DeepSeek MLSys 工程师刘胜与在《我不得不把才华埋葬在昨天》中写下了一段技术人的内心独白：他亲手为 DeepSeek v4.1 编写主 Attention 算子，却清醒地预见到，半年到一年后，AI 写出的算子大概率会与他写得同样优秀，甚至将他超越。这份清醒的悲观，折射出 AI 时代底层工程师正在经历的结构性困境。
抽象阶梯 L4 的攻防战
从计算机系统的 7 层抽象阶梯来看，刘胜与的工作位于 L4 低级代码层——助记符编写机器指令，复杂度跨度从 10^10 到 10^13。这一层要求工程师理解 CPU/GPU 的微观架构，掌握 x86-64/ARM 汇编、PTX/SASS 编码，通过指令级优化压榨硬件性能。
刘胜与描述 AI 在这一年的蜕变：从只能查文档、读代码的小助手，蜕变成能独立阅读 CUDA、PTX 与 SASS 编码、分析每条指令停顿时间、独立优化算子的算子大师。这意味着 AI 正在快速攀爬抽象阶梯，从 L6 高级语言层下沉到 L4 甚至更底层。当 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时，人类在纯计算效率上的劣势已无法弥补。
自我革命的悖论
刘胜与提出了一个尖锐的问题：既然"我算子写得越好，模型进步越快，我就会越早被取代"，为什么还要尽力优化？他的答案分两层——写算子本身带来的快感，以及"如果非被革命不可，希望革自己命的人是我自己"。
这揭示了一个残酷的博弈结构：在 AI 军备竞赛中，每个参与者都面临囚徒困境。即使个体选择"摆烂"，竞争对手的模型仍会照常发展。刘胜与的理性选择是加入这场自我毁灭的竞赛，因为他清楚，停滞不会延缓被取代的进程，只会让自己在牌桌上失去位置。这种"明知不可为而为之"的状态，正是技术加速时代的典型特征。
从手写算子到机甲驾驶员
刘胜与判断自己不至于失业，但必须转业。他的饭碗能保住，但再也无法从事那份曾热爱过的工作。这个判断指向一个更深层的变化：工业界的需求从"会写高性能算子的人"漂移到"能用 AI 更快地产出高性能算子的人"。
他用织毛衣的比喻说明这种转变：你精通织造技术，享受临窗听雨、引针穿线的意趣，但一台机器能以更快速度产出同等质量的毛衣。你不得不使用它，凭借二十年经验仍能超过同行，但那份慢度光阴的意趣被机器轰鸣碾碎。
从抽象阶梯的视角看，这是工程师角色的重新定位：从 L4 层的直接操作者，转变为 L5 虚拟机代码层甚至 L6 高级语言层的"机甲驾驶员"——用更高层的语言指挥 AI 完成底层优化。刘胜与相信自己能凭借对工程学、上层模型需求和底层硬件的理解，继续高质量产出算子，但"被夺走热爱的感觉，确实不太好受"。
工程能力的价值重估
刘胜与对 AI 时代的教育表达了担忧：学生会倾向于用 AI 完成 Lab，用几毛钱成本、几分钟时间直接获得满分代码。这会导致大量学生的工程能力严重不足——组织代码、构建系统、抽象设计的能力缺失。
关键问题在于：这些工程能力是会像"熟练编写 x86 汇编"那样被时代抛弃，还是会像"理解从软件到系统再到硬件的整套计算机系统"那样永远具有价值？如果是后者，一个工程能力差的人搭配 AI，产出屎山的效率可达先前的数倍，给系统埋下祸患。
这个问题的答案，或许藏在抽象阶梯的本质中：每一层的抽象都建立在对下一层的理解之上。L4 的算子优化需要理解 L3 体系结构，L3 需要理解 L2 计算与内存。即使 AI 能完成 L4 的具体工作，对底层原理的理解仍然是判断 AI 输出质量、设计更高层系统的前提。工程能力的价值不在于亲手写每一行代码，而在于能否在抽象阶梯上自由攀爬、在层与层之间建立连接。
结语
刘胜与的告别，是一个技术人与旧日热爱的分手信。他理性地接受了转业，感性地为那份"坐在工位上静心写上一下午算子的清欢"哀悼。这种理性与感性的撕裂，正是 AI 时代技术人的共同处境。
从 NAND 门到应用系统的 7 层抽象阶梯，每一层都在被 AI 重新定义。但阶梯本身的价值不会消失——理解每一层的 What、Why、How，理解层与层之间的连接与代价，这种系统性的认知能力，才是留在牌桌上的真正筹码。Bit by bit, tern by tern，一位一位，一层一层，这场攀爬仍将继续。
---
附录：原文
《我不得不把才华埋葬在昨天》
前几天，DeepSeek v4.1 发布了，将小模型能力的高度又向上推进了一个档次。
AI 发展的速度远远超过了所有人的预期。从那个只会咿呀学语地聊天、上下文长度只有几千 token 的初版 ChatGPT，到具有推理能力的 OpenAI o1、DeepSeek R1 与 Kimi K1.5 Thinking，只不过短短两年；从推理模型到如今能够流畅地在各类 harness 工具中执行命令、完成复杂任务的智能体，也不过一年半。很难想象，倘若再等上一年、两年、三年，彼时的 AI 会成为什么样子，会有多么强大，会不会已经具备了自我进化的能力，并深度渗透进了具身智能等领域。
**AI 越来越会写算子了**
AI 在我所从事的算子设计、编写这一领域同样进步飞速，在短短一年的时间内，他已经从一个只能帮我查查文档、读读代码、找找 bug 的小助手，蜕变成了一位能够独立阅读 CUDA、PTX 与 SASS 编码、通过专业工具分析每条指令的停顿时间、进而独立优化算子的算子大师。相信在不久的未来，它也能拥有自己独立设计算子调度、评估不同调度方案的性能、将其实现并优化的能力。
