Was ist Liang Wenfeng's Einstellung zu Talenten hinter dem Konflikt zwischen den "Genius Youngsters" von Huawei und DeepSeek?
Li Bojie, Absolvent des Jugendkollegs der Universität für Wissenschaft und Technik Chinas und einer der ersten „Genius Youngsters“ von Huawei – ein Mann mit unzähligen Vorzügen – stieß bei seinem Vorstellungsgespräch bei DeepSeek auf eine harte Wand.
Li Bojie berichtete, dass nach bestandener schriftlicher Prüfung eine Pause von einem halben Monat folgte und das Vorstellungsgespräch erst nach wiederholtem Drängen arrangiert wurde. Während des Gesprächs äußerte der Interviewer von DeepSeek den Verdacht, dass Li Bojie Code kopiert habe. Li fühlte sich beleidigt und beendete das Gespräch sofort.
Unabhängig davon, wer in dieser Angelegenheit Recht hat, lenkt die Aufmerksamkeit der Öffentlichkeit erneut den Fokus auf die Personalbeschaffung von DeepSeek.
Seit der Finanzierung sind Talente immer ein Schlüsselbegriff für DeepSeek. Doch dieser Vorfall um Li Bojie sorgte für eine dramatischere Spannung und rückte die Personalprobleme von DeepSeek stärker in den Fokus.
Mit dem Durchbruch von DeepSeek-v3 und R1 wurden mehrere Kernmitglieder von DeepSeek abgeworben. Kürzlich enthielt der technische Bericht zu DeepSeek-V4 eine Liste von fast 300 Entwicklern als Autoren.
In dieser Liste sind 10 Personen mit „verlassen das Unternehmen“ markiert. Normalerweise blenden Unternehmen ehemalige Mitarbeiter in Veröffentlichungen aus – DeepSeek hingegen kennzeichnet sie klar und deutlich.
Diese ehemaligen Mitarbeiter decken nämlich vier zentrale technische Bereiche von DeepSeek ab: Basismodell, Inferenz, Multimodalität und OCR.
Glücklicherweise sind trotz des Abgangs einiger Spitzenkräfte auch neue Talente zu DeepSeek gestoßen. Beispielsweise Cui Tianyi, ein Studienkollege von Liang Wenfeng: Nach seinem Einstieg bei DeepSeek startete er eine breite Rekrutierungskampagne und holte zahlreiche herausragende Fachkräfte ins Unternehmen.
DeepSeek plant, seine Belegschaft zu verdoppeln – aber wie genau soll man rekrutieren? Welche Talente werden gesucht? Keine Eile, wir gehen das Schritt für Schritt durch.
Nach Erhalt von 50 Milliarden Yuan: Sofortige massive Erweiterung der Belegschaft
Neun Tage nach dem Geldeingang, spät in der Nacht des 25. Juni, veröffentlichte DeepSeek gleichzeitig Rekrutierungsankündigungen über Kanäle wie WeChat Official Account und Xiaohongshu.
In der Ankündigung heißt es: „Die Menschheit steht heute an der Schwelle zur AGI. Treten Sie DeepSeek bei, erleben Sie die Entwicklung von AGI hautnah, sitzen Sie in der ersten Reihe der Zeit und erleben Sie die Geburt einer neuen Ära. Mit der technischen Weiterentwicklung streben wir an, die Größe aller Abteilungen mindestens zu verdoppeln.“
Daten relevanter Rekrutierungsplattformen zufolge bietet DeepSeek derzeit insgesamt 121 offene Stellen an – ein Umfang, der selbst im Vergleich zu Großunternehmen wie Tencent oder ByteDance beachtlich ist.
Diese Rekrutierung umfasst 7 Kategorien mit insgesamt 33 Positionen, die Arbeitsorte sind Peking und Hangzhou, und alle Stellen nehmen Praktikanten auf. Die Bandbreite reicht von der Grundlagenentwicklung wie Supercomputing-Cluster, Hochleistungsoperatoren/Compiler, Trainings-/Inferenzframeworks für große Modelle und hochverfügbares verteiltes Speichersystem bis hin zu Backend-Entwicklern, Pre-Train-Daten-Ingenieuren und KI-Suchalgorithmus-/Architektur-Ingenieuren.
Auf höherer Modellebene liegen die Schwerpunkte dieser Rekrutierung: Das Agent Harness-Team sowie Frontend-/Client-Entwickler.
