刚写完 V4.1 主算子就要“转业”？DeepSeek 资深算子工程师深夜独白

作者 | 四月

大模型狂飙的这半年，宏观叙事越来越走向极端：一边是创始人动辄颠覆一切的狂言，一边是耸人听闻的末日威胁。而当变革的重锤砸向 AI 开发的一线，那些用代码推高模型能力上限的人，究竟在经历些什么？

昨夜凌晨，DeepSeek 机器学习系统（MLSys）工程师刘胜与在其个人平台发布了一篇长文《我不得不把才华埋葬在昨天》。

与常见的失业焦虑不同，作者是刚刚为 DeepSeek V4.1 交付了核心算子的顶尖工程师。也就是说，他是亲手铸造 AI 引擎的人，却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 DeepSeek 算力底座的人

作者刘胜与，2021 级北京大学图灵班成员，曾任北京大学未名超算队队长，并代表学校出征国际大学生超算竞赛 SC23。

在校期间，他便深入 Transformer 底层架构与 CUDA 编程，在导师指导下参与大模型推理框架的研发。本科阶段加入 DeepSeek 后，他迅速成为其底层基础设施与高性能算子优化的主力。

在大模型研发体系中，算法科学家负责定义网络架构，而系统工程师（MLSys）则是让这些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，正是深入 GPU 架构的最底层，榨干每一代计算芯片与内存带宽。

具体来看，刘胜与的主要技术贡献包括：

• 2025 年 2 月 · DeepGEMM 算子库开源： 深度参与底层 FP8 极致性能 GEMM 算子优化，为 DeepSeek 系列模型的高效训练与推理奠定硬件加速基石；

• 2026 年 4 月 · DeepEP V2 专家并行通信库升级： 针对下一代模型架构与混合专家（MoE）通信瓶颈，深度参与通信算子重构，显著降低跨节点与跨卡数据交换开销；

• 2026 年 9 月 · DeepSeek V4.1 核心算子交付： 独立负责并实现模型主 Attention 算子（head dim = 512 的 MQA attention），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极致的掌控，才筑牢了 DeepSeek 历代模型在严苛成本控制与高效算力利用上的技术护城河。当前，Infra 能力的提升，同时也是智谱等国产模型能够在有限算力条件下持续压低训练与推理成本的核心竞争力。

然而，技术变革的讽刺与残酷之处恰恰在此拉开序幕。

" 希望革我命的人是我自己 "

在很长一段时间里，高性能 GPU 算子编写被认为人类程序员最难被取代的 " 手艺 "。

它不仅要求掌握上层的高性能计算逻辑，更要求工程师极其熟悉 GPU 的微架构细节、内存层次结构，甚至要深挖到底层的 PTX 汇编与 SASS 机器码级别，剖析硬件流水线的停顿原因，进行复杂的寄存器分配与共享内存调度。

但刘胜与在文中指出的当前现实却是，"AI 成了算子大师 "。

刘胜与推断，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，将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；AI 能在模型深度、思考强度、工具调用量（和环境交互的频率）、甚至并行度等方面都能不断提升，而我不能。"

随之而来的，是残酷的技术悖论：工程师把底层的算子优化得越极致，模型的训练与推理就越高效；模型的迭代进化就越快，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，那为何还要倾尽全力？

刘胜与给出的心路历程极为真切。

一方面，这源于纯粹的技术多巴胺——写算子对他而言就像打游戏，发明一种新技术、看到算子性能飙升、甚至跑赢芯片大厂官方算子的那一刻，其成就感不亚于速通玩家打破了世界纪录。

但更深沉的动力，在于面对技术大势时的清醒冷静：哪怕自己就此停手甚至消极怠工，全球其他团队的模型依然会以加速度向前推进，并最终毫无悬念地席卷而来。

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。"

事实上，刘胜与所感知的这种 " 被替代 " 感，也是当前芯片与系统软件层正在加速推荐的技术趋势。算子与软硬件栈开发自动化早已不是纸上谈兵：行业内早有明确案例。

在《用 Astra+Codex 干掉 CUDA！奥特曼 9 个月 AI 造芯反杀英伟达 GB300》我们就曾报道，OpenAI 在推进其定制 AI 芯片（代号 " 墨西哥辣椒 "）的过程中，便规模化地调用 Astra 和 Agent 工具直接参与算子生成与编译栈搭建，将原本需要数十位资深底层专家耗时数月的开发周期，压缩至极短时间。

