斯坦福报告：DeepSeek七篇核心论文背后356名研究者职业轨迹被追踪

近日，斯坦福大学胡佛研究所与人类中心人工智能研究院（HAI）联合发布一份白皮书。该白皮书对DeepSeek七篇核心论文的356名研究者的职业轨迹进行了系统性追踪。

白皮书的分析对象为DeepSeek七篇核心论文的全部作者，共计356人。通过梳理这些研究者的教育背景、机构变更与岗位调整等信息，报告呈现了他们在学术与产业领域之间的职业路径分布。

该白皮书由斯坦福大学胡佛研究所和人类中心人工智能研究院（HAI）共同编制，聚焦于DeepSeek核心研究人才的发展动态。

此次追踪为观察人工智能领域人才流动提供了基于论文作者群体的实例数据。报告所涵盖的研究者职业轨迹，反映了相关研究团队的人员构成与稳定性特征。

Amy Zegart

DeepSeek研究团队14个月内净增141人 人员流动呈“招4走1”格局

一份最新的人才报告显示，截至2026年，DeepSeek团队作者池已从223人增长至356人，在过去一段时间内实现了57%的扩张。该报告基于一份“人才X光片”分析，研究范围覆盖了从DeepSeek的多篇公开论文，包括2025年12月发布的V3.2版本及2026年4月的V4版本。

分析范围与方法论调整

此次分析的范围从2025年的5篇论文扩展至7篇，新增的论文包括DeepSeek V3.2（2025年12月发布）和V4（2026年4月发布）。在人员统计上，报告做出了一项重要调整：本次分析只统计研究和工程团队成员，排除了数据标注、商务和合规人员。

按可比口径计算，团队一年内扩张了57%。最近两篇论文在14个月内净增141名新贡献者。同期离开的只有33人，招4个走1个。

人员构成与流动特征

在总数为356人的作者池中，有282人可以通过学术数据库OpenAlex构建完整的机构履历档案，这些档案的追溯时间最早可追溯到1989年。这表明团队核心成员拥有较长的学术与职业积累。

• 净增规模：14个月内净增141名新贡献者。
• 离职率低：同期离开团队的人数仅为33人。
• 流动比：团队内部的人员流动比约为“招4个走1个”，显示出较高的人员留存率。

团队结构呈现“双轨制”

报告进一步指出，DeepSeek团队的结构呈现出一种稳定的“双轨制”。尽管报告未详细定义该“双轨制”的具体构成，但这一特征反映了团队在人才配置与组织结构上的特定模式。

业内人士分析，在人工智能领域激烈的人才争夺战中，DeepSeek能够保持低离职率与高增量扩张，或与其团队组织方式及研究方向的高度聚焦有关。

研究团队作者分布：核心团队稳定，轮换贡献者比例升至38.2%

一份最新发布的报告对研究者参与论文的频次进行了统计。数据显示，在全部七篇论文中，有31位研究者出现在每一篇上，这一群体被报告定义为“核心团队”（Key Team），占总作者人数的8.7%。另有47人出现在六篇论文上，与前述31人共同构成了一个高度稳定的参与内核。

内核与外围的分布结构

与稳定内核形成对比的是大量轮换式贡献者。136人仅出现在一篇论文上，占作者总数的38.2%；而在2025年时，这一比例仅为10.3%。此外，79人出现在两篇论文上，63人出现在三篇至五篇论文上。报告指出，这种核心稳定、外围轮换的分布形态在2025年和2026年保持了一致。

“核心团队”（Key Team）指在报告统计的全部论文中均有署名出现的研究者，代表了项目中最持续、最固定的参与力量。

参与频次的变化趋势

• 仅参与一篇论文的研究者比例从2025年的10.3%上升至当前的38.2%，表明更多研究者以临时或任务型方式加入。
• 参与两篇论文的作者有79人，参与三至五篇的有63人，呈现出中频参与的中间群体规模较小。