Neben diesen eng mit KI verbundenen Positionen gibt es sogar Produktmanager für Daten in Fachbereichen wie Recht, Medizin und seltene Sprachen. Sogar die Funktionsabteilungen wie Personal, Recht, Finanzen und Verwaltung sollen erweitert werden.
Es gibt eine besondere Position namens „KI-übergreifende technische Talente“, die sich an Kandidaten richtet, die über außergewöhnliche Fähigkeiten verfügen und an der Schaffung und Gestaltung von AGI mitwirken möchten. Es gibt keine Einschränkungen bezüglich des Fachhintergrunds – Pluspunkte sind „unkonventionelle Wege gehen“, „in einem Bereich Spitzenleistungen erbringen“ und „Unternehmenserfahrung haben“.
Das bedeutet, dass DeepSeek von einem kleinen Labor zu einem regulären KI-Unternehmen geworden ist.
Auf der anderen Seite der massiven Rekrutierung steht jedoch ein Abfluss von Talenten bei DeepSeek.
Von der zweiten Hälfte 2025 bis zur ersten Hälfte 2026 haben mindestens 5 Kernentwickler von DeepSeek das Unternehmen verlassen.
Guo Daya, Kernforscher von DeepSeek-R1, wechselte zum Seed-Team von ByteDance; Wang Bingxuan, Kernautor des ersten großen Modells, trat dem Hunyuan-Team von Tencent bei; Luo Fuli, ein frühes Mitglied von DeepSeek, wurde von Lei Jun, Gründer von Xiaomi, mit einem Jahresgehalt in Millionenhöhe abgeworben und leitet nun das große Modell MiMo von Xiaomi. Außerdem haben Wei Haoran, Ruan Chong und andere das Unternehmen nacheinander verlassen.
Der Abfluss von Talenten ist nur ein Aspekt: Um um Fachkräfte zu konkurrieren, bieten Großunternehmen mit ihrer starken finanziellen Kraft diesen jungen Mitarbeitern astronomische Gehälter an.
Beispielsweise stieg das Einstiegsgehalt für „Top Seed“ bei ByteDance von rund 1,5 Millionen Yuan im Jahr 2024 auf 3 bis 5 Millionen Yuan im Jahr 2025 – 2026 übersteigen einige Kernpositionen bereits 6 Millionen Yuan. Tencent hat das „Qingyun-Programm“, Alibaba die „Ali-Star“-Förderung – in deren Rekrutierungswerbung tauchen Formulierungen wie „unbegrenztes Gehalt“ oder „keine Obergrenze“ auf.
Das ist offensichtlich keine gute Nachricht für DeepSeek.
Darüber hinaus ist bei dieser systematischen organisatorischen Erweiterung von DeepSeek nicht eine bestimmte Position am auffälligsten, sondern eine Person: Cui Tianyi.
Cui Tianyi ist Leiter des Harness-Teams bei DeepSeek. Harness ist ein im März dieses Jahres neu gegründetes Team, das sich auf die Entwicklung von Code-Agent-Produkten konzentriert und einer einfachen Formel folgt: „Modell + Harness = Agent“.
Tatsächlich ist der Bereich von Harness sehr weit gefasst: Bei der Entwicklung von Agent-Produkten fallen alle unterstützenden Arbeiten außer dem Modell selbst in den Bereich von Harness. Das Team soll sich an Claude Code, dem KI-Programmierwerkzeug von Anthropic, orientieren und „DeepSeek Code Harness“ entwickeln.
Wie rekrutiert Cui Tianyi also für dieses Team?
Auf X (früher Twitter) veröffentlicht er häufig Stellenanzeigen – ursprünglich zwei, später drei Kategorien: Forscher, Entwickler und Produktmanager, wobei die Position des Forschers erstmals eingeführt wurde.
Sogar wenn Cui Tianyi auf X jemanden sieht, der Meinungen zu Agent oder Harness äußert, schreibt er in dessen Kommentarbereich und fragt, ob die Person Interesse hat, eine Bewerbung einzureichen.
Cui Tianyi erklärt: „Die Abteilung ist immer noch sehr unterbesetzt, ich führe täglich Vorstellungsgespräche“ – und fügt hinzu, dass er „überall kleine Anzeigen aufklebt“. Gleichzeitig sagt er, dass er seit über einem Monat rekrutiert, aber die Stellen noch nicht besetzt hat.
Die Rekrutierungsstrategie von Cui Tianyi hat mehrere bemerkenswerte Merkmale.
