DeepSeek stockt sein Team auf einen Schlag um 150 Mitarbeiter auf, darunter sind 0 Stellen für KI-Forschung enthalten.
DeepSeek stellt auf einen Schlag 150 neue Mitarbeiter ein!
Was? Insgesamt hat das Unternehmen nur eine Personalgröße von 300 bis 500 Personen – das ist eindeutig eine große, geplante Maßnahme.
Und diese 150 offenen Stellen sind nicht im Bereich der KI-Forschung angesiedelt, sondern verteilen sich ausschließlich auf zwei Positionen: Backend-Entwicklungsingenieur, Entwicklungsingenieur für elastisches Computing von Agenten, wobei der Fokus auf erfahrene Backend-Entwickler mit 2 bis 10 Jahren Berufserfahrung liegt.
Der zuständige Leiter Cui Tianyi erklärt: Mit der wachsenden Teamgröße steigt die Komplexität der Arbeit, und diese Komplexität erfordert wiederum eine weitere Vergrößerung des Teams.
Ist das... das Scaling Law für die Anzahl der Teammitglieder?
DeepSeeks elastisches Computing schreitet von der Forschungspapierphase zur großtechnischen Umsetzung
Die Position des Entwicklungsingenieurs für elastisches Computing von Agenten gliedert sich wiederum in zwei Richtungen: Plattformentwicklung und untergeordnete Systeme.
Diese Plattform bezeichnet die eigens für Agenten entwickelte elastische Computing-Plattform DSec (DeepSeek Elastic Compute), die erstmals im kürzlich veröffentlichten technischen Bericht zu DeepSeek-V4 öffentlich vorgestellt wurde.
Beschreibungen aus dem Forschungspapier zufolge besteht DSec aus drei Rust-Komponenten: dem API-Gateway Apiserver, dem Edge-Proxy auf jedem Host-Rechner und dem Cluster-Monitor Watcher. Die drei Komponenten sind über ein selbstentwickeltes RPC-Protokoll miteinander verbunden und laufen auf dem selbstentwickelten verteilten Dateisystem 3FS von DeepSeek.
Die Stellenausschreibung gibt zudem Aufschluss über die weiteren Pläne für die technische Expansion.
Um Zuverlässigkeit und Effizienz zu steigern, muss DSec den gesamten Systemstapel überarbeiten: vom Betriebssystem über virtuelle Maschinen bis hin zu Netzwerken und Speichern auf allen Ebenen, und weiter bis zu den Diensten für Planung und Verwaltung auf der Anwendungsebene.
Viele Teile dieses Projekts wurden zuvor noch nie von anderen bearbeitet, es gibt keine fertigen Lösungen, die man einfach übernehmen könnte.
Die Richtung der Plattformentwicklung und -wartung ähnelt einer Kombination aus Produktmanagement und Entwicklung: Man muss an der Erfassung von Anforderungen mitwirken und das System selbst entwerfen, entwickeln und warten.
Die Richtung der untergeordneten Leistungsoptimierung und schwierigen Problemlösung ist anspruchsvoller: Es ist ein großer Vorteil, wenn man die Leistung bestimmter Betriebssystemkomponenten bis auf das SOTA-Niveau oder sogar bis an die Hardwaregrenzen ausreizen kann.
Der letzte Satz „Deine Arbeit bestimmt direkt die Vielfalt und Effizienz des Trainings von Agent-Modellen“ ist keine leere Versprechung.
Denn DeepSeek wird das SOTA-Niveau erreichen und die Ergebnisse anschließend Open-Source stellen – das wirkt sich dann nicht nur auf die zukünftige Agent-Infrastruktur von DeepSeek aus, sondern auf die gesamte Branche.
Agenten durchziehen die gesamte Entwicklungskette
Bei den Backend-Entwicklungsingenieuren decken sechs Richtungen die vollständige Kette von der Modelforschung bis zu den nutzerorientierten Diensten ab:
Richtung der Forschungsplattform für große Modelle, Richtung der Komponenten des Agent-Frameworks, Richtung der Infrastruktur für die Entwicklungseffizienz, Richtung der DeepSeek-API, Richtung der Onlinedienste, Richtung der Datentechnik.
Die Beschreibung der Aufgabe dieses Teams bei DeepSeek lautet: Man ist nah genug an der Spitzenforschung für große Modelle, sodass die erstellten Produkte sofort Feedback aus der praktischen Forschung erhalten. Die Zuverlässigkeit und Benutzerfreundlichkeit der Plattform bestimmen direkt die Effizienz der Forschung an großen Modellen und die Geschwindigkeit, mit der die Intelligenzobergrenze angehoben werden kann.
