有這樣一則消息在AI圈悄然流傳：DeepSeek研究員郭達雅已經離職。

大家第一時間的反應普遍是「誰？誰是郭達雅？」

這不難理解，因為郭達雅的知名度遠不如創始人梁文鋒以及「天才AI少女」羅福莉。

但是在學術研究以及對DeepSeek大模型的貢獻上，郭達雅要比後兩者高許多。

截止至發稿，郭達雅發表的論文已經被引用超過37000次，遠遠超過了同齡的研究者。

郭達雅的h指數為37，i-10指數為46，說明他不僅學術產出非常穩定，而且他還發表了多篇擁有極高影響力的論文。

甚至可以這麼說，只要你了解過郭達雅的研究方向以及他所主導的研究後，你就會認識到，當年之所以能出現DeepSeek時刻，郭達雅絕對功不可沒。

那他去哪了？目前有兩種說法，一種說是百度，一種說是字節。

實際上這兩年加入字節的這幾個大牛，周暢、鬱博文、蔣路，他們都是視頻方向的。

郭達雅不一樣，他是代碼智能和數學方向的，他剛好可以補強字節在Vibe Coding以及AGI這兩大板塊。

如果是去百度，那也說得通。文心快碼在3月份啱啱完成了4.0版本迭代，推出了多agent協同全鏈路開發的功能。

但是你知道文心快碼3.0是什麼時候發布的嗎？是2024年11月。兩個大版本中間相隔了一年多，這在以周為單位的AI圈是不太常見的。

這麼看下來，百度其實比字節更需要郭達雅。

然而對於遲遲不發布V4的DeepSeek，郭達雅的離職，無疑是雪上加霜。

01

郭達雅其人

郭達雅1995年出生於廣東珠海，2014年考入中山大學數據科學與計算機學院。大四時入選中山大學與微軟亞洲研究院聯合培養博士生項目，在印鑑教授和周明博士指導下攻讀博士學位，研究方向是自然語言處理。

2020年獲得微軟學者獎學金，這個獎項每年只授予亞太地區12名博士生。2023年博士畢業後，他加入DeepSeek擔任研究員，專注代碼智能和大語言模型推理。

郭達雅在博士期間的一個細節值得注意。他在微軟亞洲研究院實習時，分別在EMNLP和NeurIPS這兩個頂會發表了論文。

如果按照中山大學的畢業要求，郭達雅在博士入學的第三天，就已經完成了博士學位最難的論文發表要求。

他本人在接受採訪時也提到了這件事。那我們不妨挑一篇其中影響力最高的來一起過一遍。

2020年，郭達雅作為共同第一作者，在EMNLP 2020上發表了CodeBERT。另一位共同第一作者是哈爾濱工業大學的馮章印。

CodeBERT是首個將雙模態預訓練的效果做到跨語言通用的SOTA，它能同時處理自然語言和編程語言。在此之前，BERT等預訓練模型，雖然在自然語言處理領域取得了成功，但針對編程語言的預訓練模型研究相對匱乏。

CodeBERT的核心創新在於引入了替換標記檢測任務。傳統的掩碼語言建模只能利用配對的自然語言-代碼數據，而替換標記檢測借鑑了ELECTRA的思想，通過檢測生成器產生的似是而非的替代標記來訓練模型。

這使得CodeBERT能夠利用大量單模態代碼數據，大大擴展了訓練數據規模。模型在代碼搜索和代碼文檔生成任務上取得了當時的最優性能。

或者我換一種方式來描述，CodeBERT它能讓AI既能讀懂人類語言的需求描述，又能理解代碼的邏輯結構。比如你用中文說「給我找一個排序算法」，它就能幫你找到相關的代碼；或者你給它一段代碼，它能用人話解釋這段代碼在幹什麼。

雖然現在看來這沒什麼，可這篇論文是2020年發表的，在當時，代碼就是代碼，自然語言就是自然語言，這兩者之間隔着一條通天河。

因此，CodeBERT的出現，其實可以被看做是現如今Vibe Coding的開端。

加入DeepSeek以後，如果你要問郭達雅參與過的最有影響力的學術成果，那肯定是非DeepSeek-R1莫屬了。

但如果你要問排名第二的是哪篇，那我告訴你，答案不是DeepSeek-V3，而是DeepSeekMath。

DeepSeek-V3的技術報告引用數量為3890，而DeepSeekMath的引用數量為5182。

2024年2月，郭達雅作為核心貢獻者參與了DeepSeekMath的研發。這是繼郭達雅以第一作者身份發表DeepSeek-Coder後的又一力作，這個項目的目標是提升大語言模型在數學推理方面的能力。