Erstens: Keine Beschränkung der Staatsangehörigkeit, nur die Voraussetzung, auf Chinesisch arbeiten zu können.
Zweitens: Keine starren Vorgaben zur Berufserfahrung. Am Beispiel des Entwicklers für Agent Harness: Die oberste Anforderung ist „hervorragende technische Fähigkeiten und umfassende technische Perspektive“ – nicht eine bestimmte Anzahl von Berufsjahren.
Drittens: Die neu eingeführte Position des Forschers erfordert mindestens 2 Jahre Forschungserfahrung, Veröffentlichungen in Top-Konferenzen der Informatik und die Fähigkeit, den gesamten Forschungsprozess von der Problemdefinition bis zur Prototypvalidierung selbstständig durchzuführen. Die Stellenbeschreibung betont ausdrücklich die doppelte Anforderung an „Forschungsgeschmack“ und „Umsetzungsfähigkeit im Engineering“.
Mit veränderten Geschäftsfeldern ändern sich auch die gesuchten Talente
Um zu verstehen, warum DeepSeek zu diesem Zeitpunkt massiv rekrutiert, reicht es nicht, nur die Finanzierungssumme zu betrachten – man muss sich ansehen, wie sich das Geschäft verändert.
Die Veröffentlichung der V4-Modellreihe, die Einführung der Bilderkennungsfunktion, die Gründung des Agent Harness-Teams und die Einführung von Spitzen-Tarifen für APIs – diese Veränderungen sind nur kurz erwähnt. Das wirklich Interessante ist: Wie sie die Art der Talente verändern, die DeepSeek sucht.
Ein Personalvermittler, der DeepSeek Mitte 2025 betreut hat, sagte: „Im vergangenen Jahr haben sich die Rekrutierungskriterien von DeepSeek subtil verändert. Letztes Jahr waren die Anforderungen noch relativ weit gefasst – eine hervorragende Biografie reichte aus. In diesem Jahr verlangen viele Stellen ausdrücklich, dass man sich in einem spezialisierten Bereich tiefgehend auskennt.“
Wie spezialisiert genau? Lassen Sie uns die Rekrutierungsankündigung von DeepSeek detailliert durchgehen.
Nehmen wir die Position des Forschers für Deep Learning: Letztes Jahr waren die Anforderungen noch allgemein – Erfahrung mit großen Modellen und veröffentlichte Arbeiten reichten aus. In diesem Jahr wurde die Position in mindestens vier spezialisierte Bereiche unterteilt: LLM-Pre-Training, Alignment, Code-/Mathematik-Inferenz und Multimodalität.
Der Grund ist offensichtlich: Die steigende technische Komplexität erfordert eine stärkere Arbeitsteilung.
Früher waren die Modelle einfacher – ein Forscher konnte den gesamten Entwicklungsprozess begleiten.
Heute hingegen sind die Methodik, Bewertungssysteme und Datenpipelines in jeder Phase völlig unterschiedlich: Pre-Training (Basismodell) → Post-Training (SFT/RLHF/GRPO) → Alignment (Sicherheit + Nutzen) → Spezialfähigkeiten (Inferenz/Code/Multimodalität). Keine Person kann all das vollständig beherrschen.
Das V4-Pro-Modell hat insgesamt 1,6 Billionen Parameter, nutzt aber nur 27 % der Inferenz-Rechenleistung des Vorgängers V3.2 – und der KV-Cache-Verbrauch sank auf 10 %. Diese Effizienz wird nicht durch das Hinzufügen von mehr Hardware erreicht, sondern durch Trainingsstrategien und Datenabstimmungen. Die neu eingestellten Fachkräfte sollen diesen Weg weiterverfolgen.
Der Kernfortschritt von R1 liegt darin, menschliche Demonstrationen aufzugeben und den Modell durch einen reinen Verstärkungslernkreislauf aus „Lösen – Belohnen – Wiederholen“ selbst Inferenzketten entwickeln zu lassen. Doch wie genau das Belohnungsmodell gestaltet werden soll, hat R1 nur angedeutet – deswegen braucht man Fachkräfte für Alignment, um diesen Weg weiterzuentwickeln.
Bei Code und Mathematik handelt es sich um den zentralen Bereich der gesamten Branche, die Grundlage für alle Agenten. Tatsächlich hat Guo Daya, der kürzlich DeepSeek verlassen hat, genau diesen Bereich erforscht.