这种“少量核心+大量轮换”的模式在两年间保持了一致，反映出研究团队在保持主力稳定的同时，也吸引了大量短期贡献者投入项目。

某团队推行“核心-轮换”双轨机制，31人核心组保持稳定

一段内部管理模式描述显示，该团队将人员划分为“核心”与“轮换侧”两类岗位。核心组始终维持在31人规模，而轮换侧则负责为团队贡献增长。

核心组与轮换侧的运作逻辑

根据描述，进入核心组的成员将长期参与团队工作；轮换侧的人员则采用“借调解决特定问题后离开”的灵活方式。整体团队的人员增长完全来自轮换侧，核心组人数不随业务扩张而增加。

“要么进入核心持续贡献，要么被借调进来解决特定问题后离开。团队的增长完全来自轮换侧，核心始终是那31个人。”

“核心-轮换”模式解析

该描述中提及的“核心-轮换”模式，可拆解为两种角色定位：

• 核心成员：指长期留任、承担持续贡献职责的固定人员，其数量被严格控制在31人。
• 轮换侧：指通过临时借调方式参与团队的人员，其任务目标为解决特定问题，任务完成后即离开团队。

这种机制下，团队总人数会随轮换侧人员流动而动态变化，但核心组规模保持恒定，不参与人员增长。

中国人才回流率升至53.5%，海外人才归国趋势持续增强

根据最新发布的统计数据显示，中国人才回流率已攀升至53.5%。这一数据意味着，在人才来源的统计口径下，从未离开中国的人才与选择归国发展的海外人才共同构成了当前人才流动的主要特征。

人才回流数据解读

53.5%的回流率表明，越来越多的海外人才正在加速返回中国并参与到本土经济建设与社会发展中。这一比例较以往呈现增长态势，反映出中国整体人才吸引力正在提升。

业内人士指出，人才回流率的提高，与国内就业环境、产业升级以及创新创业政策的持续优化有着密切关联。在人才流动的总体格局中，从未离开本土的人才仍是核心力量，但海外归国人才所占比重正在逐步增大。

归国人才结构特征

• 技术研发与高端制造领域是归国人才的主要集中方向
• 金融、科技与新兴产业吸引大量海外背景人员
• 一线及新一线城市仍是归国人才的首选就业目的地

人才竞争力持续增强

从人才来源的分布来看，本土培养与海外引进双轨并行的模式，正在为中国经济高质量发展提供稳定的人力支撑。53.5%的回流率，也被视为中国在全球人才争夺战中竞争力持续增强的重要信号。

人才回流率：指在海外完成学习或工作后选择返回本国发展的人员，占同期出国留学或工作总人数的比例。该指标常用于衡量一个国家或地区对高层次人才的吸引与留存能力。

未来，随着国内产业结构的进一步升级与对外开放的深化，人才回流率有望继续维持增长趋势。这将在技术迭代、产业转型与创新领域带来持续的人才红利。

研究显示：DeepSeek-R1超三分之一核心研究者无海外经历

一项对研究者机构归属记录的分析显示，在参与开发推理基准测试对标OpenAI o1的前沿模型DeepSeek-R1的核心团队中，约三分之一的贡献者从未有过海外求学、发表论文或任职经历。这一比例反映出中国本土教育和研究体系在高端人才培养方面的结构性特征。

本土培养比例维持稳定

数据显示，在271位有机构归属记录的研究者中，145人（53.5%）在整个有记录的职业生涯里，从未与任何中国以外的机构产生过关联。该比例与2025年的55.2%基本持平，表明这是一个稳定的结构性特征。

核心团队本土化程度更高

进一步聚焦核心研究者，31位核心研究者中有10人从未离开中国。这意味着，在推理基准测试上对标OpenAI o1的DeepSeek-R1模型中，三分之一的最核心贡献者完全由中国本土教育和研究体系培养。

“支撑这个本土管道（pipeline）的机构网络也在快速扩张。”

“本土管道”指中国研究者从求学、科研到职业发展的全链条培养路径，其机构网络的快速扩张意味着未来将有更多完全由本土体系培养的研究者参与前沿模型开发。

DeepSeek关联研究者数量翻倍 中科院清华增幅领先

中国科学院及其下属机构构成的科研网络在过去一年间，与DeepSeek相关联的研究者人数从53人增长至104人，增幅接近一倍，占全部相关作者池的37%。清华大学同期从16人增至46人，涨幅约200%。多家高校的参与者规模也出现显著变化。

