成都赚配网
本文来自微信公众号：知识分子，作者：张天祁，题图来自：视觉中国
在很长一段时间里，外界对 DeepSeek 的主流看法是，一支年轻、经验不多的团队成为 AI 界的黑马，在资源并不占优势的条件下做出了比肩世界顶尖公司的大模型。DeepSeek 创始人梁文锋也曾在访谈中表示，他们不设 KPI，招人看能力而不是看经验，核心技术岗位基本以应届和毕业一两年的人为主。
但斯坦福大学与胡佛研究所近日联合发布的一项报告，展示了 DeepSeek 团队的另一面。团队确实年轻，但并不缺乏系统性的训练和科研积累 [ 1 ] 。
这项研究梳理了 DeepSeek 自 2024 年以来公开发表的五篇核心论文，统计了其中 223 位作者的信息，最终获得了 211 人的教育背景与学术指标。平均而言，每位 DeepSeek 研究者发表了 61 篇论文，获得 1059 次引用，h 指数（评估学者科研影响力的重要指标，越高影响力越广）为 10.8。而在最核心的 31 名作者中，这一数字进一步跃升。平均发表 70 篇文章、被引用 1554 次，h 指数达 13.5。
换句话说，DeepSeek 的科研主力虽然平均来说比较年轻，但学术上已经积累了不错的成果。
在五篇核心论文中均有署名的 31 位核心作者学术水平更高，他们人均引用次数为 1554 次，中位数为 501 次，平均 h 指数为 13.5，i10 指数（学者发表的论文中，有多少篇被引用超过了 10 次）为 25.5。特别值得注意的是，这不是一个靠少数人拉高平均表现的群体。
在这 31 名核心成员中，至少有一半人的 h 指数都达到了 10 或更高。这说明，团队的学术实力并非集中在少数人身上，而是多数成员都有稳定产出，整体分布更为均衡。报告作者认为，DeepSeek 的研究能力不仅强大，而且分布均衡。在基础模型竞争不断加速的背景下，这种组织特征可能会发挥尤为重要的作用。
如果和同样号称以年轻团队为主的 OpenAI 作个对比，这种差异会更清楚。OpenAI 在 2023 年发布的 o1 模型汇聚了 265 位作者，平均引用次数 4403 次，中位数却不高，只有 338。这背后的含义不难想象，团队中确实有少数明星研究员贡献突出，拉高了整体指标，但大多数成员的学术产出相对有限，内部差距较大。
这份报告还指出，中国也已经具备了独立培养 AI 人才的能力。在对 201 位有明确隶属信息的作者进行分析后发现，超过一半始终在中国机构接受培训并任职，没有学习和留学的经验。
DeepSeek 的作者群体中，隶属于本土机构的研究者占据了多数。对 201 位具有明确隶属关系的作者统计显示，2025 年时，其中 171 人隶属于中国机构。作者们一共与全球 499 家机构建立过学术或职业联系成都赚配网，中国机构占到 368 家，占比达 74%。
这个分布广泛的机构网络以大学和研究机构为主，也有少量来自企业（17 家）、政府部门（12 家）和非营利组织（9 家）。
这张网络以中国科学院（CAS）为核心节点。中国科学院直接关联 18 名 DeepSeek 作者，若将其下辖的 153 个附属单位（包括研究所、实验室和专业中心等）纳入计算，覆盖的作者总数达到 53 人，这几乎构成了 DeepSeek 作者网络的主干。
北京大学拥有 20 名作者，清华大学紧随其后，有 16 名作者。中山大学和南京大学分别贡献了 10 名作者。这种机构分布展现了中国培养本土 AI 人才的能力，一个以中科院为核心、辐射多所顶尖高校的知识网络，正在成为中国 AI 创新的重要土壤，这也在一定程度上挑战了长期由美国主导的 AI 人才格局。
美国成为中国 AI 人才跳板
美国保尔森基金会（Paulson Institute）下属的麦克罗波洛智库（MacroPolo）曾经做过一项名为"全球人工智能人才追踪"的调查。这项报告根据 2022 年 NeurIPS 会议的作者数据，描绘了顶尖 AI 人才的教育和职业轨迹，它的一个关键发现是，中国是最大的 AI 人才输出国，而真正承接并发挥他们才能的，却主要是美国的 AI 产业。
报告显示，在中国接受本科教育的顶级（前 20%）AI 人才占全球的 47%。不少活跃于国际 AI 领域的人才，最初都在中国接受了基础培养。