我当然为 DeepSeek v4.1 的成功而骄傲 —— 毕竟它的主 Attention 算子都是我写的，它的优秀正是对我的算子的一份肯定。但是，时代的车轮滚滚向前，技术的发展无人能挡。我很清楚，再过上半年或者一年，AI 写的算子大概率就会和我写得同样优秀，甚至将我超越。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。
人类在毁灭自己这件事情上，自古以来都表现得毫不犹豫。为什么在明知"我算子写得越好，我们的新模型的训练、推理速度就会越快，模型能力进步就会更快，我就会更早地被取代"的情况下，我仍然选择尽力优化算子呢？一方面确实是因为写算子对我来说就像打游戏一样，能为我提供极大的快感。我在发明了一种新技术、或者看到自己算子的性能上升的那一刻，心中的激动程度不亚于游戏的速通玩家打破了自己过往的记录。同时，当看到自己的算子的性能远超厂商官方的算子时，我心中也会萌生极大的自豪感。但除此之外，一个更重要的原因是，哪怕我就此"摆烂"甚至故意下绊子耽误模型训练，其它家的模型也会照常发展并最终将我照杀不误。"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"。在大家都这么执着于毁灭自己的时候，我也不得不加入这场残酷的军备竞赛。
**那我呢**
等到 AI 写算子的水平真的高于我的那天，届时的我会怎么样呢？
我的判断是：我不至于会"失业"，但必须要"转业"。我的饭碗尚且能保住，但这可能会导致我再也没机会从事那份我曾热爱过的工作。
我曾经对时代的变化与我个人在未来的处境做出过一个判断：由于时代变化真的太快（上文的 AI 发展就是一个很好的例子），我完全无法预知五年、十年后会发生什么，但不论如何，我相信凭借着自己的眼界、判断力、主观能动性与智力，留在时代的牌桌上，并重新立于时代的潮头。但是，这个判断只能保证我不会"失业"，而无法保证我不需要"转业"，倒不如说这个判断鼓励我通过转业来避免失业。
那转业代表什么呢？它代表着我需要放弃我深耕已久并充满热爱的算子设计、编写、优化领域，转而去做 Agent 的"机甲驾驶员"。在之前，我的兴趣、我所擅长的、以及工业界所需要的，三者是基本对齐的；而现在，AI 让我所擅长的变成了它更擅长的，也让工业界的需求从"会写高性能算子的人"漂移到了"能用 AI 更快地产出高性能算子的人"。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。我相信我能凭借着自己对于工程学、上层模型需求和底层硬件的理解，继续高质量、高效率地产出算子，我也知道我可能会热爱这个新方向（也可能不会），但被夺走热爱的感觉，确实不太好受。那份坐在工位上静心写上一下午算子的清欢，可能会在这个夏天成为绝唱。我不得不把才华埋葬在昨天，去做一位机甲驾驶员。我的手中多了些齿轮，但心中少了些节拍。
可以打个形象的比方：你精通织毛衣技术，尤其擅长各种图案的织造与各色色彩的搭配。你所织出的毛衣质量过硬且花纹美观，十里八乡的富人都来请你为他们织毛衣，你借此赚到了不少钱。同时，你十分享受着那种坐在窗边，沏一壶清茶，望着窗外的青山、绿水、牛羊与炊烟，静静地织上一下午毛衣的感觉。但有一天，有人发明出了一台神奇的机器，只需提供毛线与图案，便可自动织出毛衣，质量与纹理都不亚于你亲手织造的，且速度远快于你。你很清楚，你的同行可以凭着这台机器轻松达到你曾经的水平，因此你不得不也去用它。你也知道，凭借着你过去二十年攒下的织毛衣技术，哪怕大家都有机器，你织毛衣的速度与质量也还能超过同行。但那份临窗听雨、引针穿线、慢度光阴的意趣，终究还是被机器的轰鸣碾碎了。
我知道这很无奈，但没办法。饭碗可以保住，但旧日的热爱大概率是要放弃的。我是一个理性和感性分离得比较开的人，在需要用理性处理问题时可以很理性，但有时也会表现出感性的一面。我记得我在搬离住了一年的出租屋时，还大哭了一场，舍不得和过去的记忆分别。今天和之前那个手写算子、人脑优化的时代告别，无疑比这更加残酷。
不知道有没有读者有类似的感受，但我想这事儿也只能这样了。
**那人们呢**
在 AI 不断进步的同时，我也对一些问题表示担忧：
现在的学生是不是大概率会更倾向于使用 AI 完成作业，特别是偏向于实践的各种 Lab？想象一下，如果面前有两个选择，一个是苦哈哈地用八小时时间完成一个 Lab，或许还拿不到满分；另一个则是启动 AI 模型，用几毛钱的成本、几分钟的时间，直接让 AI 编写满分代码，那大部分学生会选择哪个呢？
上面一点会导致大量学生的工程能力严重不足，包括组织代码的能力、构建系统的能力、思考未来潜在需求并提前在设计上应对的能力、抽象的能力等等。那么在 AI 能力不断变强的背景下，这部分"工程能力"是否还是必须的呢？这些工程能力是会向旧日的"熟练编写 x86 汇编"的能力那样逐渐被时代抛弃，还是会像"理解从软件到系统再到硬件的整套计算机系统"的能力那样永远具有价值？如果是后者的话，那就危险了 —— 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。
在未来社会中，权力（power）是不是会比技术或智商更加重要？
这些问题，或许就需要时代本身来回答了。