作者 | 四月

大模型狂飆的這半年，宏觀敘事越來越走向極端：一邊是創始人動輒顛覆一切的狂言，一邊是聳人聽聞的末日威脅。而當變革的重錘砸向AI開發的一線，那些用代碼推高模型能力上限的人，究竟在經歷些什麼？

昨夜凌晨，DeepSeek 機器學習系統（MLSys）工程師劉勝與在其個人平台發布了一篇長文《我不得不把才華埋葬在昨天》。

與常見的失業焦慮不同，作者是啱啱為 DeepSeek V4.1 交付了核心算子的頂尖工程師。也就是說，他是親手鑄造 AI 引擎的人，卻在目睹模型攻入專業腹地後，不得不承認自己正在加速被 AI 替代，並且被迫「轉業」。

撐起 DeepSeek 算力底座的人

作者劉勝與，2021 級北京大學圖靈班成員，曾任北京大學未名超算隊隊長，並代表學校出征國際大學生超算競賽 SC23。

在校期間，他便深入 Transformer 底層架構與 CUDA 編程，在導師指導下參與大模型推理框架的研發。本科階段加入 DeepSeek 後，他迅速成為其底層基礎設施與高性能算子優化的主力。

在大模型研發體系中，算法科學家負責定義網絡架構，而系統工程師（MLSys）則是讓這些龐大網絡在物理硬件上高效運轉的「地基施工隊」。劉勝與的核心工作，正是深入 GPU 架構的最底層，榨乾每一代計算芯片與內存帶寬。

具體來看，劉勝與的主要技術貢獻包括：

• 2025 年 2 月 · DeepGEMM 算子庫開源： 深度參與底層 FP8 極致性能 GEMM 算子優化，為 DeepSeek 系列模型的高效訓練與推理奠定硬件加速基石；

• 2026 年 4 月 · DeepEP V2 專家並行通信庫升級： 針對下一代模型架構與混合專家（MoE）通信瓶頸，深度參與通信算子重構，顯著降低跨節點與跨卡數據交換開銷；

• 2026 年 9 月 · DeepSeek V4.1 核心算子交付： 獨立負責並實現模型主 Attention 算子（head dim = 512 的 MQA attention），直接支撐了 V4.1 在小模型與高效推理場景下的性能躍升。

可以說，正是他們對硬件底層極致的掌控，才築牢了 DeepSeek 歷代模型在嚴苛成本控制與高效算力利用上的技術護城河。當前，Infra 能力的提升，同時也是智譜等國產模型能夠在有限算力條件下持續壓低訓練與推理成本的核心競爭力。

然而，技術變革的諷刺與殘酷之處恰恰在此拉開序幕。

「希望革我命的人是我自己」

在很長一段時間裏，高性能 GPU 算子編寫被認為人類程序員最難被取代的「手藝」。

它不僅要求掌握上層的高性能計算邏輯，更要求工程師極其熟悉 GPU 的微架構細節、內存層次結構，甚至要深挖到底層的PTX 彙編與 SASS 機器碼級別，剖析硬件流水線的停頓原因，進行復雜的寄存器分配與共享內存調度。

但劉勝與在文中指出的當前現實卻是，「AI成了算子大師」。

劉勝與推斷，未來半年到一年內，AI 自主評估調度方案、設計並實現端到端極致算子的能力，將大概率追平甚至超越頂級人類工程師。

「AI 能一秒思考 300 個 token、半秒敲出一行命令、二十秒寫完一份代碼，而我不行；AI 能在模型深度、思考強度、工具調用量（和環境交互的頻率）、甚至並行度等方面都能不斷提升，而我不能。」

隨之而來的，是殘酷的技術悖論：工程師把底層的算子優化得越極致，模型的訓練與推理就越高效；模型的迭代進化就越快，而他們被模型超越和替代的周期也就越短。

既然明知在親手加速自己的被替代，那為何還要傾盡全力？

劉勝與給出的心路歷程極為真切。

一方面，這源於純粹的技術多巴胺——寫算子對他而言就像打遊戲，發明一種新技術、看到算子性能飆升、甚至跑贏芯片大廠官方算子的那一刻，其成就感不亞於速通玩家打破了世界紀錄。

但更深沉的動力，在於面對技術大勢時的清醒冷靜：哪怕自己就此停手甚至消極怠工，全球其他團隊的模型依然會以加速度向前推進，並最終毫無懸念地席捲而來。

他寫道：「我當然希望自己不要被革命，但如果非被革命不可的話，我希望革我自己命的人是我自己。」

事實上，劉勝與所感知的這種「被替代」感，也是當前芯片與系統軟件層正在加速推薦的技術趨勢。算子與軟硬件棧開發自動化早已不是紙上談兵：行業內早有明確案例。

在《用 Astra+Codex 幹掉 CUDA！奧特曼 9 個月 AI 造芯反殺英偉達 GB300》我們就曾報道，OpenAI 在推進其定製 AI 芯片（代號「墨西哥辣椒」）的過程中，便規模化地調用 Astra 和 Agent 工具直接參與算子生成與編譯棧搭建，將原本需要數十位資深底層專家耗時數月的開發周期，壓縮至極短時間。

