亲手铸造AI引擎后，这位顶尖工程师发现自己正在被替代
你有没有想过一个问题：如果你亲手造出了取代自己的工具，你还会继续拧紧最后一颗螺丝吗？
昨夜凌晨，DeepSeek 机器学习系统工程师刘胜与发了一篇长文，标题叫《我不得不把才华埋葬在昨天》。
他不是被裁的那一个。恰恰相反——他刚刚为 DeepSeek V4.1 交付了核心算子，是亲手铸造 AI 引擎的人。
可他在目睹模型攻入专业腹地后，不得不承认：自己正在加速被 AI 替代，并且被迫「转业」。
撑起算力底座的人，先看到了自己的终点
先说说这个人有多硬核。
刘胜与，2021 级北京大学图灵班成员，曾任北大未名超算队队长，代表学校出征国际大学生超算竞赛 SC23。在校期间就深入 Transformer 底层架构与 CUDA 编程，本科阶段加入 DeepSeek 后，迅速成为底层基础设施与高性能算子优化的主力。
💡 他做的事，是榨干每一代芯片的极限
在大模型研发体系里，算法科学家负责定义网络架构，而系统工程师是让庞大网络在物理硬件上高效运转的「地基施工队」。
刘胜与的核心工作，就是深入 GPU 架构最底层，把每一代计算芯片与内存带宽用到极致。
他的技术履历相当扎实：
- 2025 年 2 月，深度参与 DeepGEMM 算子库开源，做底层 FP8 极致性能优化；
- 2026 年 4 月，参与 DeepEP V2 专家并行通信库升级，针对混合专家架构重构通信算子；
- 2026 年 9 月，独立负责并实现 DeepSeek V4.1 主 Attention 算子，直接支撑了 V4.1 在小模型与高效推理场景下的性能跃升。
可以说，正是他们对硬件底层的极致掌控，才筑牢了国产模型在严苛成本控制与高效算力利用上的技术护城河。
然而，技术变革的讽刺恰恰在此拉开序幕。
「希望革我命的人是我自己」
很长一段时间里，高性能 GPU 算子编写被认为是最难被取代的「手艺」。
⚠️ 它难到什么程度？
不仅要懂上层高性能计算逻辑，还要极其熟悉 GPU 微架构细节、内存层次结构，甚至要深挖到 PTX 汇编与 SASS 机器码级别，去剖析硬件流水线停顿原因，做复杂的寄存器分配与共享内存调度。
但刘胜与在文中给出的判断是：AI 成了算子大师。
他推断，未来半年到一年内，AI 自主评估调度方案、设计并实现端到端极致算子的能力，大概率追平甚至超越顶级人类工程师。
「AI 能一秒思考 300 个 token、半秒敲出一行命令、二十秒写完一份代码，而我不行。」
随之而来的是一个残酷悖论：工程师把底层算子优化得越极致，模型迭代进化就越快，而他们被模型超越和替代的周期也就越短。
既然明知在亲手加速自己的被替代，为什么还要倾尽全力？
🌟 他的答案，比想象中清醒
一方面是纯粹的技术多巴胺——写算子对他而言就像打游戏，看到算子性能飙升、跑赢芯片大厂官方算子的那一刻，成就感不亚于速通玩家打破世界纪录。
但更深沉的动力，在于面对技术大势时的清醒：哪怕自己停手，全球其他团队的模型依然会加速向前，并最终席卷而来。
他写道：
「我当然希望自己不要被革命，但如果非被革命不可的话，我希望革我自己命的人是我自己。」
这种「被替代」感，并非个人幻觉。OpenAI 在推进定制 AI 芯片过程中，就规模化调用 Agent 工具直接参与算子生成与编译栈搭建。英伟达和 Cursor 也曾公布实验：多 Agent 系统在三周内自动优化了 235 个面向 Blackwell B200 的 CUDA 算子，几何平均性能提升 38%。