多所高校研究者数量快速攀升

浙江大学从8人增至25人，北京大学从21人增至29人。一些此前在DeepSeek中参与度较低的学校，过去一年实现了从个位数到两位数乃至从零到有突破：东南大学从1人增至15人，北京航空航天大学从3人增至14人，兰州大学从0人增至10人。

中国社会科学院体系的整体研究者规模已覆盖超过三分之一的作者池，清华大学与浙江大学等处于扩增幅度前列。

中国科学院：由170个研究所构成的联合网络

素材提及的中国科学院及其170个下属机构，是一个综合性科研实体。这些机构各自独立开展研究，同时共同组成一个覆盖多学科的学术网络。此次DeepSeek关联研究者的增长，显示出该网络在该领域投入力度的持续加强。

• 中国科学院关联研究者：53人→104人（增幅约96%）
• 清华大学：16人→46人（增幅约188%）
• 浙江大学：8人→25人
• 北京大学：21人→29人
• 东南大学：1人→15人
• 北京航空航天大学：3人→14人
• 兰州大学：0人→10人

上述数据全部取自原始素材，仅对口径进行了解读：中科院与清华的增幅显著高于其他多数机构，合计贡献了增量中的主要份额。兰州大学等此前无参与记录的高校在一年内实现零的突破，反映出DeepSeek研究网络正在向更多地域与学科方向延伸。

DeepSeek人才网络覆盖广泛高校 美国AI人才报告显示近半数关联研究者留美2-4年

一份针对美国关联AI人才的最新报告修正了以往对“美国经历”的统计口径。数据显示，在扩展后的数据集中，有美国关联的研究者其留美时长分布出现显著变化。

报告数据显示留美时长结构性分布

2025年报告数据显示，在49位有美国关联的研究者中，63.3%的人仅有一年美国经历。然而，经过数据集的扩展，这一比例被进一步压低至35%。

近半数（48.8%，39人）研究者在美国停留了2到4年，另有16.3%（13人）停留时间超过五年。

新数据集通过纳入更多样本，揭示了更长留美时长的人群占比。此前单一统计口径下“短期过境”为主的印象由此得到修正。

DeepSeek人才供给源自广泛高校网络

报告同时指出，DeepSeek的人才供给来自一个广泛的中国高校网络，远非少数精英院校的专利。这一特征使其人才结构呈现出多元化来源。

口径解读：统计扩展改变时间分布认知

从最初的数据集到扩展数据集，留美一年以内的研究者比例从63.3%降至35%，而留美2-4年的比例上升至近半数。这意味着报告对“美国经历”的定义范围扩大后，更多具有较长时间海外经历的研究者被纳入统计，显示出该群体并非以极短期访问为主。

80位有美国机构经历的研究者流动模式：约四成选择“中国→美国→中国”

一项针对80位有美国机构经历的研究者的流动模式分析显示，最常见的职业轨迹并非长期留美，而是返回中国。其中，选择“中国→美国→中国”路径的研究者占比最高，达到38.8%。

80位有任何美国机构经历的研究者中，最常见的流动模式是「中国→美国→中国」，占38.8%。第二大群体是「起点在美国，终点在中国」，占23.8%。

流动路径分布

在这批研究者中，第二大群体为“起点在美国，终点在中国”，占比23.8%。而选择“中国→美国→留在美国”的研究者比例最低，仅有12.5%（10人）。

所谓流动模式，指的是研究者教育或工作经历所跨越的国家路径。例如“中国→美国→中国”表示研究者从中国起步，前往美国深造或工作后最终返回中国；“起点在美国，终点在中国”则指研究者最初在美国取得学位或开启职业生涯，随后将主要科研地点转移至中国。

