1. 报告追踪 DeepSeek 研究者职业轨迹，揭示了什么？
斯坦福胡佛研究所追踪了 DeepSeek 七篇论文背后 356 名研究者的完整职业轨迹。6 月 15 日，斯坦福大学胡佛研究所和人类中心人工智能研究院（HAI）发布白皮书，追踪 DeepSeek 七篇核心论文背后 356 名研究者的职业轨迹。报告揭示 80 位拥有美国机构经历的 DeepSeek 研究者，平均被引用 4108 次，是作者池中最高群体，且绝大多数在中国。13 位在美国深耕五年以上的长期研究者，累计在美国学术机构度过 119 年以上，其中 9 人最终回到中国，在美国待得越久，回去概率未变低。
2. 报告分析范围和方法论有何调整？
报告由胡佛研究所技术政策加速器主任 Amy Zegart 和研究助理 Emerson Johnston 联合撰写，是 2025 年首份 DeepSeek 人才报告的年度更新。分析范围从 2025 年的 5 篇论文扩展到 7 篇，新增 DeepSeek V3.2（2025 年 12 月）和 V4（2026 年 4 月），作者池从 223 人增长到 356 人，282 人可构建完整履历档案，追溯最早到 1989 年。方法论上只统计研究和工程团队成员，排除数据标注、商务和合规人员。按可比口径，团队一年内扩张 57%，最近两篇论文 14 个月内净增 141 名新贡献者，同期离开 33 人，招 4 个走 1 个。
3. 团队结构呈现怎样的「双轨制」？
团队结构呈现稳定「双轨制」。31 位研究者出现在全部七篇论文上，为「核心团队」（Key Team），占 8.7%；47 人出现在六篇，这两个群体构成稳定内核。大量轮换式贡献者，136 人仅出现在一篇论文上（占 38.2%，2025 年时为 10.3%），79 人出现在两篇，出现在三到五篇论文上的只有 63 人。这种分布在 2025 和 2026 年保持一致，要么进入核心持续贡献，要么借调解决问题后离开，团队增长来自轮换侧，核心始终 31 人。
4. 人才来源有何特点？
271 位有机构归属记录的研究者中，145 人（53.5%）整个职业生涯未与中国以外机构关联，比例与 2025 年的 55.2%基本持平。31 位核心研究者中，10 人从未离开中国，一个对标 OpenAI o1 的前沿模型（DeepSeek - R1），三分之一核心贡献者由中国本土体系培养。支撑本土管道的机构网络快速扩张，中科院及其 170 个下属机构关联研究者数量翻倍至 104 人，覆盖 37%；清华大学从 16 人增长到 46 人，浙江大学从 8 到 25，北京大学从 21 到 29，东南大学从 1 人到 15 人，北航从 3 到 14，兰州大学从 0 到 10。
5. 美国经历的研究者流动模式如何？
报告对「美国经历」修正，2025 年数据中 49 位有美国关联的研究者里，63.3%仅有一年美国经历，新数据集该比例压低到 35%。近半数在美国待 2 到 4 年，16.3%超过五年。80 位有美国机构经历的研究者中，最常见流动模式是「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%；只有 12.5%（10 人）走「中国→美国→留在美国」路径。整个有国际流动经历群体中，70.3%最终回到中国。13 位长期驻美研究者路径复杂，九位在多个国家多次转换，美国是全球化职业节点。
6. DeepSeek 团队成熟度如何体现？
梁文锋 2025 年初称核心技术岗多由工作一两年研究者填充，招人看「热情和好奇心」。如今数据表明，DeepSeek 团队已成熟。全体作者中位引用量从 249 翻倍至 681，核心团队平均引用量从 1554 跃升至 2470，增长 59%，中位数从约 700 升至 1200。与美国头部实验室对比，OpenAI 作者平均引用量 2481.5，但中位数只有 100.5，均值是中位数 25 倍，Anthropic 和谷歌中位引用量分别只有均值的 15%和 20%，而 DeepSeek 中位引用量是均值的 35%，学术影响力分布更均匀，对少数明星依赖低。
7. 美国面临哪两个挑战？
报告将美国困境拆解为两个挑战。一是留存，80 位经美国体系训练的研究者学术成就最高，他们带着积累回到中国，美国移民制度加速此过程，签证排期长、费用高、抽签制度不利。报告称中国研究者离开可能因签证制度难、贵、不确定，实际原因复杂。二是 53.5%的研究者从未离开中国，签证和准入政策触及不到他们，10 位核心团队成员无美国或国际研究经历参与构建前沿推理模型，本土供应链使「限制人才流动维持技术优势」策略失效，美国需迎接中国本土管道独立产出能力挑战，报告指向美国自身 K - 12 和理工科高等教育改革，但承认是长周期工程，目前美国内部辩论多围绕第一个挑战。
8. 中国人才供应链对 AGI 竞赛有何意义？
行业讨论 AGI 竞赛焦点通常在算力和数据上，这份报告提供新维度。DeepSeek 从第一篇 LLM 论文到 V4 用两年零三个月，模型参数从 67B 膨胀到 1.6T，支持上下文长度扩展到 100 万 Token，研发团队从 215 人扩张到 356 人。V3.2 在国际数学和信息学奥林匹克拿到金牌级表现，V4 系列在百万 Token 上下文场景下推理效率提升，单 Token 推理计算量只有 V3.2 的 27%，KV cache 只有 10%。如果 AGI 竞赛关键变量包含「组建和维持前沿研究团队」，中国拥有独立运转人才供应链，过去一年扩大团队规模、提升机构覆盖面、核心班底未变。能独立产出前沿模型贡献者的人才体系需数十年积累，报告结论是中国积累完成，进入产出加速期。那么，美国将如何应对中国在人才供应链上的优势呢？