从手写底层汇编，到用强化学习与模型生成驱动算子自动化调优，系统工程的演进速度，正在超越所有人最初的设想。
不过，这种清醒推演导向的不是「失业」恐慌，而是一个更精准的职业判断——「转业」。
从手艺人，到 Agent 的「机甲驾驶员」
在刘胜与看来，顶尖工程师凭借眼界、工程判断力与智力，依然能留在牌桌上，但这不意味着工作可以照旧。
所谓「转业」，不是离开计算机系统领域，而是生产算子的范式彻底变了。
他把这种转变称为去做 Agent 的「机甲驾驶员」。
💡 新角色里，人做什么？
「机甲」是那些拥有超高代码吞吐能力、能自主分析指令停顿并批量刷性能的 AI Agent。
人类工程师不再逐行手写底层指令，而是退后一步成为「驾驶员」——凭借对上层模型需求的理解、底层硬件物理特性的认知，以及全局系统工程的把控力，去给 Agent 下达指令、设定边界、评估方案。
饭碗保住了，但手艺人亲手打磨代码的快感也随之被剥离。
正如他在文中的感叹：
「为了适应工业界的需求，我势必要放弃之前那个我热爱的方向，转向一个未知的新方向……我的手中多了些齿轮，但心中少了些节拍。」
更深一层的隐忧：工程根基正在空心化
除了个人角色转变，刘胜与把视角投向了整个计算机工程教育与技术社会的未来。
⚠️ 最真实的投机诱惑
当下大学与科研训练中，AI 提供了触手可及的效率捷径。但这种捷径正在悄然抽空开发者的核心能力：代码组织、系统构建、前瞻性设计以及抽象能力，原本都需要在无数次撞墙与调试中磨炼出来。
他提出了一个尖锐的问题：这些能力究竟会像「编写 x86 汇编」一样逐渐边缘化，还是会像「理解整套计算机系统」一样成为永恒基石？
如果是后者，AI 的泛滥带来的绝非技术繁荣，而是一场系统性风险。
他写道：
「一个工程能力很差的人，在搭配上 AI 后，产出屎山的效率可以达到先前的数倍，进而给系统埋下各式祸患。」
当手写代码的壁垒被轻易抹平，整个技术生态的博弈规则也在发生质变。他由此抛出追问：在未来社会中，权力是不是会比技术或智商更加重要？
而这也锚定了他依然选择留守战壕的深层动力：
「我们研究强大、快速、普惠的人工智能并将其开源，或许能把世界从 2077 那端拉回来一些。」
这不是一个人的独白
长文发布后，技术圈反响热烈。
有读者坦言，自己目前正是借助 Codex 进行国产芯片的 Attention 算子开发，「除了方案不能替我敲定之外，别的都可以帮助我完成，又快又好」。
南京大学计算机学院一位博导也留下评论，相信系统设计的品味可以由强化学习有反馈信号地习得，「就看什么时候大家摸清数据的构造和训练方法吧」。
这句冷幽默揭示了一个底层隐忧：如果连架构审美和权衡取舍也能被反馈信号全面渗透，人类工程师最后的「直觉护城河」或许也将不复存在。
热评第一的读者自嘲：「那我们现在岂不是 49 年入国军」。调侃背后，是无数科班开发者面对技术跃迁时的真实失落。
而当有人怀疑这篇文风流畅的文章是否出自大模型时，刘胜与回复的那句「这是我手写的」，反倒成了这个充斥着合成文字的时代里，对人类独立思考的一次安静捍卫。
当昨日的才华被埋葬，新的机甲已经启动。
真正稀缺的从来不是写代码的手，而是知道该往哪里敲下第一行指令的判断力。
如果你的工作也正在被 AI 一点点渗透，你会选择转业、坚守，还是另起一行？
如果这篇文章让你有所触动，欢迎点个赞，也把它分享给同样在路上的人。
