DeepSeek时代下工程师如何借力AI突围——InfoQ报告总结
DeepSeek 时代下工程师如何借力 AI 突围——InfoQ 报告总结
来源：InfoQ - DeepSeek 时代下工程师如何借力 AI 突围？
演讲者：彭靖田（上海载极数据科技创始人/CEO，谷歌开发者专家）
会议：QCon 全球软件开发大会（北京站）2025-09-26
主题：AI 时代下的企业人才管理体系
核心议题
本次分享探讨了三个核心问题：
- AI 是否会取代程序员？
- 会用 AI 的程序员是否会取代不会用的？
- 企业是否会用外部供应商取代内部研发团队？
一、DeepSeek 爆火的现象与本质
现象级数据
- 7 天达到 1 亿用户：改写 ChatGPT 两个月达到 1 亿用户的记录
- 政治高度：
- 2025年1月20日：梁文峰在总理座谈会发言，同日 R1 发布
- 2月17日：最高级别民营企业家会议，梁文峰坐第一排（紧邻马化腾）
四大核心优势
| 维度 | 具体表现 |
|---|---|
| 技术能力 | 在推理大模型赛道领先，逼得 OpenAI 和 LLaMA 动作变形 |
| 开源战略 | 免费开源，争夺 AI 技术标准制定权（如 TCP/IP、HTTP 协议） |
| 低成本 | 被称为"大模型界的拼多多"，迫使 LLaMA 4 采用 MoE 架构 |
| 国产化 | 解决政企数据安全顾虑，推动国产半导体（如沐曦 GPU、华为昇腾）销量增长 |
国产化意义
- 数据主权：邮储银行等金融机构不敢用海外模型（包括开源的 LLaMA）
- 产业链拉动：上海沐曦 GPU 完成上市辅导，华为昇腾销量增长近 10 倍
- 生态建设：为国内智能体生态和大模型应用提供基础
二、DeepSeek 技术演进与竞争态势
版本发展时间线
2024 Q1-Q2: V1 版本发布
2024.05: V2 版本（MoE 架构）超越 Mixtral
2024.12: V3 版本与 GPT-4O、Claude 3.5、LLaMA 3.1 竞争
2025.01.20: R1 版本赶超 OpenAI GPT-O1
2025.03.24: V3 更新（160→256 专家，低精度训练）
2025.04.06: Meta LLaMA 4 跟进 MoE 架构
关键技术突破
V2 版本（2024.05）
- 创新点：MoE（Mixture of Experts）架构
- 影响：终结"欧洲 OpenAI" Mixtral 的声势
V3 版本（2024.12 → 2025.03）
- 对标对象：LLaMA 3.1（4000亿参数）、GPT-4O、Claude 3.5
- 优势维度：MMLU 语义理解、数学能力等
- 低调更新：3月24日版本未更名，专家数 160→256，采用更低精度
R1 版本（2025.01）
- 训练机制：V3 吐出基础数据集 → R1 Zero → R1（左脚踩右脚式迭代）
- 后训练突破：强化学习 + SPCT 方法解决 Reward Model 构建难题
- 蒸馏系列：
- DeepSeek-R1（满血版）
- DeepSeek-R1-Distill-Qwen-32B（企业常用）
- DeepSeek-R1-67B（平衡性能与速度）
竞品动态对比
| 时间 | DeepSeek | OpenAI | Meta | |
|---|---|---|---|---|
| 2025.01.20 | R1 发布 | - | - | - |
| 2025.03.24 | V3 更新（256专家） | - | - | - |
| 2025.03.25 | - | - | Gemini 2.5 Pro 发布 | - |
| 2025.03.26 | - | GPT-4O 紧急发布（抢风头） | - | - |
| 2025.04.06 | - | - | - | LLaMA 4 跟进 MoE |
观察：
- OpenAI 节奏混乱，GPT-5 推迟
- Google 像"大模型界的汪峰"，发布时总被抢风头
- Meta 开始拥抱 MoE 架构降成本
三、企业人才价值链重构
双向选择的本质对齐
人才视角 ↔️ 企业视角
【人才诉求】 【企业诉求】
个人发展 ←→ 战略执行（KPI/OKR 对齐）
技能提升 ←→ 团队协作（1+1>2 的效能）
薪酬回报 ←→ 价值创造（业绩驱动）
三大核心对齐
-
目标对齐
- 个人发展方向与企业战略一致
- 通过 KPI/OKR 实现目标同步
