nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
2025年4月21日，美国胡佛研究所与斯坦福大学以人为本的人工智能研究所合作发布《深度解析DeepSeek AI的人才布局及其对美国创新的启示》报告。该报告通过收集DeepSeek团队2024-2025年间发布于arXiv平台的5篇论文的200余位共署作者的学术档案信息（历年发表记录、文献引用指标、机构隶属关系等历史数据），对中国AI人才发展进行了分析，并提出了对美国的启示。
该研究认为，中国已经建立起了一条强大的人才培养管道，完全依赖国内资源培养世界级AI人才的能力正在日益增长。此外，尽管近四分之一的DeepSeek研究人员在其职业生涯中曾在美国机构获得经验，但大多数人最终选择回到中国，形成了一种单向的知识转移，进一步推动了中国AI生态系统的发展。
这些人才流动模式对美国的技术领导地位构成了根本性挑战，仅靠出口管制和计算投资无法解决这一问题。DeepSeek是一个早期预警信号：人力资本——而非仅仅是硬件或算法——在地缘政治中的关键作用，以及美国人才优势的逐渐削弱。
该文的主要内容与结论概述如下：
一、DeepSeek为集体贡献成果，而且并非“初出茅庐”
该研究分析发现，DeepSeek的五篇论文共涉及223位作者，其中31人（14%）参与了全部论文，构成“核心团队”。目前普遍认为，DeepSeek的成功依赖于年轻且缺乏经验的研究人员。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
然而，引用指标表明，DeepSeek的人才并非如此"青涩"。例如，在可获取数据的211位贡献者中，平均每位研究人员发表了61篇作品，获得了略超1000次引用，h指数为10.8，i10指数约为19。
参与了全部五篇论文的31位核心团队更是平均每位作者获得了1554次引用（中位数为501次），平均h指数为13.5，i10指数为25.5，这进一步表明核心团队的整体影响力具有一致性，而非仅依赖少数突出个体。
这些指标为"DeepSeek核心团队由已具备可靠学术履历的研究人员组成"这一观点提供了额外证据。
与OpenAI团队的数据相比，DeepSeek贡献者之间的差异性更小。这可能暗示了一个学术经验分布更均匀的基础，而非过度依赖少数杰出人物。DeepSeek的研究引擎不仅深厚，而且宽广——这一组织特质在基础模型开发的竞争日益激烈之际可能尤为重要。
该研究由此指出，这些比较挑战了媒体关于"DeepSeek的快速崛起是由'未经考验'或缺乏经验的研究人员驱动"的叙事。尽管OpenAI持续获得全球认可，但就传统的文献计量标准而言，DeepSeek的许多核心贡献者在取得突破时已发表更多论文、获得更稳定的引用，可以说在学术上更为成熟。
二、DeepSeek团队所属机构中国占主导，本土化培养世界级AI人才的能力已显著提升
该研究通过对201名已知隶属关系的DeepSeek作者进行纵向分析，发现超过一半（n=111）在其职业生涯中始终在中国机构接受培训和任职——这证明中国在不依赖西方专业知识的情况下，已具备培养世界级AI人才的能力。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
此外，89%的DeepSeek作者至少曾与中国机构有过隶属关系。仅有四名作者似乎从未在中国学习、培训或工作。另外，仅有24.3%的DeepSeek研究人员曾与美国机构有过学术或职业隶属关系，这进一步说明美国机构在塑造这一群体中的作用有限。
从2025年的数据来看，在201名已知隶属关系的DeepSeek作者中，171名与中国机构有隶属关系，仅有7%的研究人员与美国机构有隶属关系，这种以中国为中心的地理分布进一步强化了中国国内机构的核心作用——不仅是培养基地，更是AI人才的长期职业目的地。
三、中科院在DeepSeek团队中发挥着核心作用
该研究发现，有数据的DeepSeek论文的211名作者，与全球499家独特机构有关联，其中中国机构占368家（74%）。这一网络以学术界为主，大学和研究机构构成其核心，但也包括来自私营公司（n=17）、政府机构（n=12）和非营利组织（n=9）的培训。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
在这一机构背景中，中科院（CAS）成为战略重心。虽然直接隶属的作者仅有18名，但考虑到其153家附属机构的网络，中科院共涵盖53名研究人员。
北京大学以21个隶属关系位居第二，其中直接隶属的研究人员为20名。清华大学以16名作者紧随其后，中山大学和南京大学各有10名作者。
这一分布揭示了中国如何利用其机构基础设施支持AI发展，形成以中科院为中心、多所知名大学为支撑的网络。这一中国机构网络中的人才集中为AI创新创造了肥沃的土壤，挑战了美国在机构资源方面的优势。
四、美国虽然仍是国际科研培训关键节点，但已非核心
