刚交付V4.1核心算子，DeepSeek工程师自曝要转业

“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。”

这句话出自DeepSeek机器学习系统工程师刘胜与。昨夜凌晨，他在个人平台发布长文《我不得不把才华埋葬在昨天》。

与常见的失业焦虑不同，他刚刚为DeepSeek V4.1交付了核心算子。亲手铸造AI引擎的人，却在目睹模型攻入专业腹地后，承认自己正在加速被AI替代。

撑起算力底座的人

刘胜与是2021级北京大学图灵班成员，曾任北京大学未名超算队队长，代表学校出征国际大学生超算竞赛SC23。在校期间，他深入Transformer底层架构与CUDA编程，在导师指导下参与大模型推理框架研发。本科阶段加入DeepSeek后，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，系统工程师（MLSys）则让这些庞大网络在物理硬件上高效运转。刘胜与的核心工作，是深入GPU架构最底层，榨干每一代计算芯片与内存带宽。

他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。

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。

“AI成了算子大师”

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”。

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，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、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。

为什么还要倾尽全力

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。

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进的技术趋势。算子与软硬件栈开发自动化早已不是纸上谈兵。

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。

不是失业，是“转业”

这种清醒推演最终导向的，并非泛泛谈论的“失业”恐慌，而是一个更为精准的职业判断——“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。”

工程根基的隐忧

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。

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。他在长文中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……”

这句话没有说完，但意思已经足够清楚。