DeepSeekMath的關鍵創新是引入了GRPO，即群體相對策略優化。這是近端策略優化PPO的一種變體。

傳統的PPO需要訓練一個獨立的價值函數模型，這增加了內存使用和計算開銷。

所以GRPO乾脆直接放棄了對獨立價值函數模型的依賴，轉而通過群體內的相對比較來估計優勢，因此降低了訓練資源需求。

GRPO的工作流程是這樣的：對於同一個數學問題，模型生成多個候選答案，然後根據這些答案的正確性進行排序，將正確答案的概率提高，錯誤答案的概率降低。

這樣一來，大模型在下次遇到類似問題就知道該怎麼做了。

這種方法不需要額外的價值網絡，只需要一個能夠驗證答案正確性的獎勵函數。在數學推理任務中，獎勵函數可以直接檢查最終答案是否正確。

相當於讓模型在判斷問題的時候，又快又準確，關鍵是還節省了內存佔用。

經過GRPO強化學習優化後的DeepSeekMath-RL 7B，在無外部工具、無投票集成的條件下，在MATH基準上取得了51.7%的成績，這和同期的Gemini-Ultra和GPT-4接近，在當時的開源大模型領域，已經非常難得了。

因此，GRPO在後來也被應用到了DeepSeek-R1的訓練當中。

02

郭達雅去哪？

其實如果咱們從技術貢獻的角度看，雖然梁文鋒、羅福莉的知名度更高，但是郭達雅對DeepSeek的貢獻要比他們倆都高。這點和公衆認知是相反的。

梁文鋒的作用是提供研究方向和資源支持。他在多篇論文中的署名位置通常靠後，表明他不是主要的技術貢獻者。

羅福莉雖然也參與了DeepSeek-V2的研發。不過從論文作者名單看，她的名字並沒有標註為核心貢獻者。

言歸正傳，在agent的本質，就是代碼理解（Code Understanding）、代碼生成（Code Generation）和程序綜合（Program Synthesis）這三件事。

而巧合的是，從CodeBERT開始，郭達雅的研究方向就是如此。

因此我認為，郭達雅的離職，對於DeepSeek來說，影響是非常大的。

除了前文提到的CodeBERT，郭達雅還主導了GraphCodeBERT和DeepSeek-Coder。

前者是讓AI能理解代碼中變量之間的依賴關係，比如說改了a會影響b，改了b又會影響c。這對代碼重構和修復Bug特別有幫助。

後者則是通過支持多種編程語言和更長的上下文，讓模型能一次性理解整個項目的代碼架構。DeepSeek-Coder-V2的代碼性能與同期的GPT-4 Turbo相當。

2024年的時候，字節從阿里挖走了周暢。周暢在阿里通義千問負責多模態相關研究，加入字節後擔任Seed視覺多模態負責人，主導Seedream和Seedance的研發。

2026年春節，周暢交出了在字節的第一份答卷Seedance 2.0，憑藉「導演級」的視頻生成能力在全球範圍內引發轟動。

現在，字節用同樣的方式挖走了郭達雅。周暢補強的是視覺多模態，郭達雅要補強的，是代碼智能和推理能力。

字節Seed團隊在2025年初經歷了一次重組。

吳永輝接管後，打破了模型部門間的數據壁壘，組建了三層架構：Edge團隊負責長周期的AGI課題，Focus團隊負責核心技術攻堅，Base團隊確保當前一代模型的穩定交付。

從技術匹配度看，郭達雅最可能負責的，是代碼大模型的全鏈路技術攻堅。

比如說主導字節Code-LLM的下一個迭代之類的。

因為郭達雅擅長預訓練架構優化、超長上下文適配、多語言支持等核心技術的研發，所以他很可能會為字節帶來那種「項目級」的代碼生成agent。

第二個核心方向是推理能力。

目前字節Seed團隊的核心戰略之一，就是類o1的通用推理大模型，郭達雅的加入，將直接給字節帶來行業最成熟的GRPO落地經驗。

他大概率會負責推理方向的強化學習算法研發，優化豆包大模型的數學推理、多步邏輯推理、複雜任務拆解能力。

第三個方向是數學推理專項模型研發。

數學推理能力是大模型通用邏輯能力的核心底座。Seed團隊專門設立的Edge團隊，聚焦3年以上的長期AGI基礎研究。

並且取消了短期季度考覈，允許團隊投入資源做探索性研究。

郭達雅所參與過的DeepSeekMath，正是這個方向。

如果郭達雅選擇加入百度，他同樣能在代碼智能領域發揮重要作用。

前文提到，文心快碼在2026年3月啱啱完成了重大升級，更新的重點是多agent協同。

它具體的協同方式是：Plan agent負責需求澄清和任務規劃，Architect agent通過SubAgents機制拆解複雜任務，每個子agent擁有獨立上下文，以解決長Context下的「遺忘」問題。