但到研究生阶段，流向开始发生变化。将近四成的中国 AI 人才选择赴美深造，逆转了中美的 AI 人才比例。在美国获得博士学位之后，77% 的非美国学生选择了留在美国工作。美国的公司和研究机构成了他们职业发展的下一站，甚至是最终去向。在这个过程中，来自中国的大量 AI 人才被留在了美国。
按照调查的数据，美国顶级的 AI 机构中有接近四成的人才来自中国，甚至略微超过了美国本土人才的比例。反过来，几乎没有美国出身的人才最终在中国 AI 领域工作 [ 2 ] 。
OpenAI 的 GPT-4 的贡献者名单为这一趋势提供了更具体的样本。团队中的 32 位中国背景研究人员中，有 11 人在中国完成本科，其余 21 人在美国就读。在研究生阶段，这些人才中接近八成都在美国读书，并且后续留在美国 AI 领域工作 [ 3 ] 。
但两年多时间过去，同样是做出了世界知名的大模型，DeepSeek 团队中的人才流动轨迹又是另一番景象。在 DeepSeek 的团队中，美国似乎成了中国 AI 人才的孵化器。
DeepSeek 相关作者中，有 49 人曾有美国高校或科研机构的经历，包括本科、硕士、博士或博士后等阶段。这部分人学习或工作的机构横跨 26 个州、65 个机构，涵盖了公立大学、私立学院、医疗中心、非营利机构和科技公司。南加州大学、斯坦福大学、纽约大学等学校有多位研究者产生关联，但没有任何一个机构拥有超过三位 DeepSeek 作者。报告指出，这种分布覆盖了美国 AI 生态的多个层面。
比地点更关键的，是人才流动的方向。对这 49 位曾与美国科研机构发生关联的研究者进行梳理可以发现，其中将近四成（19 人）最初在中国接受教育，随后赴美深造，最终回到中国加入本土机构；另有 11 人虽然早期在美国或其他国家学习、工作，但最终也选择在中国落脚。相比之下，仅有 7 个人是在中国读本科，赴美读研并留美工作，在 DeepSeek 团队中并不占主流。相反，大量曾赴美读研的人才，最终选择来中国 AI 领域工作，这和几年前报告给出的趋势完全不同。
在曾有美国经历的 49 位 DeepSeek 作者中，大多数人其实只是短暂停留，31 人在美国只逗留了一年，足以接触高水平的研究环境，但不足以建立持久联系。有 9 人在美时间超过 5 年，已经深度融入了美国的学术体制，学术成就最为突出，但值得注意的是，这 9 人中目前仅有 3 人仍与美国机构保持隶属关系。无论属于哪一类，对 DeepSeek 论文作者来说，美国更像是他们学术生涯中的一段过渡，而非终点。他们在美国教育深造，但取经归来还是选择在中国 AI 领域工作。
这批拥有美国经历的 49 位研究人员，在 DeepSeek 团队中数量不多，但并非边缘角色。他们的平均被引次数达到 2168 次（中位数为 565 次），平均 h 指数为 17，i10 指数为 34，显著高于团队整体水平，称得上是核心贡献者。其中长期停留美国、深度融入当地科研体系的 9 人，更是其中的佼佼者。
DeepSeek 作为一家中国公司，当然无法代表全球 AI 人才流动的全貌。但与几年前中美 AI 人才流动的趋势相比，变化也的确存在。美国不再是 AI 人才默认的首选目的地。
报告作者反思，美国政策制定者始终相信，世界上最优秀的技术人才会自然而然地选择留在美国发展，但现实开始偏离这一判断。美国的高校和研究机构现在更像一个人才跳板，对很多研究人员来说，美国提供了高水平的资源、经验和人脉，但最终这些积累被带回中国，成为支撑本土 AI 领域发展的一部分。
参考文献：
1.A deep peek into DeepSeek AI ’ s talent and implications for US innovation. ( n.d. ) . Hoover Institution.
2.Methodology for Global AI Talent Tracker ( 2023 ) - MacroPolo. ( 2024， March 6 ) . MacroPolo.
3.The Global AI Talent Tracker 2.0 - MacroPolo. ( 2024成都赚配网， March 6 ) . MacroPolo.
启牛配资提示：文章来自网络，不代表本站观点。
