出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜月之暗面X北京大學光華學院

月之暗面和DeepSeek都在加速競爭人才。

虎嗅獲悉，5月12日，月之暗面（以下簡稱“月暗”或Kimi）總裁張予彤現身北京大學光華管理學院，與院長田軒進行了一場閉門對談。

據虎嗅獨家獲悉，在這場校園宣講的交流之外，現場還設置了小范圍面簽與溝通環節，部分學生在活動結束后直接進入進一步交流流程。有接近現場人士告訴虎嗅，Kimi對于人才的定義是“不被定義”。

當然，這已經不是月暗第一次高調接觸高校頂尖人才。過去幾個月里，隨著Kimi模型持續迭代、公司融資推進，以及組織規模擴張，月暗明顯加快了對核心人才的爭奪節奏。

而另一邊，DeepSeek近期因新一輪融資傳聞持續引發市場關注。外界更多討論的是估值、資本和股東結構，但融資的另一面，其實同樣是為了吸引和留住人才。

在今天的大模型競爭中，資金、算力和數據固然重要，但決定模型上限的，依然是最核心的AI研究者。這也是為什么近幾年大模型行業正在持續進行人才密度競爭。

而目前，月之暗面與DeepSeek，幾乎已經成為中國大模型人才最重要的兩塊高地。

有意思的是，從吸引人才的方式來看，這兩家公司又存在著大量相似之處。它們都高度強調技術理想主義，推崇小團隊、高密度的人才結構；都相信研究驅動而非傳統KPI導向；都甚至在組織風格上，也都呈現出某種“反大廠化”的特征。

無論是DeepSeek內部強調的極致工程效率，還是月暗的扁平化組織，其目的都是為了讓那些最核心的研究員擁有最大的自由度。

與此同時，我們也注意到，月暗和DeepSeek在近期又頻繁“撞車”。

5月7日，月之暗面剛完成了一筆20億美元的融資，估值較上一輪翻了一倍，最新估值已達到200億美元。與此同時，DeepSeek被曝即將完成一輪規模超過500億元的融資。

在模型風格上，Kimi也開始越來越像DeepSeek，兩者都更強調Agent和代碼能力，其中代碼能力正是決定月暗商業化能力的重要指標。

在模型節奏上，就在DeepSeek V4發布前兩天，Kimi率先推出具備Agent能力的K2.6版本；另有知情人士向虎嗅透露，Kimi新一代K3模型已經進入pre-train階段，預計將在今年7月正式推出。

而在模型競賽之外，更重要的變化是，這些公司正在重新定義，它們想要什么樣的人。

在這場與北大光華學生的對談中，張予彤提到Kimi喜歡兩類人：一類是“不被標簽化”的人，另一類是偏執的人。

她談到，公司并不迷信學歷或專業，而更看重一個人是否真正長期關注AI以及是否愿意為一個想法迭代上百次、上千次。

而一批能夠與AI共同工作、共同進化的人，某種程度上也代表了今天中國頭部大模型公司的人才觀。

以下是虎嗅獨家獲悉的，北京大學光華管理學院院長田軒與張予彤的完整對話：

田軒：AI可以創造什么新工作，讓同學們在未來更好地擁抱它？

張予彤：這是一個非常好的問題。每一次生產力的提升，我們只是從原有的工作換到了新的工作。比如說農業革命的時候，種地的農民去到了城市，然后城市出現了服務業等新的行業。所以我覺得現在，從我們企業自身來看，就出現了許多新的工作。比如我們有的同學是給模型做訓練，創造了核心的數據，他們每個人都自稱為“模型的爸媽”，因為他們覺得自己是在持續喂養一個持續生長的智能。

對更廣泛的人群來說，可能很多人會成為超級個體，也就是今天說的“ 一人公司”。我覺得工作本身是在做我們熱愛的事情，提高生產力和產出更高的價值。那現在就可以是一個人全棧地去做很多事情，無需依賴一個龐大的團隊。我覺得這是生產方式的一種變化，也能影響大家去追求自己想做的事情。

所以我覺得AI一定會帶來非常多的新工作。

田軒：AI會創造很多新工作，同時也會需要很多新技能。那作為我們商學院的教育者，我現在最關心的、也是我們一直在思考的就是，我們怎么才能跟上時代，我們光華管理學院應該怎么培養我們的學生？

你是用工方，我是供給方。那么你能給我一些什么建議，比如商學院應該怎么設計課程，甚至根據當下體系——其實學生是我們的產品，你是我們的用戶——我們怎樣才能更好地訓練或者educate我們的學生，最終能夠滿足AI時代雇主的要求？