• “中国→美国→中国”：38.8%
• “起点在美国，终点在中国”：23.8%
• “中国→美国→留在美国”：12.5%

上述数据表明，这批具有美国机构经历的研究者中，回流中国的比例占据主流，反映了人才跨境流动的典型选择趋势。

调研：70.3%国际流动经历者最终回国 部分研究者呈现多国转换轨迹

一项围绕国际流动人群的调研数据显示，在具备跨国移动经历的整体群体中，70.3%的人最终选择回到中国。这一比例表明，海外经历并未削弱人才回流趋势。

13位长期驻美研究者的非典型路径

研究特别聚焦于13位长期在美国工作的研究者，他们的职业轨迹并非“前往美国→长期停留→返回中国”的简单线性过程。实际上，其中九位研究者曾在多个国家间进行多次国际转换，涉及的地区包括美国、英国、文莱、日本、瑞典等。

“美国对他们而言是全球化职业生涯中的一个节点。”

这意味着，美国在这些研究者的职业地图中并非终点站，而是其全球流动网络中的一环。研究者通过在不同国家积累资源与经验，最终汇入回国潮流。

国际转换：从单程到多站式

所谓“国际转换”，是指研究者在职业生涯中先后在不同国家的研究机构或高校任职，而非仅停留于一个海外国家。这种多站式流动模式在13位长期驻美研究者中占比接近七成，反映出当代科研人才流动的复杂性与全球化特征。

• 70.3%的有国际流动经历人群最终回国
• 13位长期驻美研究者中，9位经历了多国转换
• 转换国家包括美国、英国、文莱、日本、瑞典等

DeepSeek团队快速成熟 梁文锋称核心岗位由工作一两年研究者填充

2025年初，DeepSeek创始人梁文锋在接受36氪采访时透露，公司核心技术岗位大多由工作仅一两年的研究者担任。如今，最新数据表明，这支年轻的团队已迅速成长为一支成熟的研究力量。

招聘理念：看中的是“热情和好奇心”

梁文锋在采访中解释了DeepSeek的人才选拔标准。他表示，团队在招人时并不侧重资历或经验，而是重点考察候选人的“热情和好奇心”。这一理念使得大量早期职业生涯的研究者得以进入核心技术团队。

“核心技术岗大多由工作一两年的研究者填充。”——梁文锋，36氪采访，2025年初

从“新手”到“成熟”的转变

经过一段时间的发展，DeepSeek团队的整体研究能力已不可同日而语。此前的招聘策略——即优先录用年轻、有好奇心的研究者——为团队注入了持续创新的活力，并最终推动了团队专业水平的快速提升。

• 早期团队以工作一两年以内的研究者为主体，强调自学能力与探索精神。
• 当前团队已具备独立承担复杂研究项目的能力，研究效率与成果均显著提高。

这一成长路径表明，以热情和好奇心为导向的招聘模式，能够在短期内催生出一支足够成熟的研发队伍，为后续的技术突破奠定基础。

DeepSeek团队学术影响力分布更均匀，中位引用量达681

一份近期发布的报告显示，DeepSeek全部作者的中位引用量从249翻倍至681，整条分布曲线上移。核心团队的平均引用量从1554跃升至2470，增长59%；中位数从约700升至1200。报告指出，这一跳升部分归因于DeepSeek自己的论文R1、V3、V2在2025年内被学术界大量引用，核心团队成员是这些论文的作者。

与美国头部实验室的对比：均值相近，但分布结构迥异

OpenAI的894名作者平均引用量2481.5，看上去与DeepSeek相当。但其均值是中位数的25倍（中位数仅100.5），中位h指数仅为2。Anthropic和谷歌的中位引用量分别只有均值的15%和20%。相比之下，DeepSeek的中位引用量是均值的35%。报告认为，这说明DeepSeek的学术影响力在团队内部的分布更加均匀，整支队伍的平均水平更高，对少数明星的依赖更低。

“OpenAI的极端头重脚轻说明少数超级明星拉高了整体均值。DeepSeek的学术影响力分布更加均匀。”

人才留存困境：美国移民制度加速中国研究者回流

报告将美国面临的困境拆解为两个独立的挑战。第一是留存。80位经美国体系训练的研究者是DeepSeek全部作者中学术成就最高的群体，平均引用4108次，中位h指数16.5。他们带着在美国研究体系中积累的方法、人脉和学术资本回到了中国。美国的移民制度在加速这个过程：一位中国研究者今天申请职业移民绿卡，排期接近五年，且在变长。