更早时候，英伟达和 Cursor 曾公布过一项更工程化的实验：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%，其中 19% 的任务提速超过两倍。

从手写底层汇编，到利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，这种清醒推演最终导向的，并非泛泛谈论的 " 失业 " 恐慌，而是一个更为精准职业判断——" 转业 "。

在刘胜与看来，顶尖工程师凭借自己的眼界、工程判断力与智力，依然能够留在时代的牌桌上，但这并不意味着工作可以照旧。所谓 " 转业 "，并不是离开计算机系统领域去另谋出路，而是生产算子的范式彻底变了。刘胜与把这种转变形象地称为去做 Agent 的 " 机甲驾驶员 "。

在这个新角色里，" 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。

而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。

饭碗虽然保住了，但手艺人亲手打磨代码的快感也随之被剥离。

正如刘胜与在文中的感叹：" 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。"

深层隐忧：工程根基的坍塌

除了个人角色的转变，刘胜与更将视角投向了整个计算机工程教育与技术社会的未来的拷问。

在当下大学与科研训练中，正时刻面临着一种最真实、也是最普遍的投机诱惑：

这种触手可及的效率捷径，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 Debug 中磨炼出来。

对于这些能力是否会被时代淘汰，刘胜与提出了尖锐的对比与推演：它究竟会像旧日的 " 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 " 一样成为永恒的基石？

如果是后者，AI 的泛滥带来的绝非技术繁荣，而是一场巨大的系统性风险。在长文中，刘胜与站道出了一线开发人员的隐忧：

" 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，让这个世界变得更加草台。"

当手写代码的壁垒被轻易抹平、工程底层逐渐空心化时，整个技术生态的博弈规则也在发生质变。刘胜与也由此抛出了极具穿透力的追问：

" 在未来社会中，权力（power）是不是会比技术或智商更加重要？"

基于这一判断，他推演了未来社会的两个极端走向：

这样的思考也锚定了他在失去手写算子的清欢之后，依然选择留守战壕的深层动力：

" 这也是为什么我选择并坚持留在了 DeepSeek：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。"

这不仅是一个人的独白

长文发布后，在技术圈内引发了极为热烈的反响，甚至吸引了多位学者与资深开发者的下场讨论。

刘胜与在文中对 "AI 正在攻破算子开发" 的断言，很快在评论区得到了同行的直接印证。读者 " 葫芦 " 坦言，自己目前正是借助 Codex 来进行国产芯片的 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 "。

更深层的追问来自学术界。南京大学计算机学院某博导也留下评论：" 我反正相信系统设计的品味是可以由 RL 有反馈信号的，就看什么时候大家摸清数据的构造和训练方法吧，那时候就真完犊子了。"

这句带着冷幽默的论断也揭露了系统工程的底层隐忧——如果连架构审美和权衡取舍也能被强化学习的反馈信号全面渗透，人类工程师最后的 **" 直觉护城河 "** 或许也将不复存在。

面对知识体系被重构的冲击，热评第一的读者 "N0W0N" 留下一句自嘲：" 那我们现在岂不是 49 年入国军 "。这种调侃背后，是无数科班开发者面对技术跃迁时的真实失落。而当有读者怀疑这篇文风流畅的文章是否出自大模型 Prompt 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，对人类独立思考的捍卫。

同时，不少长期跟踪大模型落地的一线技术人员表示，正是在 OpenAI 与 Anthropic 等巨头日益封闭、试图构筑高墙的背景下，才愈发凸显出开源社区与国产前沿团队打破技术封锁的意义。选择谁的架构、使用谁的模型，本质上是在为人类未来的技术形态投下自己的选票。

结 语

商业社会的生产力更迭，从来只认更高的效率与更低的成本，并不会因为 " 手艺人 " 的情怀而放慢半点脚步。

当昨日的才华被埋葬，新的机甲已经启动。这或许就是当下所有探索者在奇点来临前，无可回避的抉择。