張予彤：非常好啊，感覺有一個可以用戶訪談的機會。

我覺得現在大學生比我們上學的時候都要幸福，我們要花很多時間查資料和查文獻，去完成復雜的項目，但是今天，學習和研究的效率都被大大增強了。

我覺得要成為AI的深度用戶，成為power user，能夠感知到每一個、每一代模型的區別，它的能力邊界到底在哪兒，有什么事情它今天還不能做，有什么事情它今天可能已經做得比我們好了，有哪些事情是需要我們和模型共創的。我覺得接下來會進入一個agent-human collaboration的時期。我已經無法想象自己在工作中不去用AI了。

比如我們之前沒有手機，沒有電腦，也沒有平常用的這些軟件， 但我們今天已經無法想象沒有這些工具了。這些工具都是為了延伸我們的能力，而不是替代關系。工具替代的是它可以替代的那一部分。我們工作中可替代的部分有很多，比如重復的執行和大量信息的處理，比如計算、編程，以及一部分設計的執行。是這一部分的工作會被替代，但不代表我們的工作會被替代，所以其實是我們有了更多的時間去工作。

現在真正的瓶頸是去驗證AI產生的結果。比如今天要產生幾百萬行的代碼，對于AI來說是很容易的事情，但對于人類來說，去消化、理解，去看邏輯關系是不是有問題，是一個更大的工作量。所以我們今天還是在定義我們的工作，以及我們在評估、驗證AI的工作質量。這些也會成為重要的能力。

田軒：所以予彤你的建議就是我們商學院在課程設計，在培養學生的知識體系里面，要讓他們知道怎么去運用AI、駕馭AI。

張予彤：是的，我覺得“駕馭”這個詞很好，也是我們和AI形成的一種合作關系。硅谷經常講“harness”，也是這種“駕馭”的感覺。不管是工程和模型的關系，還是人和agent的關系，未來都是相互協作。我們要用更開放的心態去探索，對吧？我相信AI在長期上對我們一定是有益的。我知道短期大家肯定會有各種各樣的擔心，比如說它的安全性或是其他一些性能問題，但是我覺得長期來說它一定是好的，所以我覺得這是用一種開放的心態去探索它，看看它到底是什么樣子的，然后深度地去理解它，親自上手，多動手。有很多深刻認知和理解是在動手中形成的，不要僅僅知道一些觀點，或者自己觀察時有一些感受。

田軒：剛才我是從商學院教育者的角度來問這個問題，現在我換一個角度。在座很多是我們光華的學生，比如說，我現在剛進入大學，我知道未來的時代跟我的父輩已經完全不一樣了，對吧？我們那個時候就是把題做好了，把試考好了，有個好的GPA，畢業之后出國或者找工作都沒問題，但是現在AI給我們帶來了很多變化。假如說我現在是一個一年級本科生，未來在北大光華的四年我要怎么做，才能夠讓我更好地面對AI帶來的挑戰和未來的不確定？

張予彤：可以從大一就到我們這兒實習。（笑）

我覺得在大學期間，很多個人的收獲還是來自跟同學相處吧。與人交流、產生深度鏈接，這是非常寶貴的。

第二點，是在做任何事情的時候，都可以想一下，如果今天是AI來做，它會怎么做？除了人和人的共情，還有人和agent的共情。因為從模型的視角去看一些事情就會很不一樣。比如說，我們從人的視角去看，今天在電腦或者互聯網上已經有非常好的基礎設施了，我們要聊天、開會議、支付、驗證身份、授權一些數據等等，這些事都有非常成熟的基礎設施。但如果今天是從模型的角度去看，你會發現這些不一定是它需要的。我們為人構建了基礎設施，還沒有完全為agent去構建，那么在這個時候，人和agent的分工能夠讓我們重新思考這個事情我會怎么去做。如果帶著這個視角去做所有的事情，可能也會有一些突破。

田軒：了解。今天來的除了本科生，還有很多MBA、EMBA的學生，他們其實也是企業的管理者。那在AI時代，他們需要做什么才能成為不被AI替代的管理者？

張予彤：我覺得替代在座的各位企業家是一個很難很難的事情。

田軒：不用客氣，我覺得這個好像也不是那么難。（笑）

張予彤：有一個非常實用的tip，就是給公司里面每個人增加Token的預算，讓每個人都能Token自由，做這些事情的時候可以充分探索如何把AI用起來。如果擔心AI會替代我們的工作，其中有一些對抗的阻力，這是不利于事情發展的。當大家都有更多的Token預算，一部分可以用于擴張，一部分可以用來增強生產力。AI“10倍程序員”，生產效率可以以一當十，因為它是非常強的程序員。今天AI的代碼生成能力讓更多人有可能變成“10倍程序員”，但是在編程過程中的架構能力、思考能力、不斷驗證和不斷糾錯的能力，這些方面今天的AI做得還不夠好。當企業給大家充足的Token，大家也會思考自己的工作會有怎樣的變化，是一些積極向上的推動。

田軒：我做了一些research，了解到“Kimi穿越計劃”。聽說你們招人的時候不看學歷，不看專業，這對我們的認知產生了很大的變化。咱們那時候高考是要選熱門專業，學經濟學、營銷、會計是熱門的，但現在不看學歷、不看專業，那看什么呢？

