# AI 人才竞争加剧，月之暗面与 DeepSeek 的“去大厂化”探索
随着大模型竞赛进入深水区，AI 人才争夺战已从“高薪挖角”升级为“生态与愿景的竞争”。传统互联网大厂凭借资源与平台优势长期占据人才高地，但以月之暗面（Moonshot AI）和 DeepSeek 为代表的新锐力量，正试图通过“去大厂化”路径重构人才吸引力——它们不依赖大厂体系，而是以技术理想、扁平化机制和极致的科研自由度，在巨头林立的夹缝中开辟出一条差异化赛道。
**月之暗面：以“研究优先”对抗规模焦虑**
作为国内大模型创业公司中的明星，月之暗面在人才策略上刻意规避“大厂化”的层级与流程。创始人杨植麟多次强调“不做大厂的影子”，其团队结构高度扁平，核心成员多为来自顶级学术机构或拥有海外背景的研究者。公司通过赋予科学家充分的选题自由和算力资源，将“好奇心驱动”作为留人核心。例如，其长上下文模型的技术突破，正源于团队对基础架构的长期专注，而非短期商业变现压力。这种“去大厂化”模式，吸引了一批厌倦大厂 KPI 导向、渴望纯粹科研环境的顶尖人才。
**DeepSeek：极客文化下的“反内卷”实验**
DeepSeek 则走出另一条路——依托幻方量化的资金与技术积累，以“非营利性研究机构”的姿态切入。它不设商业部门，员工无需承担产品化压力，薪资虽不及大厂顶薪，但通过“完全自主选题+公开论文+开源模型”的开放文化，汇聚了众多追求学术影响力的研究者。其团队规模刻意控制在百人以内，拒绝盲目扩张，甚至主动“去头部化”：不参与大厂常见的“人才军备竞赛”，转而吸纳那些对通用人工智能（AGI）有纯粹热忱、但不愿被大厂组织架构束缚的“孤勇者”。这种极客气质，在浮躁的行业中形成了一种独特的吸引力。
**“去大厂化”的隐忧与启示**
尽管两条路径在人才市场上已崭露头角，但挑战同样清晰：缺乏大厂生态支撑，意味着在算力成本、商业化落地和长期资金稳定性上存在天然短板。月之暗面需平衡研究自由与产品交付的张力，DeepSeek 则面临“非营利”模式可持续性的拷问。然而，它们的探索揭示了一个重要趋势：当 AI 人才从“逐利”转向“逐梦”，企业竞争力的核心正从资本规模转向对技术本质的理解与尊重。未来，能否构建真正“反大厂化”的人才生态，或许将成为决定下一代 AI 公司格局的关键变量。