而郭達雅剛好研究過這套全鏈路環節上的每一個節點，換句話說，百度正在做的事情，和郭達雅的研究方向完全重合了。

因此，如果他加入文心團隊，很可能會負責優化這些agent之間的協同機制，提升代碼生成的準確性和項目級理解能力。

說到挖角DeepSeek核心人才，阿里也不容忽視。2026年3月初，阿里通義千問技術負責人林俊暘在社交平台突然宣佈離職。

更糟糕的是，除了林俊暘外，千問在2026年還失去了後訓練負責人鬱博文、代碼模型負責人惠彬原等多名技術骨幹。

就在這個關鍵時刻，阿里CEO吳泳銘在3月19日的財報電話會上放出狠話，說當前阿里的ATH事業群，更高優先級是「打造智能能力最強的模型」。

這時候，如果阿里能夠引進郭達雅這樣的頂級專家，那無疑是一箭雙鵰。既能填補林俊暘離職留下的技術空白，又能直接獲得DeepSeek在代碼智能和推理能力方面的核心經驗。

講真的，比起遲遲不發V4的DeepSeek，郭達雅有理由趁着年輕，去字節或者百度、阿里做出點成績。

03

DeepSeek-V4還會來嗎？

2026年1月初，外媒援引兩名知情人士的消息稱，DeepSeek計劃在春節期間推出下一代旗艦模型V4。消息還提到，V4 在內部測試中的編程能力已經超越了Claude 3.5 Sonnet和GPT-4o。

這個消息讓整個AI圈都興奮起來。

自2025年1月20日發布 DeepSeek-R1 以來，DeepSeek沒有發布過任何一個大版本的迭代，最新的模型也只到了DeepSeek-V3.2。

春節來了，V4沒來。

2月11日，有用戶發現DeepSeek的App版本號更新為1.7.4，上下文窗口從128K提升至1M，知識庫截止時間更新到2025年5月。

社區立刻沸騰了，大家紛紛在猜，說這就是傳說中的V4灰度測試嗎？

但接近DeepSeek的人士很快給出了否定答案：「這不是V4，就是一個小版本更新。」

隨後外媒又報道稱，DeepSeek將在3月2日發布 V4。報道還表示，V4 將針對國產芯片進行優化，是該系列大模型中第一個完全基於國產算力生態的版本。

這一消息很快被大量國內媒體轉載。

3月2日到了，無事發生。

緊接着第二天，又有消息稱V4「極大概率」將在本周發布，還有泄露的基準測試數據顯示，V4在HumanEval上得分 90%，作為對比，DeepSeek V3為82%。

事實上，HumanEval只是一個入門級的代碼生成基準測試，目前已趨於指標飽和，根本無法完整區分頂級代碼大模型的真實能力，所以當時我就覺得這是個假新聞。

果然，眼瞅要到4月了，V4依然沒有出現。

現在還有報道稱DeepSeek-V4預計在2026年4月正式發布，重點提升長期記憶能力，並深度適配國產芯片。

延期的原因衆說紛紜。有人說是模型規模膨脹導致訓練進度延遲，還有人說是多模態功能的整合比預期複雜。

但有一個細節值得注意，V4的核心賣點之一，就是「超強編程能力」。根據泄露的信息，V4能處理30萬行代碼邏輯鏈。

而郭達雅，正是DeepSeek在這一塊的頂樑柱。

DeepSeek的核心研究人員不多。從論文作者名單看，經常出現的名字不超過20個。

在這樣一個精英小團隊裏，每一個都是不可缺少的，更何況他還是郭達雅這樣的超級大牛。

道理就擺在這了，如果V4成功了，說明DeepSeek找到了替代者，或者團隊成功完成了技術交接。

如果V4再次延期，或者代碼能力沒有達到預期，那麼郭達雅離職的影響就會真正顯現出來。

從現在的情況看，DeepSeek正在經歷一場嚴峻的考驗。它需要證明，即使失去了核心人才，它依然能夠保持技術創新的節奏。