DeepSeek AI的五篇论文背后几乎所有研究人员都在中国接受教育或培训，超过一半的研究人员never前往中国接受教育或工作，这表明中国正在通过完全本土化的培养体系，不断增强培养世界级人工智能人才的能力。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过经验，但大多数人最终回到了中国，形成了一种单向的知识转移，从而惠及中国的AI生态系统。
DeepSeek AI颠覆了关于人工智能（AI）创新的传统观念。2025年1月发布，该公司的R1语言模型和V3通用大型语言模型（LLM）sent市场震荡，并对美国在前沿人工智能发展方面的技术优越性假设构成挑战。中国创业公司DeepSeek AI颠覆了关于人工智能（AI）创新的传统观念。2025年1月发布，该公司的R1语言模型和V3通用大型语言模型（LLM）sent市场震荡，并对美国在前沿人工智能发展方面的技术优越性假设构成挑战。
本文研究了2024年1月至2025年2月期间撰写DeepSeek五篇基础性论文的200多名研究人员的教育背景、职业路径和国际流动性。这五篇论文构成了公司自2023年成立以来公开可用的研究论文库。这些人才模式对美国技术领导地位构成了根本性挑战，而出口管制和计算投资单独都无法解决。深Seek是一个关于人力资本——不仅仅是硬件或算法——在 geopolitics 中发挥的至关重要作用以及美国人才优势正在衰落的预警指标。
研究发现，只有四分之一的DeepSeek研究人员（24.3%，n=49）曾与美国机构有过学术或职业渊源——这进一步说明美国机构在塑造这一群体方面所起的作用有限。目前仅7%（n=15）的研究人员拥有美国籍属关系。这些人员包括在知名研究大学（如石溪大学、北德克萨斯大学和加州大学旧金山分校）、医疗机构（如波士顿儿童医院）以及科技或生物科技公司（包括谷歌、奥曲沙坦和健康第一）的职位。
DeepSeek研究人员中美国经验的机构多样性十分显著。拥有美国关联的49名个体连接到26个州的65个不同机构，包括公立大学、私立学院、医疗中心、非营利组织和科技公司。虽然没有任何单一机构拥有超过三名研究人员，但包括南加州大学、斯坦福大学和纽约大学在内的几个机构拥有多个关联。这种分布涵盖了美国的全部地理范围，在关键创新中心可见聚集：湾区和南加州、波士顿至华盛顿走廊，以及德克萨斯州和中西部的科研密集区。
重要的是，这些研究人员并非集中在一小部分精英校园内，而是广泛参与了美国研究生态系统的各个层面。这种广泛性可能促进了更广泛接触美国科学和技术实践。这也意味着没有任何单一机构能够充分了解正在进行的国际人工智能知识交流的规模。
DeepSeek群体中只有14.2%（n=7）的成员（例如，郭瑞琪、王沛怡，→→→王冰璇）遵循了“中国-美国-停留”路径——在最初培训后仍留在美国。尽管这一群体仍然显著，但已不再是默认或主导的结果。即使在最初在美国开始研究的学者中（例如张博、张若宇），许多人最终移居中国，其中22.4%（n=11）属于“始于美国，最终在中国”或“始于美国，旅居，最终在中国”类别。
综合来看，这些模式揭示了全球人工智能人才流动的重要特征。美国仍然是国际研究培训的关键节点——但它并非支点或终点。DeepSeek的大部分研究人员并非在美国接受培训，而在此接受培训的人也未被留住。相反，他们只是途经此地。这些发现表明，美国机构正发挥着跳板的作用，为精英研究人员提供高影响力技能、人脉和资质，这些最终被再投资于中国的AI生态系统。
对于美国政策制定者而言，我们的DeepSeek人才分析表明，是时候重新评估长期以来认为世界上最优秀、最聪明的人才自然想在美国学习和留存的固有假设了。吸引并永久留住全球顶尖人才——曾是美国技术主导地位的核心——似乎越来越与二十一世纪的教育现实脱节。
