【DeepSeek背后的中国AI人才版图】

2025年初DeepSeek发布R1时，围绕这家公司的主流叙事有两个：中国AI研究者擅长跟随模仿，而非原创突破；DeepSeek的团队年轻、资历浅，在学术界缺乏积累。但一年过去，外界对他们的评价显然早已并非如此。就在近期，斯坦福大学胡佛研究所与HAI研究院发布了一份白皮书，追踪了DeepSeek 7篇论文的356名研发贡献者，再一次用数据推翻了一年前大家对他们的初印象。

在整体结构中，仅31人参与全部7篇论文，占比8.71%，构成稳定核心团队。与此同时，仅参与1篇论文的作者比例从10.31%跃升至38.20% 。这说明DeepSeek的增长主要来自外部流动型贡献者，而非核心团队扩张。核心层负责持续迭代模型能力，外围层则在不同项目间快速进出，使得整体研发呈现平台化特征。从人才来源看，其结构同样呈现出强烈的内生化特征。

在可追踪的271名研究者中，53.5%从未在中国以外机构工作过 ，说明超过一半的前沿模型贡献者完全由中国本土教育与科研体系培养。这一比例与去年相比几乎没有下降，表明中国AI人才供给链已经具备稳定输出能力，而非依赖海外回流补充。同时，约97%的研究者至少有一次中国机构经历，进一步强化了这一网络的本土属性。

美国在这一体系中扮演的角色则更为复杂。80名具有美国机构经历的研究者中，约70.3%最终回到中国 。更关键的是，这些经历并非短期访问：48.8%在美停留2至4年，16.3%超过5年 。部分研究者甚至在美国累计工作超过十年，但最终仍回流。

在机构层面，812个全球关联机构被纳入网络，其中中国机构占比超过70%。中国科学院体系与清华、北大等高校成为扩张最快的节点，构成持续放大的本土供给链。

更宏观来看，DeepSeek的演化揭示出两个并行发生的过程。一方面是以美国为中心的全球科研体系仍在提供高强度训练与知识密度。另一方面，一个以中国高校与科研机构为核心的本土人才供给体系正在快速成形，并开始独立支撑前沿模型的研发。这两者不是单向依赖关系，而是形成了相互交织但方向不对称的循环结构。

因此，DeepSeek的演化并不只是一个公司的扩张故事，更代表了一种结构性的转变：AI竞争正在从模型竞争转向人才网络竞争。真正重要的，不再是谁能短期吸引顶尖研究者，而是谁能在全球流动中持续沉淀、重组并放大这些研究能力。

注：图片由AI辅助生成。