梁文锋邀请学弟加入团队共谋发展

最近，AI圈里有个消息传得挺热：一位技术大牛加入了DeepSeek。

传闻很快得到了证实。DeepSeek内部正在组建一个名为“Harness”的新团队，主攻方向是代码智能体产品，目标直指行业标杆——Anthropic旗下的Claude Code。几乎同步，公司放出了Harness团队产品经理和研发工程师的招聘岗位。

新团队，自然会有新面孔。领英资料显示，今年3月，量化交易公司TSY的前联合创始人崔添翼，已经加入了DeepSeek的Harness团队。这个动向颇值得玩味。要知道，DeepSeek以往的社招规模并不大，而崔添翼绝非初出茅庐的应届生——他毕业于浙江大学计算机学院，曾在顶级量化机构Jane Street深耕九年，之后又走上了联合创业的道路。这样一位拥有深厚产业和金融背景的资深人士加盟，无疑为DeepSeek的新业务线增添了重量级砝码。

这边厢，外界沸沸扬扬的融资传闻尚未最终落定；那边厢，DeepSeek已经将目光投向了产品端，率先打出了一张探索商业化的明牌。

保送浙大的天才少年，加盟梁文锋

当外界时常讨论DeepSeek的人才流动时，往往忽略了这家公司对顶尖技术人才同样强大的吸引力。

在DeepSeek，约两百人的团队里研究员密度极高，顶尖高校背景者云集。或许正是聚集了众多同等优秀的大脑，这里的氛围并不那么强调部门壁垒或论资排辈。一个典型的例子是，实习生辛华剑在DeepSeek期间，就主导开发了专注于数学证明的DeepSeek-Prover系列模型，并在对应论文中担任第一作者。一位曾供职于DeepSeek的人士透露：“在这里，连HR都会主动转发最新的大模型进展和行业动态。”

最新加入的崔添翼，本身就是一位“天才少年”式的人物。有趣的是，他和DeepSeek创始人梁文锋之间存在着不少交集：同样毕业于浙江大学，同样在量化交易这条高精尖赛道上拥有深厚积淀。

时间回到2008年，来自河南安阳一中的崔添翼，凭借全国青少年信息学奥林匹克竞赛的铜牌成绩，保送进入浙江大学。按入学年份推算，他是一位标准的90后。在浙大计算机学院攻读本科时，梁文锋正在本校的信息与通信工程专业读研。大学四年间，崔添翼代表浙江大学六次斩获ACM国际大学生程序设计竞赛亚洲分区赛的金牌，实力可见一斑。

2013年毕业时，他成功叩开了量化巨头Jane Street Capital香港分公司的大门，成为助理量化研究员，年薪逾百万，一时间成为众多浙大学子心目中的榜样。此后的九年，崔添翼在Jane Street潜心钻研。而在这段时间里，他未来的老板梁文锋，创立了幻方量化。

2022年，崔添翼也踏上了相似的创业之路，联合创立了量化交易机构TSY Capital，专注于研发全球股票市场的系统化交易策略，团队同样汇聚了诸多名校精英。今年2月，他离开TSY的消息传出。仅一个月后，他的领英状态更新为：已加入DeepSeek Harness Team。

DeepSeek下半场

现在的DeepSeek，显然已经不满足于只做一家模型公司。

在其官方招聘描述中，DeepSeek对Harness的界定非常清晰：“除模型本身以外的所有工作，都属于Harness的范畴”。他们甚至给出了一个直白的公式：Model + Harness = Agent。这无疑宣告了其战略重心的延伸。

“Harness”这个概念在2026年初开始于AI圈爆火。可以这样理解：如果说大模型是负责思考的“大脑”，那么Harness就是决定这个大脑能看见什么、能做什么、不能做什么、做完后如何验证、出错后如何修正、以及何时将控制权交还给人类的“缰绳”与“鞍具”。恰如其名，它的核心就是驯服AI的能力，尤其是代码能力，使其能可靠、高效地为人类服务。

在这方面，Anthropic的Claude Code已经树立了一个优秀的范例。正是得益于其坚实、好用的Agent SDK（即Harness设计），Claude Code在极短时间内就成为开发者使用率最高的AI编程工具之一。反观DeepSeek，其V4模型的原始代码能力虽然已经非常强悍，但“裸模型”的直接使用体验，与Claude Code这样的成熟产品相比，确实存在差距。

因此，DeepSeek组建Harness团队，意图再明显不过：补齐将模型能力产品化、工程化的关键一环，目标是打造出能与顶尖对手匹敌的桌面端智能体产品。这无疑是DeepSeek迈向商业化落地的又一实质性步伐。

自2023年成立以来，创始人梁文锋对融资一直持谨慎态度。然而，形势正在发生变化。5月初，市场传出消息，DeepSeek估值在21天内暴涨5倍，达到约3500亿元软妹币。此轮融资目标最高可达500亿元，而梁文锋个人计划出资200亿元，占到总额的40%，成为最大投资方。

外界普遍将此解读为DeepSeek面对当前白热化大模型竞争的一种务实选择。一方面，顶级AI人才的争夺战日益激烈，公司需要为内部核心成员提供一个明确的市场价值锚点；另一方面，行业的竞争焦点已从早期的参数规模竞赛，转向了应用落地和实战能力的博弈，产品的快速研发与迭代无不需要雄厚的资金支持。

大模型的下半场，一场关于真正商业价值的竞赛已经鸣枪起跑。考验各家技术实力如何转化为市场产品能力的时刻，真的到了。