Die Kernaufgabe der Richtung der Forschungsplattform für große Modelle besteht darin, die Forschungsabläufe zu Plattformfunktionen zu abstrahieren. Dazu muss man „tief in die praktischen Arbeitsumgebungen der Forscher eintauchen“, Probleme aktiv erkennen statt Anforderungen nur passiv entgegenzunehmen. Das Endziel ist es, „den Zyklus von der Idee über die Überprüfung bis zur Iteration der Forschung zu verkürzen“.
Die Richtung der Komponenten des Agent-Frameworks ist für den Aufbau eines einheitlichen Frameworks für die Einbindung und Ausführung von Agenten zuständig.
Die Aufgaben der Richtung der Infrastruktur für die Entwicklungseffizienz umfassen das einheitliche CI/CD-System, das System für Beobachtbarkeit und Warnungen, den fließenden Übergang und die Verwaltung großer Datenmengen zwischen verschiedenen Clustern sowie die Automatisierung des Betriebs. Außerdem wird explizit vorgeschlagen, „die Anwendung von Agenten bei der automatischen Diagnose und der Ursachenanalyse (RCA) zu erforschen“.
Die zwei nach außen gerichteten Richtungen dienen direkt den Produkten von DeepSeek.
In der Richtung der DeepSeek-API muss man die „Herausforderungen von extrem großen API-Diensten“ meistern, die Forschungsergebnisse der neuesten Modelle über stabile und effiziente APIs an Entwickler auf der ganzen Welt und eine riesige Nutzerzahl weitergeben und gemeinsam mit dem internen Inferenz-Framework weiterentwickeln.
In der Richtung der Onlinedienste hingegen muss man die Architekturgestaltung und fortlaufende Iteration von Anwendungen für große Modelle mit einem Umfang von mehreren zehn Millionen täglich aktiven Nutzern unterstützen.
Schließlich dient die Richtung der Datentechnik allen Schritten von der Modellausbildung bis zu den Onlinediensten. Der Technologie-Stack umfasst unter anderem Spark, Flink, Kafka, ClickHouse und Iceberg. Von den Bewerbern wird verlangt, dass sie die vollständige Datenmodellierung von den Protokollen der Erfassungsstellen bis zu den geschäftlichen Kennzahlen selbstständig durchführen können.
Betrachtet man die Aufgaben dieser Richtungen zusammen, so ergeben sie eine vollständige Kette: Das Modell führt Aufgaben in einer Sandbox-Umgebung aus, die Plattform zeichnet die Arbeitsschritte und Ergebnisse auf, erstellt Trainings- und Bewertungsdaten, die dann zur Verbesserung des Modells verwendet werden.
Welche Art von Mitarbeitern sucht DeepSeek?
Alle mit der Forschung verbundenen Positionen betonen dasselbe: Die Ingenieure müssen „tief in die praktischen Arbeitsumgebungen der Forscher eintauchen“, Probleme aktiv erkennen und die Umsetzung von Lösungen von der Definition bis zur Inbetriebnahme vorantreiben, statt nur Anforderungen entgegenzunehmen und zu liefern.
In der Stellenausschreibung wird ein ganzer Absatz verwendet, um den idealen Bewerber zu beschreiben: DeepSeek wünscht sich Ingenieure, die bereits in ihrer täglichen Arbeit Agenten intensiv für die Entwicklung einsetzen.
Eine der Anforderungen lautet: „Man beherrscht die Verwendung von KI-Agent-Tools für die Softwareentwicklung und kann mit KI-Unterstützung Code mit garantierter Qualität auch in Bereichen schreiben, in denen man keine direkten Erfahrungen hat“.
Weiter wird verlangt: „Wenn der Agent eine fehlerhafte Lösung vorschlägt, kannst du dies scharf erkennen und rechtzeitig eingreifen“.
In diesem Zeitalter der Agenten verlieren die Erfahrung im Umgang mit bestimmten Sprachen oder Tools und sogar die Erfahrung mit bestimmten Projekttypen an Bedeutung.
Die Entwicklung vollzieht sich der Übergang von „Ich weiß, wie man es macht“ hin zu „Ich weiß, welche Fragen ich stellen muss, wo Fehler auftreten können und wie man nachweist, dass etwas richtig ist“.
Referenzlinks:
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/