（本文作者为 Tech商业，钛媒体经授权发布）
文 | Tech商业
在当下的大模型修罗场里，各家公司不仅在拼算力、拼数据，更在拼一个极其隐秘却决定生死的关键要素：招人的品味。
日前，一位与Kimi（月之暗面）和DeepSeek（深度求索）核心团队有过深度交流的从业者，在社交媒体上曝光了两家公司在招聘标准上极其强烈的反差。这种反差，不仅折射出两家明星公司截然不同的组织文化与老板基因，更扯下了AI大模型竞争背后一条极其冷酷的底层逻辑——算力不仅决定了模型的上限，更直接决定了你不得不选择的人才模型。
招聘的折叠：奥赛原教旨主义 vs 斯巴达实战派
在推文的描述中，DeepSeek和Kimi的招聘画像几乎是在两个平行的宇宙。
DeepSeek是极端的“奥赛原教旨主义者”。 他们的简历筛选门槛极其硬核，几乎只看ACM、ICPC、超算比赛等顶级竞赛的奖牌得主。DeepSeek极度偏爱年轻的本科生，甚至不需要他们有多丰富的工程经验。面试时的核心考察点并非你掌握了多少前沿框架，而是你的好奇心、对技术的纯粹热情，以及思维是否足够敏捷（脑子够不够快）。
最颠覆行业认知的是，DeepSeek对“大厂经验”极其祛魅。推文中提到，即便你之前训练过超级大模型，在DeepSeek也不一定能加分。因为每个人的做事方式不同，旧时代的训练经验在全新的范式下不仅可能无效，甚至可能成为需要被重新洗脑的“包袱”。
DeepSeek愿意接受新人前两三个月不出成果。他们投资的是一块未经雕琢的璞玉：只要培养半年到一年，能否达到全栈正式员工的水平？他们买的是你未来的上限，而不是现在的即战力。
而Kimi（月之暗面）则更像是一个残酷的“斯巴达实战派”。 Kimi的招聘逻辑是：哪里有空缺，直接把重任交给你，默认你能扛住。他们不看重你是否有光鲜的竞赛奖牌，而是死磕你是否真正触碰过AI的最前沿。
考察的题目极其务实且刁钻：你是否了解模型在测试中是如何作弊的（比如直接从代码库里扒答案）？你是否亲手跑过大规模的实验？新模型一发布，你会不会立刻跟进？面试官会甩出极难的Coding题，看你的工程习惯和组织工具的能力。如果你自己写过提效工具，直接给高分。
Kimi没有耐心等你慢慢成长，他们需要的是来之能战、且真正在泥泞中打过现代AI战争的即战力。因为对于Kimi来说，前方的仗已经打到了最焦灼的时刻，容不得半点新手村的演练。
品味差异背后：是组织焦虑，更是算力鸿沟
为什么两家顶尖的中国大模型公司，会在招人上呈现出如此极端的割裂？
推文中给出了一个极其致命且真实的底层原因：算力资源的分配。
“除了老板的品味和团队氛围之外，造成这种差异的一个重要原因是：DeepSeek的算力比Kimi更充裕。如果没有计算资源，即使人来了，也没有算力让他们去真正干活。”
这句话，堪称整个大模型时代的“黑色幽默”。
算力充裕，让DeepSeek有底气去“养天才”。 拥有幻方量化深厚家底和早期疯狂囤卡战略的DeepSeek，拥有极其庞大的GPU集群。他们不需要新员工一进来就疯狂跑实验去抢产出。他们可以让一个奥赛金牌得主花半年时间去阅读论文、去思考底层的架构创新（比如他们在MoE混合专家模型上的极致优化），在试错中培养出极致的工程直觉。
在DeepSeek的逻辑里，大模型是一场长跑。那些在大厂里习惯了用几万张卡“大力出奇迹”的工程师，往往缺乏在受限资源下做极致优化的能力。而一群没有经验包袱、智商极高的年轻人，在不受短期KPI压迫的“乌托邦”环境里，反而能用最纯粹的数学直觉，爆发出颠覆性的架构创新。
而算力紧缺，逼迫Kimi必须寻找“超级个体”。 对于Kimi来说，每一张H100/B200显卡的算力时长都极其宝贵。如果招一个新人，还要花半年时间去培训他如何使用集群、如何排查底层的通信Bug，这在算力上是一种极大的隐性浪费。
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，筛选出那些已经在别处交过学费、能瞬间将极其有限的算力转化为模型提升的成熟工程师。Kimi买的不是你的潜力，而是你立刻能转化为算力效能的生产力。 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
这两家公司的招聘偏好，还揭示了一个更深远的职场变化：在大模型时代，既往的“大厂光环”正在经历极速贬值。
DeepSeek不看重大模型训练经验，是因为大模型的底层架构演进得太快了。三年前训练千亿参数模型的方法，放在今天可能完全是一场灾难。很多在大厂习惯了用庞大算力硬砸出结果的工程师，一旦面对资源受限的场景，或者需要重新设计底层架构时，往往束手无策。DeepSeek更看重底层的数学直觉，因为他们相信自己能重新定义游戏规则。
而Kimi看重“动手能力”与“工具组织能力”，则是因为在AI落地的过程中，脏活累活实在太多了。数据清洗、评测排雷、推理加速、防范模型在基准测试中作弊……这些工作根本没有什么高大上的理论可讲，纯粹需要极高的智商去堆工程量。Kimi需要的是能够在泥泞中搭建起完美工具链的极客，而不是只会在PPT上画架构图的“大厂混子”。
在传统互联网时代，架构师的经验是护城河；但在大模型时代，旧经验往往是阻碍你拥抱新范式的绊脚石。谁能最快地忘掉过去，谁就能最快地适应这个以“月”为单位的迭代周期。
从人才战看终局：算力霸权与智力密度的双重较量
透过这两份截然不同的招聘清单，我们其实看到了中国大模型竞争的两种终极路径。
DeepSeek代表的是“算力霸权+顶级智力密度”的精英路线。用最充裕的算力，养最聪明、最纯粹的一批本土年轻人。他们不需要去卷什么To B的商业化落地，不需要每天写汇报文档，他们只需要在实验室里死磕模型结构，去触碰那个可能只有万分之一概率的技术突破。这是一种极具浪漫主义色彩的极客乌托邦。
Kimi代表的则是“极限资源+工程实战”的斯巴达路线。他们必须在有限的算力下，拼刺刀般地抢夺每一个Token的效能。他们的工程师必须是全能的，懂数据、懂评测、懂底层调优，甚至要防备模型在跑分时的作弊。这条路更苦、更累，但也更能锻炼出百战不殆的AI工程铁军。
这两条路没有绝对的对错，它们都是中国AI大模型在这场残酷的全球竞赛中，不可或缺的侧面。
结语：认清你的生态位
对于每一个想要登上这艘大模型牌桌的从业者而言，这段推文是一次极具价值的启示。
认清自己的定位吧：你是那个能在草稿纸上推导出新范式的竞赛冠军，还是那个能在匮乏的算力池里榨干最后一点性能的工具大师？
在AI时代，顶尖的人才从来不会被埋没，但前提是，你必须找到那个与你“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；而算力充裕的公司，则会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。
在通往通用人工智能（AGI）的漫长黑夜里，算力是柴火，而人才是火种。只有柴火足够充沛，火种才能在漫长的试错中，最终燎原。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
