DeepSeek只招奥赛金牌，Kimi要能立刻打仗的老兵

以下内容由Tech商业撰写，钛媒体获授权转载。

大模型打得这么凶，各家公司拼算力拼数据，还有一项很少被摆到台面上、却关系到生死的东西：招人的眼光。

最近有位从业者在社交媒体上发帖，他和Kimi（月之暗面）、DeepSeek（深度求索）的核心团队都深聊过，抖出两家公司在招聘标准上的巨大反差。这反差背后是两家明星公司完全不同的组织文化和老板基因，也牵出一条很冷酷的逻辑：算力不只决定模型的上限，还直接决定你只能挑什么样的人。

招聘的折叠：奥赛原教旨主义 vs 斯巴达实战派

按这条推文的说法，DeepSeek和Kimi的招聘画像几乎活在两个平行宇宙里。

DeepSeek这边是极端的“奥赛原教旨主义者”。简历关就卡得极硬，基本只认ACM、ICPC、超算比赛这类顶级竞赛的奖牌得主。他们特别偏爱年轻本科生，工程经验丰不丰富并不重要。面试核心考的不是你熟多少前沿框架，而是好奇心、对技术的纯粹热情，脑子转得够不够快。

最让行业意外的是，DeepSeek对“大厂经验”极其祛魅。推文里说，哪怕你以前训过超级大模型，到这儿也未必加分。每个人做事方式不一样，旧范式的训练经验在全新范式下可能根本没用，甚至会变成需要重新洗脑的“包袱”。

新人前两三个月不出成果，DeepSeek接受。他们投的是一块没雕过的璞玉：培养半年到一年，能不能到全栈正式员工的水平？买的是你未来的上限，不是现在的即战力。

Kimi（月之暗面）更像残酷的“斯巴达实战派”。他们的逻辑是：哪里缺人，直接把重任压给你，默认你扛得住。竞赛奖牌光不光鲜不重要，死磕的是你有没有真正摸过AI的最前沿。

考题务实又刁钻：你知不知道模型在测试里怎么作弊，比如直接从代码库里扒答案？你亲手跑过大实验没有？新模型一发布，你会不会马上跟进？面试官会甩极难的Coding题，看你写代码的习惯和组织工具的能力。自己写过提效工具的，直接给高分。

Kimi没耐心等你慢慢长，要的是来之能战、在泥泞里打过现代AI战争的即战力。前方的仗已经打到最焦灼的时刻，容不得新手村的演练。

品味差异背后：是组织焦虑，更是算力鸿沟

两家顶尖的中国大模型公司，招人上怎么会割裂成这样？

推文给了一个很致命也很真实的底层原因：算力资源怎么分。

团队氛围和老板口味固然有影响，但还有一个更关键的原因：DeepSeek 在算力上比 Kimi 宽裕。算力不够的话，人招来了也白搭，根本没资源让他们真正上手干活。

这句话，堪称整个大模型时代的“黑色幽默”。

算力充裕，DeepSeek才有底气“养天才”。靠着幻方量化的深厚家底和早期疯狂囤卡，他们手里有极庞大的GPU集群。新员工进来不用马上疯狂跑实验抢产出。一个奥赛金牌得主可以花半年读论文、想底层架构创新，比如他们在MoE混合专家模型上的极致优化，在试错里养出极致的工程直觉。

DeepSeek的逻辑里，大模型是场长跑。在大厂习惯了用几万张卡“大力出奇迹”的工程师，往往缺了在受限资源下做极致优化的能力。反过来，一群没有经验包袱、智商极高的年轻人，在没有短期KPI压迫的“乌托邦”环境里，反倒能用最纯粹的数学直觉，爆发出颠覆性的架构创新。

算力紧缺，则逼着Kimi去找“超级个体”。对Kimi来说，每一张H100/B200显卡的算力时长都极其宝贵。招个新人还要花半年教他用集群、排查底层通信Bug，这在算力上是极大的隐性浪费。

所以Kimi必须用极难的编程题和“是否扒过代码库”这种刁钻问题，筛出那些已经在别处交过学费、能瞬间把有限算力变成模型提升的成熟工程师。Kimi买的不是你的潜力，是你立刻能转成算力效能的生产力。这是资源受限下的极致生存策略。

老经验的陷阱：大厂光环在AI时代的破产

两家公司的招聘偏好，还透出一个更深远的职场变化：大模型时代，过去的“大厂光环”正在急速贬值。

DeepSeek不看重大模型训练经验，是因为底层架构演进太快。三年前训千亿参数模型的方法，放到今天可能完全是场灾难。不少在大厂习惯用庞大算力硬砸结果的工程师，一旦资源受限，或者要重新设计底层架构，往往束手无策。DeepSeek更看重底层的数学直觉，他们相信自己能重新定义游戏规则。

Kimi看重“动手能力”和“工具组织能力”，是因为AI落地过程中脏活累活太多。数据清洗、评测排雷、推理加速、防模型在基准测试里作弊……这些活没什么高大上的理论可讲，纯粹要靠极高的智商去堆工程量。Kimi要的是能在泥泞里搭起完美工具链的极客，不是只在PPT上画架构图的“大厂混子”。

架构师的经验，在传统互联网时代是护城河。到了大模型时代，这套旧经验反倒容易变成绊脚石，让人迟迟不肯拥抱新范式。迭代周期已经按“月”来算，谁忘得越快，谁适应得越快。

从人才战看终局：算力霸权与智力密度的双重较量

两份招聘清单摆在一起，差别一目了然。中国大模型竞争的两种终极路径，其实就藏在这些岗位描述里。

DeepSeek走的是“算力霸权+顶级智力密度”的精英路线。算力给到最充裕，养的是最聪明、最纯粹的一批本土年轻人。他们不用去卷To B的商业化落地，也不用每天写汇报文档。实验室里死磕模型结构，去碰那个可能只有万分之一概率的技术突破，就是全部任务。说这是一种带着浪漫主义色彩的极客乌托邦，并不为过。

Kimi选的则是“极限资源+工程实战”的斯巴达路线。算力有限，每一个Token的效能都得拼刺刀般去抢。工程师必须全能：懂数据、懂评测、懂底层调优，还得防备模型在跑分时作弊。这条路更苦、更累，可也更能练出一支百战不殆的AI工程铁军。

两条路谈不上谁对谁错。在这场残酷的全球竞赛里，它们都是中国AI大模型不可或缺的侧面。

结语：认清你的生态位

对每一个想登上大模型牌桌的从业者来说，这段推文是一次极具价值的启示。

先认清自己的定位：你是能在草稿纸上推导出新范式的竞赛冠军，还是能在匮乏的算力池里榨干最后一点性能的工具大师？

AI时代，顶尖人才从来不会被埋没，前提是找到那个与你“八字相合”的组织。算力稀缺的公司，会用极其苛刻的实战标准检验你的即战力；算力充裕的公司，则用极高的智商门槛和长期的耐心，去赌你身上那份未受污染的纯粹。

通往通用人工智能（AGI）的漫长黑夜里，算力是柴火，人才是火种。柴火足够充沛，火种才能在漫长的试错中最终燎原。