DeepSeek 27篇论文拆解：79位“多边形战士”撑起技术壁垒，核心团队流失率不足4%
通过分析DeepSeek近两年27篇论文的328位署名作者，发现团队拥有79位横跨3个以上技术方向的“多边形战士”，24位参与10篇以上论文的核心骨干。尽管郭达雅、王炳宣等明星员工被挖，初代团队近九成仍留任，V4离职率仅约3.7%。研究揭示其扁平化组织、不设部门墙、鼓励跨界协作的文化，以及聚焦系统效率（7篇）而非刷榜的研发策略，共同构成DeepSeek的真正护城河。
事件概述
通过统计DeepSeek近两年27篇核心论文的作者信息，构建包含328人的研发作者池。数据显示，79人横跨3个及以上技术方向（被称为“多边形战士”），24人参与10篇以上论文。被外界关注的郭达雅、王炳宣、阮翀等人确实位列高频作者，但即便如此，还有21位参与强度相当的核心骨干在列。初代模型（2024年1月）的86位作者中，到V4（2026年4月）仍有75人署名，留存率近九成；V4研发名单标注离职者仅10人，占比约3.7%。
核心发现
组织与文化特征： 团队层级极薄（多为梁文锋+研究员两层），不前置分工，研究员围绕兴趣自发组队，项目显现潜力后自上而下调配资源。不打卡、不加班、无明确绩效考核。这种机制催生了高水平跨界：328人中170人至少跨过两个方向，79人跨三个以上。Top25研发作者近四成毕业于北京大学，多为2023年前后毕业的年轻人。
研发方向聚焦： 27篇论文中，系统/效率类最多（7篇），远超基座模型（5篇）和数学（5篇）。这些论文不刷benchmark，全部围绕三类底层问题：提升算力利用率（如ESFT、Insights into V3）、降低长上下文缓存成本（如NSA、Conditional Memory、DualPath）、保障超大规模训练稳定性（如DeepSeekMoE、mHC）。团队采用“大兵团+特种小队”模式：基座模型报告200-300人参与，系统/数学等方向通常6-20人先小团队验证，跑通后再集成进旗舰模型。
技术演进主线： 1）参数效率：从V2的MoE（稀疏混合专家架构）到V4持续压低激活参数与推理成本；2）长上下文效率：从V2的MLA（多头潜在注意力）、V3.2的NSA（原生稀疏注意力）到V4的Hybrid Attention，V4在100万token场景下单Token推理计算量约为V3.2的27%，KV Cache占用约10%；3）后训练整合：R1验证大规模强化学习，V4通过同策略蒸馏（OPD）将数学、代码等领域能力合并，减少混训干扰。
值得关注
DeepSeek的竞争力不依附于个别明星员工。两年多积累的从MoE到mHC等核心技术模块已内化为团队工程实践，灵活的组织文化和可复制的研发流程才是其核心护城河。正如梁文锋所述：“把价值沉淀在团队上，同事在过程中得到成长，积累很多know-how，形成可以创新的组织和文化，就是我们的护城河。”