更早時候，英偉達和 Cursor 曾公布過一項更工程化的實驗：多 Agent 系統在三周內自動優化了 235 個面向 Blackwell B200 的 CUDA 算子，幾何平均性能提升 38%，其中 19% 的任務提速超過兩倍。

從手寫底層彙編，到利用強化學習與模型生成驅動算子自動化調優，系統工程的演進速度，正在超越所有人最初的設想。

不過，這種清醒推演最終導向的，並非泛泛談論的「失業」恐慌，而是一個更為精準職業判斷——「轉業」。

在劉勝與看來，頂尖工程師憑藉自己的眼界、工程判斷力與智力，依然能夠留在時代的牌桌上，但這並不意味着工作可以照舊。所謂「轉業」，並不是離開計算機系統領域去另謀出路，而是生產算子的範式徹底變了。劉勝與把這種轉變形象地稱為去做 Agent 的「機甲駕駛員」。

在這個新角色裏，「機甲」是那些擁有超高代碼吞吐能力、能自主分析指令停頓並批量刷性能的 AI Agent。

而人類工程師不再逐行手寫底層指令，而是退後一步成為「駕駛員」——憑藉對上層模型需求的理解、底層硬件物理特性的認知，以及全局系統工程的把控力，去給 Agent 下達指令、設定邊界、評估方案。

飯碗雖然保住了，但手藝人親手打磨代碼的快感也隨之被剝離。

正如劉勝與在文中的感嘆：「為了適應工業界的需求，我勢必要放棄之前那個我熱愛的方向，轉向一個未知的新方向……我的手中多了些齒輪，但心中少了些節拍。」

深層隱憂：工程根基的坍塌

除了個人角色的轉變，劉勝與更將視角投向了整個計算機工程教育與技術社會的未來的拷問。

在當下大學與科研訓練中，正時刻面臨着一種最真實、也是最普遍的投機誘惑：

這種觸手可及的效率捷徑，正在悄然抽空開發者的核心能力：代碼組織、系統構建、前瞻性設計以及抽象能力，原本都需要在無數次撞牆與 Debug 中磨鍊出來。

對於這些能力是否會被時代淘汰，劉勝與提出了尖銳的對比與推演：它究竟會像舊日的「編寫 x86 彙編」一樣逐漸邊緣化，還是會像「理解整套計算機系統」一樣成為永恒的基石？

如果是後者，AI 的泛濫帶來的絕非技術繁榮，而是一場巨大的系統性風險。在長文中，劉勝與站道出了一線開發人員的隱憂：

「一個工程能力很差的人，在搭配上 AI 後，產出屎山的效率可以達到先前的數倍，進而給系統埋下各式禍患，讓這個世界變得更加草台。」

當手寫代碼的壁壘被輕易抹平、工程底層逐漸空心化時，整個技術生態的博弈規則也在發生質變。劉勝與也由此拋出了極具穿透力的追問：

「在未來社會中，權力（power）是不是會比技術或智商更加重要？」

基於這一判斷，他推演了未來社會的兩個極端走向：

這樣的思考也錨定了他在失去手寫算子的清歡之後，依然選擇留守戰壕的深層動力：

「這也是為什麼我選擇並堅持留在了 DeepSeek：我們研究強大、快速、普惠的人工智能並將其開源，或許能把世界從 2077 那端拉回來一些。」

這不僅是一個人的獨白

長文發布後，在技術圈內引發了極為熱烈的反響，甚至吸引了多位學者與資深開發者的下場討論。

劉勝與在文中對「AI 正在攻破算子開發」的斷言，很快在評論區得到了同行的直接印證。讀者「葫蘆」坦言，自己目前正是藉助 Codex 來進行國產芯片的 Attention 算子開發，「除了方案不能替我敲定之外，別的都可以幫助我完成，又快又好」。

更深層的追問來自學術界。南京大學計算機學院某博導也留下評論：「我反正相信系統設計的品味是可以由 RL 有反饋信號的，就看什麼時候大家摸清數據的構造和訓練方法吧，那時候就真完犢子了。」

這句帶着冷幽默的論斷也揭露了系統工程的底層隱憂——如果連架構審美和權衡取捨也能被強化學習的反饋信號全面滲透，人類工程師最後的**「直覺護城河」**或許也將不復存在。

面對知識體系被重構的衝擊，熱評第一的讀者「N0W0N」留下一句自嘲：「那我們現在豈不是 49 年入國軍」。這種調侃背後，是無數科班開發者面對技術躍遷時的真實失落。而當有讀者懷疑這篇文風流暢的文章是否出自大模型 Prompt 時，劉勝與回覆的那句「這是我手寫的」，反倒成了這個充斥着合成文字的時代裏，對人類獨立思考的捍衛。

同時，不少長期跟蹤大模型落地的一線技術人員表示，正是在 OpenAI 與 Anthropic 等巨頭日益封閉、試圖構築高牆的背景下，才愈發凸顯出開源社區與國產前沿團隊打破技術封鎖的意義。選擇誰的架構、使用誰的模型，本質上是在為人類未來的技術形態投下自己的選票。

結 語

商業社會的生產力更迭，從來只認更高的效率與更低的成本，並不會因為「手藝人」的情懷而放慢半點腳步。

當昨日的才華被埋葬，新的機甲已經啓動。這或許就是當下所有探索者在奇點來臨前，無可迴避的抉擇。