DeepSeek招150人，AI公司到底缺什么

我对比了DeepSeek这轮放出的约150个岗位和我这两周用Excel、Grok、Kimi K3整理过的几家AI公司招聘页，实际跑了一遍岗位归类。结论先说，值得把这波扩招当成信号看，但并非所有人都适合投。岗位结构的变化比数字本身更有信息量。这次公开岗位里我没看到几个纯研究头衔，服务端、预训练数据、AI搜索、Agent Harness、Agent Infra、前端客户端反而排得很前。适合后端、数据、评测、权限、工具链方向的人关注，只想拿AI人才标签的人可能要看情况。

我把岗位拆成三堆。我把招聘信息里的岗位名、部门、要求复制到Google Sheets。Google Sheets这几天刚开始试，筛选不熟，一开始还把岗位名拆成多行，看起来像少了职位。改成一行一岗后，我用Excel备份，再让Claude Fable 5按离模型本体多远归类。提示词写了三轮，第一版把AI跨界技术人才全归成产品，我觉得不对。第二版加入是否涉及数据治理、权限、评测、部署，结果才稳定些。

分下来大概三堆。数据与搜索这一堆包括预训练数据工程师、AI搜索算法和架构。运行与工具这一堆包括Agent Harness、Agent Infra、服务端开发。交付与体验这一堆包括前端、客户端、跨界技术人才。Agent Harness更接近智能体运行框架，不负责模型本身，负责把模型接到工具、数据、权限、日志、评测和回滚上。模型会说一句话，Harness要让它真的能查库、调接口、失败重试，还要留下可审计痕迹。

最意外的是预训练数据工程师被放得很靠前。很多新手会觉得数据岗不性感，但我这边看下来，这像在补长期壁垒。模型能力会扩散，数据清洗、检索质量、评测集、用户反馈回灌却很难复制。之前我写数据中心供应链看板也有类似感觉，抽象风险最后都要落到电力、冷却、字段和现场流程上。岗位名不会撒谎。

越自动化，越需要系统工人。AI越强，公司越需要人？这里要分两层看，人未必更多，类型会变。过去可以靠少数天才做模型突破，现在要做产品、搜索、Agent和平台，就必须有工程流水线。我看到招聘信息里提到崔添翼说部门仍然非常缺人，自己每天都在面试，连招一个多月仍未招够。这个细节比岗位数量更真实。难招的往往是能同时懂模型、系统、数据和边界的人。

我也试了用viaSocket把表格通知推到Slack。viaSocket刚上手，适合快速串联日常应用，离万能插座还远。字段不统一、归类有漂移，最后还得人工核对。复杂逻辑没人梳理，工具越连越乱。

我判断接下来一段时间，AI公司招聘会从谁把模型跑出来转向谁能把模型接进真实业务。模型会更便宜、更通用，稀缺的是数据护城河、搜索质量、Agent运行框架、评测审计和端侧交付。往后看，能同时处理模型、权限、日志、回滚和成本的人，会比只会写提示词的人更吃香。