9月7日晚，DeepSeek Harness团队负责人崔添翼（Tianyi Cui）在X上发帖：新开放约150个HC，重点面向2-10年资深工程师，方向只有两个——服务端开发工程师、Agent弹性计算研发工程师，不设一个AI研究岗。 对一家总兵力约300-500人、靠"小而猛"出圈的模型公司来说，单次加150人等于团队膨胀三分之一，且距6月"所有部门规模至少翻倍"的官宣才过两个多月。

为什么是现在、为什么是这两类岗？崔添翼的原话很直："计算机领域的任何东西量变大之后，就会产生复杂度上巨大的增加。"他列的维度——数据量、机器/容器量、训练任务、评测任务、Agent环境、用户量、请求量——全在陡增。DeepSeek月活已到1.27亿、日活数千万，API调用和DSec沙箱里的Agent并发同步暴涨，原有后端系统"逐渐不能完美满足将来的量的需求"，得有人升级、维护、重写。

拆开看岗位清单就懂在补什么课：
• 服务端6个细分：大模型研究平台、Agent框架组件、研发效率基建、DeepSeek API、线上服务（明确写"支撑数千万日活"）、数据工程——覆盖从研究员写实验到用户调API的全链路。

- Agent弹性计算（DSec）分平台层与底层攻坚，要从操作系统、虚拟机、网络存储一路改到应用层调度，"很多事情前人没做过，没有现成答案可抄"，因为沙箱里跑的Agent操作轨迹直接反哺下一代模型训练与评测。

也就是说，DeepSeek把竞争重心从"训出更强模型"往"让更强模型在更大规模上跑起来、被用起来、自我迭代起来"平移——研究端维持精悍，工程端大举增兵。AI越强，后端越先崩，不是模型崩，是调度、隔离、评测、计费、鉴权这些"看不见的复杂度"崩。

另一端是Notion。这家"笔记软件"员工约1000人，2026年计划再增30%到约1300人，规模是月之暗面（约300人）的三倍多。 增的不是模型研究员，是AI平台/安全/工作流工程师，外加销售、客户成功、Outcomes Architect——后者干的是把Agent接进企业时处理数据迁移、权限设计、安全审查。AI产品已贡献其超6亿美元ARR的一半以上，但套壳的代价是：原90%毛利率被上游推理费吃掉约10个点，Custom Agents改按Credits计费还是盖不住调用账单。 Ivan Zhao不融资不上市，却得为"AI变成新主营业务"养一整支交付队伍。

两边放一起，破的是同一条刻板印象：AI提高单人效率 → 公司应该越用AI越小。错在把"任务级效率"等同"组织级规模"。AI把单项任务压到十分之一工时，但公司因此敢接十倍任务：DeepSeek接的是十倍用户和Agent并发，Notion接的是十倍企业Agent部署——随之而来的数据、请求、客户、合规、系统风险，全是新产生的工作，且这些工作不在"被AI替代"的那一层（重复执行），而在"AI替代不了"的那一层（判断需求、设计隔离边界、向CIO解释为什么要买）。

Salesforce招1000名应届生卖Agentforce、同时客服岗从9000砍到5000，IBM入门岗扩招3倍但弱化纯编码，是同一逻辑的ToB版：裁掉被Agent接管的执行岗，扩招卖Agent和验收Agent输出的人。 黄仁勋说英伟达7.5万人配750万Agent，比例1:100，但那1个人不是旧时代的流水线工人，是给流水线机器人调参数、定边界、背判断责任的。

所以"AI越强公司越需要人"不是反话，是缩放定律的组织侧投影：模型Scaling Law是参数涨、算力涨、数据涨；组织Scaling Law是规模涨、复杂度涨、接口涨、交付涨。前者由GPU扛，后者目前还得由资深工程师和销售架构师扛。DeepSeek这150人买的是"让V4 Pro和DSec在数千万日活下不塌"，Notion那300人买的是"让Custom Agents在企业防火墙里真跑出ROI"——都不是为写代码而招，是为承接AI放大出来的复杂度而招。

个人效率提升和组织规模缩小，从来不是同一件事。AI淘汰的是"把指令转成执行"的中间层，但会凭空长出"把业务翻成Agent能跑的规格、再把Agent输出审回业务"的新中间层。人没变少，只是换了一批人在场。