張予彤：人是很難“標簽化”的，我認為學校或者專業就是一種標簽。在座的都是北大光華最優秀的學生，但我相信你們每個人的特質、你們的熱情、你們想做的事情、你們的長板、你們不喜歡做的事情，都有非常大的區別。并不是我已經想好了，現在有個工作，應該去找什么樣的人來做——也有這樣的情景，但更多情景是，這個人的特質最適合做什么事情。這時候我們會看一些抽象的能力，比如這個人是不是能夠提出真正好的原創的、創新的想法，這種創新能力是很難被評估的，但是我們在交流的過程中會看他最近關注哪些話題，對問題是不是有本質的思考，會不會提出一些新的想法，并且這些新的想法是好的想法。其實這是很難很難的。我們公司當中，每年能夠提出的好想法都是非常有限的。

第二點，有一些偏執的人，他們會瘋狂地做一些事情。光有好的想法是不夠的，有了好想法之后——因為AI引入了很多不確定性，包括科研的不確定性，在這種因素存在的情況下，想要做出更好的產品，就是一個很長的、充滿不確定的、需要大量實驗的迭代過程。在這個迭代過程中，這個人就會瘋狂地想各種各樣的辦法去解決這些問題。這其實需要非常強的resilience，因為人在探索和研究的過程中會感到frustrated，是吧？比如，你會不會為了一個很好的想法嘗試1000次？大部分人可能嘗試10次就覺得沒法做了，當然很多情況下這可能是對的，但有極少數的人更相信這個想法，同時也巧妙地在嘗試中形成了自己的認知?，F在很多設計是在制造中完成的，而不是在制造之前就已經想好這件事應該怎么設計怎么做。現在的生產過程充滿了不確定性。所以除了提出好想法的人以外，還有瘋狂實驗和探索的人。這兩類人在我們的業務當中都占了很重要的位置。

田軒：怎么把這兩類人識別出來？人不能“標簽化”，但是“標簽”可以幫助我們快速篩選人，經濟學當中是“信號理論”。

但是您剛剛提到的幾個：能提出好的問題，偏執——研究也發現很多超級創業者是偏執的甚至是孤僻冷漠、不好相處的，但是偏執的人不一定能夠成為創新者。那么您在招聘或者選擇員工的時候怎么把擁有這兩個特質的人篩選出來？

張予彤：更多的是交流，看他平時關注什么信息、想什么問題，包括關注什么樣AI的產品，或是最近行業什么變化是超乎意料的。在這些問題中你會看到一個人的注意力放在哪兒，以及他在思考什么問題。如果他說出來的是“2025年的認知”——有時候我們也開玩笑說“AI一天、人間一年”，那么他吸收的信息量可能沒有那么大，他的興趣也不在這里?！皥绦小边@方面是更容易驗證的。我們也有AI的面試系統，這些題需要大家不斷嘗試，我們會看候選人是怎么迭代的、是不是有不同迭代的思路、迭代多少次，以及什么時間仍然在迭代，有非常非常多的信號；有時候也可以通過一些自動化的系統做篩選。

田軒：還有一個問題，企業是我們研究的對象，很多學生也是企業家，很多學生未來也會去企業工作。現在有個概念“AI原生企業”，比如Kimi。那這種企業的特質是什么樣的？傳統的企業如何向“AI原生企業”靠近或者轉型？最大的障礙是什么？企業家應該怎么做？

張予彤：這個問題挺有意思的。在中國我見到非常多的企業家都特別努力，他們有非常多使用AI、擁抱AI的想法。我在企業里看到的是大家非常關注AI，以及有很大的動力把AI應用到企業的各個方向，但我關注到的阻力還是來自于組織的阻力，因為有許多的事情，大家已經定義了邊界、合作方式，以及如何在這個合作的過程中進行激勵。但在所謂的“AI原生企業”中，一個最大的好處是，它是新的企業，可以重新按照現在全新的生產模式來定義組織結構。這種企業有幾個特點，比如，我們公司里是沒有title的。

我們統一的title就是“staff”，整個組織層級結構很扁平。我們公司一共300人，員工之間只有一到兩層的關系，人員比較少、相對扁平，彼此之間沒有定義得很清晰的邊界。比如我們組織當中做預訓練的同學也可以做后訓練，做算法的同學也可以做數據，做營銷的同學也會轉到模型評估，這些事情表明人的底層能力可以觸類旁通的，并非一味給他們貼標簽，因為一個人其實可以解決更多的問題。這就是“AI原生組織”的特征，因為人的很多能力是被賦能的，比如編程能力原來是三千萬人的特權，但今天隨著AI的編程能力越來越強——當然今天還不夠強——但是隨著它越來越強，這個邊界會不斷擴張，未來我們每個人都會擁有編程能力。這也是之前從未發生過的事。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4857987.html?f=wyxwapp