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。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，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。
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。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。这种人才流动趋势的转变，不仅反映了中国 AI 产业的快速发展和吸引力的增强，也可能对全球 AI 格局产生深远影响。随着中国本土 AI 企业的崛起和科研环境的不断优化，未来可能会有更多的 AI 人才在经历美国的深造后，选择回到中国，为中国的 AI 发展贡献力量，美国作为中国 AI 人才跳板的角色或许会更加凸显。