Am 18. Juni führte DeepSeek die Bilderkennungsfunktion ein – erstmals wurde die native Integration von Bildverständnisfähigkeiten öffentlich bekannt gegeben. Für die kommende Version V4.1 ist die Integration des ViT-22B-Bildencoders geplant.
Deshalb ist die Rekrutierung von Fachkräften für Multimodalität unerlässlich.
Das Agent Harness-Team soll, wie bereits erwähnt, das KI-Programmierwerkzeug Claude Code von Anthropic als Konkurrenzprodukt entwickeln.
Wie bereits erwähnt, betont das Team den „Forschungsgeschmack“ und die Umsetzungsfähigkeit im Engineering. „Forschungsgeschmack“ bedeutet, keine Benchmarks zu optimieren, sondern sich an echten Engpässen der Praxis zu orientieren.
Vorrangig sollen Probleme gelöst werden, „mit denen Nutzer täglich konfrontiert sind, aber die die akademische Welt kaum ernsthaft erforscht“ – wie der Kontextverlust bei langen Aufgaben, hohe Fehlerraten beim Tool-Aufruf oder Fehleranhäufungen bei mehrstufigen Inferenzen.
Deshalb verlangt die Position von Bewerbern Kenntnisse im Kontextmanagement, bei Architekturen für Langzeitgedächtnis, bei der Zusammenarbeit mehrerer Agenten und bei der Orchestrierung von Tool-Aufrufen.
Die „Umsetzungsfähigkeit im Engineering“ ist leicht verständlich: Man darf nicht nur Forschungsarbeiten veröffentlichen – man muss die Ergebnisse auch zu funktionsfähigen Produkten machen.
Genau diese „sowohl-als-auch“-Anforderung filtert viele Bewerber mit rein akademischem Hintergrund direkt aus.
Die auffälligste Position dieser Rekrutierung ist die bereits erwähnte „KI-übergreifende technische Talent“. Sie dient als „Talentreservoir“, um außergewöhnliche Fachkräfte aufzunehmen, deren Fachhintergrund nicht direkt passt.
Es gibt keine Einschränkungen bezüglich des Fachhintergrunds. Nach dem Einstieg wird man entsprechend den Interessen und Fähigkeiten in das passende Forschungs- oder Engineering-Team eingeteilt.
Die einzigen harten Anforderungen sind vier Punkte: Echte langfristige Leidenschaft für KI, nachgewiesen durch praktische Taten und Ergebnisse (nicht nur Worte); außergewöhnliche handwerkliche Fähigkeiten und Lernbereitschaft, selbstständiges Denken ohne Mainstream-Anpassung; grundlegende Programmierkenntnisse; guter Bildungsabschluss.
Beispielsweise können Erkenntnisse darüber, wie das Gehirn lernt und Erinnerungen speichert, die Gestaltung von Modellarchitekturen und Trainingsmethoden inspirieren.
Schließlich beginnt DeepSeek, massiv Stellen im traditionellen Software-Engineering auszuschreiben. In der Rekrutierungsankündigung vom 25. Juni sind Positionen wie Backend-Entwickler, Frontend-/Client-Entwickler und Testingenieur klar aufgeführt – ohne das Konzept eines „KI-Full-Stack-Entwicklers“.
Denn um Produkte umzusetzen, braucht man echte Frontend- und Backend-Entwickler, die die Benutzeroberflächen gestalten – und Testingenieure, die Fehler vermeiden.
Derzeit kann KI-Programmierung professionelle Entwickler bei der Entwicklung kommerzieller Produkte nicht vollständig ersetzen. Um ein stabiles kommerzielles Produkt zu erstellen, braucht man Menschen. Wenn die Server von DeepSeek ständig ausfallen, braucht man Fachkräfte zur Optimierung – um hochverfügbare Dienste zu gewährleisten, verteilte Systeme stabil zu betreiben und die Benutzererfahrung im Frontend zu verbessern.
Liang Wenfeng ist sowohl CEO als auch CTO
Liang Wenfeng unterscheidet sich von anderen CEOs: Er versteht Technik und beteiligt sich aktiv an den Forschungsarbeiten von DeepSeek.
Am 17. September 2025 wurde die Arbeit zu DeepSeek-R1 die erste Veröffentlichung zu einem großen Sprachmodell weltweit, die unabhängige Peer-Review durchlief und auf dem Titelblatt der Hauptausgabe von Nature erschien – der korrespondierende Autor ist Liang Wenfeng selbst.
Das Magazin kommentierte dies in einer ungewöhnlichen