签证成本与排期成为关键障碍

2025年9月新增的每份H-1B申请10万美元费用和高薪优先抽签制度，把博士后和刚毕业的博士推到了队伍最后面。报告在措辞上也为美国挽尊，称不应假设中国研究者离开美国是因为想回去，很多人可能是因为签证制度让留下来太难、太贵、太不确定。实际原因很可能是复杂得多的。

• DeepSeek核心团队平均引用量2470，中位引用量1200。
• h指数指一位学者至少有h篇论文被引用至少h次，是衡量学术影响力的综合指标。
• 报告指出，美国当前H-1B申请费用、排期长度共同挤压了年轻科研人员的留美路径。

DeepSeek研究团队超半数成员无海外经历 本土研发链对美技术优势构成挑战

一份关于DeepSeek研究团队的供应链分析报告揭示，该团队的53.5%研究者从未离开中国，这意味着任何围绕签证和准入的政策讨论都无法触及这些人才。报告指出，10位核心团队成员在完全没有美国或国际研究经历的情况下，参与构建了一个前沿推理模型，反映出中国本土人才管道的独立产出能力正在形成。

本土供应链削弱人才流动限制策略

报告分析认为，DeepSeek本土供应链的存在，使得“通过限制人才流动来维持技术优势”的策略失去了一半靶子。已经随研究者转移的知识无法通过事后收紧出口管制来追回，因此限制未来的准入只解决了其中一个问题。另一个挑战在于中国本土管道自身的产出能力。

“53.5%的研究者从未离开中国，任何关于签证和准入的政策讨论都触及不到他们。”——报告指出

两个问题需要不同政策工具

报告指向的方向是美国自身的K-12（从幼儿园到12年级的基础教育阶段）和理工科高等教育改革，但同时承认这是一个更长周期的工程。目前美国内部的辩论大多只围绕第一个问题（人才准入限制）展开，对本土产出能力的应对尚未形成有效政策工具。

深层次维度：从人才到AGI竞赛

行业主流叙事在讨论通用人工智能（AGI，指具备与人类同等智能水平的人工智能系统）竞赛时，焦点通常集中在算力和数据上。这份报告提供了另一个维度的坐标系：DeepSeek从第一篇LLM论文到V4版本，只用了两年零三个月，其人才底盘完全源自本土实践。

• 本土供应链：指研究者在未经历海外教育或工作的情况下，通过国内科研体系完成从基础研究到模型构建的全流程能力。
• K-12：美国基础教育阶段的通用表述，涵盖幼儿园到高中，是理工科人才培养的起点。

过去一年中国AI团队扩张57%，清华贡献者从16人增至46人

过去一年，中国AI模型研发团队在多维度实现规模与技术跃迁。模型参数从67B扩张至1.6T，支持的上下文长度达到100万Token，团队人数从215人增加到356人。清华贡献者数量从16人增至46人，中科院网络覆盖面翻倍，核心班底保持完整。

模型性能突破：V4系列推理效率大幅跃升

V3.2的高算力变体已在2025年国际数学奥林匹克（IMO）和国际信息学奥林匹克（OI）上获得金牌级表现。新发布的V4系列在百万Token上下文场景下，单Token推理计算量仅为V3.2的27%，KV cache占用仅为V3.2的10%。

KV cache（键值缓存）是一种用于减少重复计算的技术，在大模型推理中可显著降低内存占用与延迟。

人才供应链加速：团队规模扩大57%，核心班底无人流失

• 清华贡献者人数从16人扩大到46人
• 中科院网络覆盖面在一年内翻倍
• 整体研发团队规模扩大57%，核心班底保持稳定

研发团队的持续扩张与人才密度提升，为模型技术迭代奠定了直接基础。报告指出，能独立产出前沿模型贡献者的人才体系需要数十年积累，而中国的积累已经完成，正在进入产出加速期。

“如果AGI竞赛的关键变量包含谁能最快组建和维持一支前沿研究团队，中国已经拿出了证据，它拥有一条可以独立运转的人才供应链……中国的积累已经完成，正在进入产出加速期。”