DeepSeek-V4技术报告作者名单曝光：核心团队成员浮出水面

📰 概要

2026年4月28日，DeepSeek-V4技术报告正式发布，作者名单随之曝光。核心作者团队超过50人，覆盖模型架构、预训练、对齐、推理四大方向。

这份名单中至少有5名作者来自小米AI团队，引发业界关注。这些研究员此前的公开研究方向与DeepSeek-V4的技术突破高度吻合。

人才流动是中国AI圈的核心变量。DeepSeek-V4的技术领先，有多少来自「自研」，有多少来自「挖人」？

这份作者名单值得细读。50人团队中，有多少是真正从零开始培养的？有多少是半路加入的？答案可能影响DeepSeek的技术迭代持续性。

小米被点名不是第一次。2026年初，「AI才女」罗福莉从DeepSeek跳槽小米就引发过讨论。现在名单再次指向小米，说明人才竞争在加剧。

从技术传承角度看，外来人才带来新思路是好事。但如果核心架构频繁换人，技术路线的一致性可能受影响。

从作者名单分析，DeepSeek-V4的核心技术方向分布如下：

从人才背景看，这支队伍是「组装」出来的。字节、阿里、小米、腾讯——国内主要AI团队的研究员汇聚DeepSeek。

这种模式的优势：快速吸收各团队的技术积累。劣势：文化融合、长期忠诚度存疑。

从技术突破点看，DeepSeek-V4的核心创新在于三个方面：MLA架构升级、MTP目标实现、昇腾适配。这些方向与小米此前的研发高度重合。

罗福莉在小米期间主导多模态研究，加入DeepSeek后参与了V4的多模态能力提升。高华佑从Mistral加入后，带来了Group Relative Attention的技术积累。

人才流动带来的技术迁移是真实存在的。这种「组装」模式在AI圈越来越常见——与其从头培养，不如直接招人。

从技术架构演进看，DeepSeek-V4采用了「稀疏注意力+动态路由」的混合架构。这个方向与Google的Pathways架构有相似之处，但做了大量中国场景优化。

从推理效率看，昇腾超节点的适配是关键突破。DeepSeek团队在华为硬件上实现了与NVIDIA相近的性能，这为国产替代提供了技术基础。

从行业影响看，这份名单揭示了一个趋势：中国AI研发正在走向「人才集中」模式。顶尖研究员向少数公司聚集，形成技术高地。

这种模式对行业是好事还是坏事？好处是资源集中、突破快。坏处是中小团队越来越难竞争，人才竞争成本急剧上升。

从资本视角看，DeepSeek-V4的发布进一步推高了估值预期。核心技术团队曝光后，投资人对「谁来继续迭代」更关注。人才稳定性是关键变量。

从技术传承角度看，外来人才带来新思路是好事。但如果核心架构频繁换人，技术路线的一致性可能受影响。

对关注AI技术的人来说，这份名单是研究DeepSeek技术路线的重要资料。你可以顺着作者找论文，理解V4背后的技术逻辑。

什么情况不建议过度解读名单？如果只是八卦「谁挖了谁」，意义有限。真正值得研究的是：这些研究员之前发了什么论文，做了什么技术突破，V4里哪些创新可能来自他们。

另一个值得关注的信号：名单中有至少3名应届博士毕业生。这意味着DeepSeek也在培养自己的后备力量，不完全依赖「挖人」。

今天下班前，选一个你感兴趣的核心作者，去Google Scholar看看他近三年的论文。顺着技术脉络，你会更理解DeepSeek-V4的技术积累是怎么来的。