DeepSeek 、一気に150人を採用！
彼らの規模はたった300〜500人なのに、大きな動きを起こそうとしているようだ。
また、この150のHCはAI研究分野ではなく、サーバーサイド開発エンジニアとAgent弾性計算開発エンジニアの2つのポジションに集中しており、2〜10年の経験を持つ上級バックエンド開発者を主な対象としています。
責任者の崔添翼は、規模が大きくなると複雑さが生じ、その複雑さが再び規模の拡大を要請すると説明した。
これは……チーム人数のスケーリング法則ですか？
DeepSeekの弹性計算が論文から大規模なエンジニアリングへと進化
今回のエージェント弹性計算開発エンジニアは、プラットフォーム開発と底层システムの二つの方向に分かれています。
このプラットフォームは、エージェント向けにカスタマイズされた柔軟な計算プラットフォームDSecです（ DeepSeek （Elastic Compute）、不久前に発表された DeepSeek -V4技術レポートで初公開。
論文の説明によると、DSecは3つのRustコンポーネントで構成されています：APIゲートウェイApiserver、各ホスト上のEdgeエージェント、およびクラスターモニタリングツールWatcher。これらは自社開発のRPCプロトコルを介して相互に接続され、実行されます。 DeepSeek 自社開発の3FS分散ファイルシステムの上に。
求人情報には、次の工程拡張の計画が示されています。
信頼性と効率を高めるため、DSecはオペレーティングシステムから仮想マシン、ネットワークとストレージの各層、そしてアプリケーション層のスケジューリングとコントロールプレーンサービスに至るまで、システムスタック全体を変更する必要があります。
このプロジェクトには、これまで誰もやったことのない多くのことが含まれており、コピーできる既存の答えはありません。
プラットフォームの開発と保守の方向性は、製品と開発の両方の要素を兼ね備えており、要件の理解に参加するとともに、システムの設計、開発、保守を自ら手がける必要があります。
底层の最適化とハードコアな課題解決において、「特定のオペレーティングシステムコンポーネントのパフォーマンスをSOTAまで引き上げる、あるいはハードウェアの限界まで押し込む」ことは評価ポイントです。
最後のこの文「あなたの仕事はAgentモデルの訓練の多様性と効率を直接決定します」は空言ではありません。
なぜなら DeepSeek SOTAを達成し、オープンソースにすれば、未来だけでなくその影響はそれ以上に広がる。 DeepSeek Agentのインフラではなく、業界全体です。
エージェントが開発の全プロセスを貫通します
サーバーサイド開発エンジニア側では、6つの方向性がモデル研究からユーザー向けサービスまでの完全なフローをカバーしています：
大規模モデル研究プラットフォーム分野、Agentフレームワークコンポーネント分野、開発効率インフラ分野、 DeepSeek API分野、オンラインサービス分野、データエンジニアリング分野。
DeepSeek このチームのミッションは、大規模モデル研究の最前線に十分近づき、開発した成果に研究現場からの即時フィードバックを得ることです。プラットフォームの信頼性と使いやすさは、大規模モデル研究の効率と知能の上限を高める速度に直結します。
大規模モデル研究プラットフォームの核心的なタスクは、研究プロセスをプラットフォームの機能として抽象化することであり、「研究者の一線での作業シーンに深く入り込む」ことで、要求を受動的に受けるのではなく、自ら問題を特定する必要がある。最終的な目標は、「研究アイデアの提案から検証、イテレーションまでのサイクルを短縮すること」である。
Agentフレームワークコンポーネント担当は、統一されたAgent接続および実行フレームワークの構築を担当します。
開発効率インフラ分野の責任は、統一されたCI/CDシステム、可観測性とアラートシステム、大規模データのクロスクラスタ転送とガバナンス、運用自動化などをカバーし、明確に「Agentの自動診断およびRCAへの応用を探索する」ことを掲げている。
外部ユーザー向けの2つの方向が直接サービスを提供しています DeepSeek の製品。
DeepSeek APIの方向性は、「超大規模APIサービスの課題」に対応し、最先端モデルの研究成果を安定かつ効率的なAPIを通じてグローバルな開発者と膨大なユーザーに提供し、内部推論フレームワークと共同で進化させます。
オンラインサービスの方向性では、数千万の日次アクティブユーザー規模の大規模モデルアプリケーションのアーキテクチャ設計と継続的なイテレーションを支える必要があります。
最後に、データエンジニアリング分野はモデル訓練からオンラインサービスまでのすべてのプロセスを支援し、技術スタックにはSpark、Flink、Kafka、ClickHouse、Icebergなどが含まれます。応募者は、埋め込みログからビジネス指標までのエンドツーエンドのデータモデリングを自立して実施できることが求められます。
これらの方向の責任をつなげて見ると、一連の完全なプロセスが明らかになります。モデルはサンドボックス環境でタスクを実行し、プラットフォームが操作の過程と結果を記録してトレーニングおよび評価データを生成し、そのデータはモデルの改善に再利用されます。
DeepSeekはどのような人を求めていますか？
すべての研究関連の職務では、同じことが強調されています。エンジニアは「研究者との現場での協働」に深く関わり、要件を受動的に受け取って実行するのではなく、自ら問題を特定し、解決策の定義から実装まで推進することです。
求人情報では、理想的な候補者を一文全体で描いています。 DeepSeek 日常の開発工作中でAgentを深く使用しているエンジニアを採用したい。
要件の一つは、「AI Agentツールを熟练に使用してソフトウェア開発を行い、AIの支援のもと、直接的な経験のない分野でも品質が保証されたコードを書くこと」です。
Agentが問題のあるソリューションを提供した場合、あなたは敏感にそれを見抜き、適時に介入できる必要があります。
このエージェント時代において、特定の言語やツールの使用経験、あるいは特定のタイプのプロジェクトを実施した経験の重要性は低下している。
開発は「私がやり方を知っている」から、「私が何を質問すべきか、どこで間違っている可能性があるか、どのようにそれが正しいことを証明するか」へと移行しています。
参考リンク：
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/
本文は微信公衆アカウント「量子位」より、著者：夢晨