DeepSeek招聘150名工程师，但无人会直接接触模型
内容提要
DeepSeek大规模招聘约150名后端工程师，以应对AI智能体沙盒并发运行量激增带来的基础设施挑战。其DSec系统通过3FS分布式文件系统共享只读层、减少重复缓存，并利用全局轨迹日志实现中断恢复，避免重跑命令。招聘侧重服务器端工程和Agent弹性计算，而非AI研究，旨在升级维护现有系统以支撑训练与评估负载。
延伸解读
招聘方向揭示基础设施优先
DeepSeek此次招聘约150名工程师，集中在服务器端工程和Agent弹性计算，而非AI研究。这表明公司当前的重点是支撑大规模AI智能体运行的基础设施，而非模型研发。招聘岗位涉及操作系统、虚拟化、网络、存储、调度等底层系统，反映出随着智能体沙盒并发量激增，基础设施的稳定性与效率成为瓶颈。
DSec如何应对扩展挑战
DSec通过3FS分布式文件系统共享只读层，减少重复缓存和存储开销，并利用全局轨迹日志实现中断恢复，避免重跑命令。这些设计旨在提高资源利用率和任务恢复效率，以支持数百个沙盒并发运行。文章指出，随着规模扩大，容器运行时的自旋锁竞争等问题会凸显，DSec的优化正是针对此类扩展性挑战。
行业共性：智能体基础设施压力
文章提到，智能体工作负载不仅需要GPU推理，还需隔离环境执行代码和调用工具，这给基础设施带来压力。OpenAI为此设计定制芯片，DeepSeek则开源其智能体工具链。这表明，随着智能体从演示走向生产，行业普遍面临基础设施扩展的挑战，而DeepSeek的招聘和系统优化是应对这一趋势的举措。
Q&A
DeepSeek最近在招聘什么岗位？
DeepSeek正在招聘约150名工程师，主要集中在服务器端工程和Agent弹性计算领域，而非AI研究岗位。
DeepSeek为什么要招聘这么多工程师？
因为AI智能体沙盒的并发运行量激增，现有的后端系统需要升级、维护和重写，以应对训练、评估和其他后端工作负载的增长。
DSec是什么？它支持哪些类型的沙盒环境？
DSec是DeepSeek构建的弹性计算沙盒基础设施，用于执行智能体工作负载。它通过同一个Python SDK支持四种环境：预热容器用于简单函数调用，Docker兼容容器用于需要持久环境的任务，Firecracker微虚拟机用于需要更强隔离的场景，QEMU虚拟机用于需要完整客户操作系统的任务。
DeepSeek如何解决沙盒环境复制带来的存储和带宽问题？
DeepSeek将DSec与3FS分布式文件系统集成，将容器基础镜像和文件系统提交作为只读层存储在3FS中，元数据保留在本地，数据块按需获取。微虚拟机也采用类似方式，共享只读基础层，写入操作保存在本地写时复制层。这样减少了重复的页缓存使用，并允许内存安全超卖。
DSec如何处理训练中断和恢复？
DSec使用全局有序的轨迹日志记录命令及其结果。当训练中断恢复时，系统可以基于记录的结果快速跳过已完成的工作，而不是重新执行命令，从而减少中断带来的成本，并保留沙盒变更历史以便重放。
DeepSeek的招聘计划与AI研究有什么关系？
这次招聘主要针对后端基础设施，而非AI研究。DeepSeek在6月表示计划将每个部门的规模至少翻倍，但当前这轮招聘更侧重于支撑模型和智能体的底层系统，而不是模型本身。
