专员」。平时的访客登记、库存领取、资产盘点，能不能用AI做几个小工具，把这些流程重新改造一遍？

如果你是一名创作者，除了传统的采访、写作能力，还能不能用AI重构自己的工作流？就拿这份DeepSeek的JD数据来说，我相信不同的人用AI去分析，从角度、问题到洞察，都会有很大不一样。

AI会让很多工作的基础执行越来越趋同，但真正拉开差距的，是每个人如何利用AI建立自己的判断和方法，最终形成属于自己的个人烙印。

我把DeepSeek官方招聘公告放在文稿末尾了，建议你有时间一定看看这些岗位的JD，别只看岗位名称，更要看它到底在招什么样的人、需要什么能力。