该研究发现，DeepSeek的AI团队中仅少数人才长期留美，63%（31人）仅短暂停留1年，另有18.4%（9人）停留2至4年，18.4%（9人）停留五年或更久，且通常跨多个机构。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
值得注意的是，DeepSeek研究人员的美国经历具有显著的机构多样性。这49名与美国有关联的研究者曾分布在26个州的65所不同机构，包括公立大学、私立学院、医学中心、非营利组织和科技公司。
而且，这些研究者并未集中在少数精英院校，而是与美国研究生态系统的广泛领域建立了联系。这种广度可能有助于他们更全面地接触美国的科学与技术实践，同时也意味着单一机构难以察觉国际AI知识交流的整体规模。
从流动方向来看，在49名有美国背景的DeepSeek研究人员中，仅有少数遵循从中国到美国并长期留美的线性路径。相反，数据显示主导的流动模式是循环式、跨国且具有战略适应性的。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
值得注意的是，DeepSeek研究群体中仅14.2%（7人）遵循“中国→美国→留美”路径。尽管这一比例仍具意义，但它已非默认或主导结果。甚至在美国起步的研究者中，许多人最终回归中国——22.4%（11人）属于“从美国开始，最终回到中国”或“从美国开始，经过多次流动，最终回到中国”的类别。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
该研究指出，这些模式揭示了全球AI人才流动的重要特征。美国仍是国际研究培训的关键节点，但已非核心或终点。大多数DeepSeek研究者并未在美国接受培训，而接受过美国培训的人也未被留住。相反，他们以美国为跳板，获取高价值技能、人脉与资质，最终反哺中国的AI生态系统。
需特别指出的是，这49名有美国背景的研究者在整体群体中学术成就最为突出——平均被引用2168次（中位数565次），h指数均值17，i10指数均值34，远超DeepSeek作者库的整体水平。他们并非边缘角色，而是中国最尖端AI项目的核心贡献者。
对美国政策制定者而言，DeepSeek的人才分析表明，是时候重新评估“全球最优秀人才自然希望留美”这一长期假设了。吸引并永久留住顶尖人才——曾是美国技术霸权的基石——如今日益与21世纪的教育现实脱节。
DeepSeek的核心故事是本土化能力：其半数研究者从未离开中国，绝大多数与中国机构有深厚关联，即便受过美国培训的人也多数回归——这或将加速中国在全球AI竞赛中的崛起。
五、国际流动经历为中国AI人才培养的战略投资
该研究指出，在31名核心团队作者中（28人的机构任职数据可通过OpenAlex获取），有半数（14人）的职业生涯中曾在中国以外的机构任职。
这些具有国际流动经历的研究者通常遵循针对性路径：先在中国顶尖高校接受教育，随后赴海外（主要是美国、英国、澳大利亚等AI研究重镇）攻读研究生、从事博士后或科研工作，最终回归中国。
该文指出，这表明中国将国际经历视为战略性国家投资，而非“人才流失”——通过派遣研究人员赴海外获取前沿知识后回国应用，从而推动本土技术进步。
该研究最后指出，目前的人才流动模式具有重大地缘政治意义。几个世纪以来，国家实力的来源始终与有形资产紧密相关——如可征服的领土、可征税或征召的人口、可实施禁运的物资、可部署的军队等。这些有形实力来源至今仍具重要性，但在技术时代，国家权力同样衍生自无形资产——如数据、技术以及人们头脑中的知识。知识权力对经济与地缘政治竞争的重要性前所未有，它堪称最具便携性的战略武器。
这些发现挑战了一个长期存在的信念：美国将永远吸引全球顶尖人才。但现实是，顶尖人才如今拥有多元选择。DeepSeek的人才故事表明，美国不能想当然地认为其人才优势会永久持续。
相反，美国需要更积极地参与竞争：既要通过改善国内K-12 STEM教育快速提升本土人才培养能力，同时也要更努力地吸引、接纳并留住全球最优秀人才。
归根结底，DeepSeek AI的崛起不仅代表着语言模型技术的又一次进步，更通过其人才模式揭示了动摇美国创新优势传统认知的关键证据。我们对DeepSeek研究网络的分析表明，关于美国在人才培养与留存方面占据主导地位的固有认知可能已不再成立，这对未来的技术竞争格局具有深远影响。
资料来源：
Amy Zegart & Emerson Johnston. A Deep Peek into DeepSeek AI’s Talent and Implications for US Innovation. https://www.hoover.org/sites/default/files/research/docs/Zegart_DeepSeekAI_Talent_FINAL_4-21.pdf
[本文为中国教育科学研究院国际教育研究中心承担的教育部高校国别和区域研究2024年课题研究成果]
本文由中国教育科学研究院张永军副研究员整理，编辑刘强。内容仅供参考，点击左下角“阅读原文”可下载该文献。