- 避免自由生长式的无效努力
-
技能对齐
- 从"八仙过海各显神通"到"团队协作互补"
- 企业更看重团队整体效能而非个人技能深度
- 能够协作甚至调度专家的能力更有价值
-
业绩对齐
- VC 时代结束，不能靠融资随意涨薪
- 只有创造实际价值才能获得薪酬回报
- 企业焦虑：100人团队每天工资成本vs产出价值
企业考核逻辑转变
传统模式：100% 个人自由发挥
大模型时代：20% 自由增长 + 80% 公司目标对齐
四、AI 在人才管理全流程的应用
招聘环节：AI vs AI
候选人侧
- 笔试：多个大模型同时回答 → 整合答案提交
- 面试：AI 辅助回答更全面，提升通过率
企业侧应对
- 笔试：AI 出题 → AI 评审报告
- 面试：数字人面试官
- 结果：不会用 AI 的候选人在此环节被淘汰
培养与发展
企业痛点
- "四月之痒"：年终奖后离职潮（类似婚姻"七年之痒"）
- 培养需求：自己培养的人才更了解公司文化
解决方案
- 个性化培训计划
- 完整评估流程
- 工具推荐：极客时间企业版
️ 五、如何成为不被 AI 取代的工程师
三大核心策略
1️⃣ 把 AI 当工具（像手机一样）
- 心态：AI 不神奇也不可怕，只是工具
- 行动：用 AI 解决问题，提升效率
- 量化：企业可能要求 AI 使用率/覆盖率达标
2️⃣ 终身学习
- 现实：大学知识大多已忘，更多在社会大学学习
- 挑战：
- 信息迭代极快，知识有效期短（某些只有几天）
- 特定大模型的提示词可能下月失效
- 新工具：MCP、AtoA 等不断涌现
3️⃣ 协同共生系统
- 个人层面：与 AI、与团队协作
- 企业层面：用 AI 高效筛选和保留优秀人才
六、中国 AI 下半场的战略机会
陆奇老师观点（奇绩创坛内部分享）
技术维度
上半场：知识驱动的大模型（已结束）
下半场：推理驱动的模型（刚开始）
中国在推理驱动领域有先发优势（R1 领先）
生态优势
| 优势 | 具体表现 |
|---|---|
| 勤奋文化 | 创新迭代速度快 |
| 数据环境 | 无 GDPR 限制，数据使用灵活 |
| 政策支持 | 硬件、招商引资力度大 |
| 创新生态 | 更多创新可能性 |
七、关键洞察与建议
对个人的启示
-
认知升级
- 了解宏观技术趋势，知道巨人已达到的高度
- 站在巨人肩膀上进行应用开发
-
能力建设
- 学习 AI 全栈：从应用层到算力层
- 了解企业评价机制，善用机制优化表现
-
职业定位
- 不仅会技术，还要会协作、会创造价值
- 从技术专家走向能调度专家的角色
对企业的启示
-
招聘策略
- AI 辅助筛选（AI vs AI）
- 重视候选人的 AI 应用能力
-
培养体系
- 个性化培训 + 评估流程
- 内部提效，量化 AI 使用率
-
考核机制
- 20% 自由增长 + 80% 目标对齐
- 业绩驱动薪酬，价值创造导向
推荐资源
论文与技术
- 强化学习在大模型训练中的应用（R1 已验证可行性）
- Post Training 的 SPCT 方法（解决 Reward Model 构建难题）
- LMSYS 榜单（Stanford、UCSD 等高校非营利组织，相对严肃）
课程推荐
- 《AI 全栈开发实战营训练营》（极客时间 - 彭靖田）
- 覆盖：应用层 → 算力层四个技术层次
- 适合：AI 开发入门 + 企业 AI 推动实践
核心结论
三个"取代"的答案
-
AI 会取代程序员吗？
- 不会，但会取代不会用 AI 的程序员
-
会用 AI 的程序员会取代你吗？
- 会，从招聘环节就开始竞争
-
企业会用外部供应商取代内部团队吗？
- 取决于团队能否创造价值、与战略对齐
生存法则
个人：AI 工具化 + 终身学习 + 协同共生
企业：目标对齐 + 技能对齐 + 业绩对齐
行业：拥抱推理驱动时代的中国机会
演讲者简介
彭靖田
- 上海载极数据科技创始人/CEO
- 谷歌开发者专家、谷歌出海创业加速器导师
- 连续创业者：3家公司成功退出（字节收购）
- 华为 2012 实验室深度学习团队成员
- Linux 云原生基金会（CNCF）程序委员会成员
- 著作：《深入理解 TensorFlow》
- 课程：《企业级 Agents 实战营》《AI 大模型应用开发营》《AI 大模型微调训练营》
报告生成时间：2025-10-04
信息来源：InfoQ - QCon 全球软件开发大会（北京站）
版权声明：文章版权归极客邦科技 InfoQ 所有
浙公网安备 33010602011771号