高考生填志愿前，都该读一遍DeepSeek的招聘帖

背景

高考填报志愿期间，AI 公司 DeepSeek 发布了涵盖 7 大类、36 个岗位的招聘帖，引发行业关注。这并非一篇普通的招聘启事，而是对 AI 时代人才需求逻辑的直白展示——当模型能力趋近物理极限，人才选拔的标准从“经验年限”转向“基础功底 + 判断力 + 跨界纵深”。爱范儿的文章以此为契机，为高考生及在校生提供了一份从职业终点倒推路径的参考指南。

核心内容

DeepSeek 的 36 个岗位覆盖全栈开发、算法研究、核心系统研发、运维、产品、数据策略、深度学习研究，以及 HR、法务、财务、采购等职能岗，工作地点从北京、杭州延伸到内蒙古乌兰察布的数据中心。岗位分布显示，纯粹的模型研究员占比不高，更多需求集中在数据治理、评测机制、Agent 系统、超大规模算力集群、数据中心能源与散热管理。这说明 AI 公司的核心竞争力已从单一模型训练扩展到底层数据、算力和基础设施。

关键特征是没有僵化的经验门槛。例如高性能算子岗位的加分项写明“充分欢迎有热情的白纸同学加入”；多模态研究员岗位虽然要求五条核心能力，但补充“即使没有上述特定经验，只要基础特别扎实、代码能力极强、对多模态有极致渴望，我们也欢迎”。但“白纸”不等于“草包”，基础扎实和代码能力是硬前提。团队自称“不和任何对手比性能，只跟硬件的物理极限比”，体现对单元计算效率和能耗的极致追求。

数据与评测方向的岗位数量甚至超过研究员。专业领域产品经理要求能从知识准确性、推理质量、表达水准等多维度对模型回答形成清晰判断——当模型产出过剩，稀缺资产转为判断力。所有岗位反复强调“真实用户、真实任务、真实反馈、真实短板”，Agent Harness 方向要求模型进入真实工作流；非技术岗“全员都得会使 AI”，数据产品经理需熟悉 Prompt Engineering 并能通过 Vibe Coding 快速验证想法。

人才画像呈“哑铃”形状：一头是极硬的底层功夫（数学、体系结构、系统工程），另一头是极深的专业纵深（医学、法律、文学、小语种等），中间横着两条通用要求——判断力和 AI 工具使用能力。样样通样样松的万金油处于最尴尬位置。

针对高考生，招聘帖可作为专业选择映射表。金字塔尖的预训练研究员加分项为 NOI/CMO/CPhO 银牌及以上、顶尖高校院系排名前 5%，对应数学和物理功底。超算集群工程师要求深刻理解计算机组成、操作系统、计算机网络等核心原理。IDC 数据中心团队欢迎电气、暖通、自动化、能源、通信、计算机、环境、土木等专业。文科方面，专业领域数据产品经理招收小语种、医学、法律，强调“纵深”；AI 创作数据产品经理要求文学审美能力。最后，“AI 跨界技术人才”岗位不设专业限制，加分项为“不走寻常路”。

所有岗位共性要求：攒作品（开源贡献、个人项目、技术博客）、参加硬核竞赛（超算竞赛 SC/ASC/ISC/PAC、算法竞赛 NOI/IOI/ICPC、CTF）、高强度使用主流大模型并形成体感、在顶尖团队长期实习做出主线成果。超算岗位还特意列出“视野与思辨”，认为广泛的兴趣（音乐、体育、美术）能带来独特视角。

关键要点

• 经验反而次要，基础才是硬通货：DeepSeek 及中国多家 AI 实验室的校招岗位占比近两成，平均要求经验仅 1.6 年，而美国实验室平均 5.5 年。基础扎实的年轻人才被直接推向核心任务。
• “白纸”不等于“草包”：允许没有特定经验，但必须基础特别扎实、代码能力极强，且对领域有极致渴望。能力而非资历成为准入门槛。
• 数据与评测成为新核心：预训练数据、后训练数据、Agent 数据、专业领域数据等岗位数量超过纯研究员，判断力（能分辨回答优劣）是稀缺能力。
• 哑铃型人才结构：一头是数学、物理、体系结构等硬功底，另一头是医学、法律、文学等专业纵深，中间贯穿判断力和 AI 工具使用能力。万金油型人才被边缘化。
• 作品积累胜过履历：一作引用超 100 的文章（不要求已发表）、大型开源软件深度贡献、个人技术博客、甚至创业经历，都是被认可的证明。
• 竞赛与实习要真打：超算竞赛、算法竞赛、CTF 等需要实际成绩；实习必须在核心团队做出主线成果，凑数经历反而露怯。
• AI 工具成为必备技能：从研究员到非技术岗，全员需熟练使用先进 AI 工具，数据产品经理需掌握 Prompt Engineering 和 Vibe Coding。
• 跨学科纵深价值凸显：法学生能判断法律回答严谨性并设计评测集，中文系能拆解写作好坏维度——这些专业纵深是模型下一次突破的起点。

意义与影响

对高考生而言，这份招聘帖提供了一种“从终点反推起点”的志愿选择思路。AI 行业瞬息万变，但底层核心知识和能力维度相对稳定：数学、物理、计算机组成原理、体系结构、分布式系统等“硬课”无论专业名称是否带“智能”，都值得优先选择；同时，文科和专业学科强调纵深而非广度，法、医、文等领域精深的专家价值不会被替代。

对大学生而言，文章揭示了一条清晰的成长路径：在校期间尽早积累开源作品、参与硬核竞赛、深度使用 AI 工具并形成判断力、进入顶尖团队做实际贡献。这些短期无回报的苦功，恰恰是未来被“看见”的资本。

从行业角度看，DeepSeek 的招聘策略反映了 AI 竞争已进入“内功筋骨”阶段——模型是外显招式，数据、评测、算力、基建才是真正的壁垒。人才选拔不再迷信经验年限，而是回归对基础能力、判断力和跨界深度的极致要求。这种趋势将倒逼高校教育和职业规划从“刷简历”转向“真功夫”，同时也为不同专业背景的学生提供了更多元的入场机会。