DeepSeek研究员自白：亲手训练的AI即将取代自己

一位顶尖算子工程师的深夜自白

"我不得不把才华埋葬在昨天。"这句近乎残酷的自白，来自DeepSeek V4.1核心算子的编写者刘胜宇。他出身北大图灵班，曾带队拿下世界超算竞赛冠军，如今在DeepSeek一线亲手敲写模型底层的核心算子——一个站在AI技术金字塔尖的人，却公开承认自己正在被亲手养大的AI逼向淘汰的边缘。

这份自白之所以引发广泛讨论，正因为它出自一个"最不该焦虑"的人。算子优化被视为大模型工程中最硬核、门槛最高的环节之一，需要对底层硬件、编译器和数值计算有极深的理解。当连这样的岗位都开始感受到AI的压迫感时，外界很难不产生联想。

算子（Operator）是深度学习框架中执行具体数学运算的最小计算单元，例如矩阵乘法、注意力计算（Attention）、归一化（LayerNorm）等。算子优化的目标是让这些运算在特定硬件（尤其是GPU）上以最高效率运行，通常需要深入理解GPU架构的内存层级（共享内存、寄存器文件、全局内存）、线程束（Warp）调度机制以及数值精度权衡等。大模型训练和推理的速度与成本，在很大程度上取决于核心算子的实现质量。正因如此，算子工程师长期被视为大模型技术链条中最难被替代的岗位之一——刘胜宇的焦虑也因此显得格外有分量。

半年之间，工具变成了对手

刘胜宇描述了一条清晰的能力跃迁曲线。半年前，AI在他眼里还只是个帮忙查文档、找bug的小工具；而现在，它已经能读懂CUDA PTX这类底层代码，甚至可以独立完成算子优化的工作。

他给出的预判相当直接：最多再过半年到一年，AI写算子的水平大概率会彻底超过他本人。这不是遥远的科幻叙事，而是一个从业者基于自身工作体感做出的近距离判断。对熟悉大模型训练流程的人来说，这条曲线并不夸张——当模型具备阅读底层代码和自我优化的能力后，它在特定工程任务上的迭代速度会远超人类学习速度。

"革命"的悖论：越优秀，越接近被取代

他的处境构成了一个尖锐的悖论：自己写得越好，模型迭代就越快，被取代的那天也就来得越早。这几乎是所有一线AI研发者共同面对的结构性矛盾——他们的价值恰恰体现在加速一个可能让自己失业的进程。

面对这种矛盾，刘胜宇给出的态度并非躺平，而是一句耐人寻味的话："我当然不想被革命，但如果非革不可，我希望革我命的人是我自己。"

CUDA PTX（Parallel Thread Execution）是NVIDIA GPU的一种中间层汇编语言，介于高级编程语言（如CUDA C++）与GPU实际执行的机器码之间。开发者通常通过CUDA C++编写代码，再由编译器生成PTX，最终由GPU驱动编译为二进制指令。能够直接读写PTX，意味着可以绕过上层抽象，对内存访问模式、寄存器分配、指令流水线等最底层的执行细节进行精细调控，是算子优化中难度最高的技能之一。此前，AI辅助工具一般只能理解CUDA C++层面的代码逻辑；而能够理解并生成PTX级别的代码，代表AI的底层工程能力出现了跨越式提升，这也是刘胜宇判断"能力跃迁"的重要依据。

为什么明知会被取代，还要拼命优化

换作旁人，或许早已陷入焦虑或选择摆烂。但刘胜宇的回答很现实：他没得选。

这里的逻辑是残酷的行业竞争现实——就算他个人选择停下脚步，别家的模型照样会继续进化，并以更快、更强的姿态将他淘汰。在AI这条赛道上，个体的"摆烂"无法拖慢整体的进程，只会让自己更早出局。这种"停不下来"的集体加速，正是当下AI竞赛最真实的写照。

比个人失业更大的忧虑：两个极端的未来

刘胜宇真正担心的，其实不止是个人的饭碗，而是整个社会的走向。他认为AI可能把世界推向两个截然相反的极端。

一个方向是生产力的彻底解放，AI成为普惠的工具，让更多人受益；另一个方向则是《赛博朋克2077》式的反乌托邦——少数公司攥着最强的AI，技术能力高度垄断，普通人连实现阶层跨越的门票都拿不到。

这种对技术垄断的担忧，是近年来AI伦理讨论的核心议题之一。当最先进的模型集中在极少数机构手中时，技术差距很容易固化为社会差距。

开源，是他留下的理由

正是基于这份忧虑，刘胜宇解释了自己继续留在DeepSeek的原因：研究强大、快速、普惠的人工智能，并坚持将它开源。在他看来，开源或许就是把世界从"2077深渊"里拉回来的一条路径——让强大的能力尽可能扩散，而非被少数玩家独占。

这也与DeepSeek一贯的开源路线相呼应。对于普通用户和开发者而言，模型开源意味着更低的使用门槛和更多的参与机会，这在一定程度上回应了"技术普惠"的诉求。

DeepSeek自2024年起陆续开源多个主力模型，包括DeepSeek-V2、DeepSeek-Coder等系列，其开源策略与OpenAI、Anthropic等闭源路线的主流玩家形成鲜明对比。开源大模型允许研究者、开发者和企业在自有硬件上部署和修改模型权重，从而打破"必须通过API付费调用"的使用依赖。在AI能力日益集中于少数科技巨头的背景下，高质量开源模型被许多人视为维持技术生态多样性、降低中小团队参与门槛的关键力量。刘胜宇将"开源"与"普惠"直接挂钩，反映的正是这一判断：若最强能力只能以闭源形态存在，技术鸿沟将不可避免地转化为更深层的社会不平等。

写在最后

刘胜宇的这段自白之所以打动人，不在于它预言了什么惊人的技术突破，而在于它诚实地呈现了一个AI从业者内心的撕裂：既是加速者，也可能是被淘汰者；既清醒地看到风险，又选择继续投身其中。

无论他的时间预判是否精准，这种来自一线的真实声音，都值得每一个关注AI的人认真思考——当技术进步的速度快过人类适应的速度时，我们究竟该如何自处，又该把未来引向哪个方向。