DeepSeek又一核心成員離職，入職智駕創企擔任首席科學家

智東西
編譯 劉煜
編輯 陳駿達

智東西4月14日報道，4月12號，在智能電動汽車發展高層論壇上，第三方智能駕駛解決方案供應商元戎啟行CEO周光首次證實，DeepSeek多模態核心研究員阮翀已加盟該公司，并擔其首席科學家。周光稱，阮翀將在2026年的北京車展首次公開發表演講。

早在今年1月份，騰訊汽車媒體就曾援引獨立信源消息，稱阮翀已正式加盟元戎啟行。不過彼時元戎啟行并未對此作出官方回應。

元戎啟行的新成員阮翀，他于2018年從北京大學畢業，并且同時擁有計算機科學學士學位和計算語言學碩士學位。其中屬于計算語言學范疇的自然語言處理（NLP）是他碩士期間的研究方向。

▲阮翀的學歷（圖源：領英）

本科期間，阮翀以訪問學者身份赴美國卡內基梅隆大學（CMU）交流，歷時約4個月。在CMU時他師從Victor Adamchik教授，圍繞格羅比納基（Groebner Basis）開展研究，成功實現用最少數量的多項式方程對數獨規則進行代數建模，其相關成果是計算代數相關領域的原創性突破。

▲阮翀在CMU的訪學交流經歷（圖源：領英）

據領英公開信息查證，從2017年3月開始，阮翀在做智能輸入法、AI語言技術的公司Kika Tech（觸寶）實習，實習共計約4個月。

在Kika Tech實習期間，他以第一作者身份在2018年計算語言學國際會議（CICLING）發表論文《Sparse Word Representation for RNN Language Models on Cellphones》，完成了口頭報告。

▲阮翀在Kika的實習經歷（圖源：領英）

結束上一段實習之后，阮翀接著去到網易有道信息技術（北京）有限公司開始了其5個月的實習。實習期間，他參與實現iPhone 6及以上設備端0.1秒/句的離線翻譯性能，該成果最終集成至有道翻譯官APP的離線翻譯功能，成功完成了產品化落地。

▲阮翀在網易有道公司的實習經歷（圖源：領英）

阮翀于2023年加入了DeepSeek擔任研究員，他曾參與了DeepSeek-VL/VL2以及Janus系列等多模態模型的研發。

據DBLP（計算機科學文獻數字圖書館）記錄，他與DeepSeek創始人梁文鋒共同署名發表了9篇論文。阮翀發表的這些論文為Deepseek大模型推理、高效注意力機制等核心技術突破作出了關鍵貢獻。

阮翀以DeepSeek-VL模型研究負責人的身份參與了題為《DeepSeek-VL: Towards Real-World Vision-Language Understanding》的論文研究。

該研究聚焦真實場景下的視覺與語言理解難題，針對文檔、圖表、OCR以及網頁截圖等復雜實際場景，實現了DeepSeek-VL細粒度圖文理解能力，同時通過優化訓練策略，一定程度上避免了多模態模型常見的語言能力退化問題。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

之后，阮翀亦以負責人的身份參與了《DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding》一文的研究工作。

該研究面向高階多模態理解任務，提出了混合專家（MoE）架構的視覺語言模型DeepSeek-VL2，通過動態分塊視覺編碼與高效MoE語言主干設計，在DeepSeek-VL基礎上進一步提升DeepSeek-VL2在真實場景下的理解能力與推理效率，在主流多模態基準上取得了一定程度上的領先性能。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

同時，阮翀還作為作者之一，發表了題為《Janus: Decoupling Visual Encoding for Unified Multimodal Understanding and Generation》的Janus模型相關論文。

該研究提出了一套解耦視覺編碼的統一多模態框架Janus，通過分別構建面向理解與面向生成的獨立視覺編碼通路，在同一自回歸架構下同時實現了強大的多模態理解與高質量圖像生成能力，有效解決了單一編碼器難以兼顧兩類任務的技術瓶頸。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

在阮翀發表的多篇論文中，他參與撰寫的一篇題為《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》的論文，獲得了2025年NLP與計算語言學領域的頂級學術會議ACL的最佳論文獎。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

而后，他參與撰寫的另一篇論文《DeepSeek-R1: Incentivizing Reasoning in LLMs through Reinforcement Learning》，于同年9月刊登于國際權威期刊《自然》（Nature），并登上當期封面。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

除上述研究外，阮翀還以第三作者身份，撰寫了題為《Insights into DeepSeek-V3: Scaling Challenges and Reflections on Hardware for AI Architectures》的文章。

從論文內容可見，阮翀深度參與了DeepSeek-V3面向H800集群的整體方案設計，圍繞計算、內存與通信等關鍵硬件瓶頸開展架構優化工作。

他不僅參與MoE混合專家架構的工程化落地，解決大規模訓練中計算與通信的效率平衡問題，還在MLA等新型注意力機制的設計與實現中承擔核心工作，為突破模型硬件協同瓶頸、提升大模型規模化訓練與推理效率提供了關鍵技術支撐。

▲圖為阮翀發表的論文和作者名單（圖源：DBLP）

可見，阮翀在AI大模型底層技術領域擁有寶貴的技術開發經驗。

阮翀此次加入的元戎啟行公司成立于2019年，主要為車企設計智駕系統。

元戎啟行已與多家車企建立合作，現已有25萬輛搭載其城市領航輔助駕駛方案的車輛進入消費者市場，覆蓋長城、吉利以及smart等多個品牌。

截至目前，元戎啟行已完成6輪融資，累計融資金額超7億美元（約合人民幣47.82億元）。今年4月初，據36氪汽車報道，元戎啟行已向港交所秘密遞交上市材料，計劃于今年年內在港交所掛牌上市。

結語：大模型人才跨界合作，打通AI與自動駕駛技術壁壘

目前，傳統智能駕駛多采用感知、預測、規劃、控制分模塊獨立優化的技術路線，存在信息割裂、迭代效率偏低、數據利用率不高等痛點。

阮翀作為AI大模型領域核心人才加盟元戎啟行，或可憑借其在多模態對齊、大模型推理效率優化及稀疏架構設計等方面的深厚積累，在一定程度上為該公司VLA基座模型的規模化量產落地提供技術支撐，從而增強其產品的市場競爭力。