DeepSeek工程師文章海外刷屏 當“造AI的人”被AI“革命”

DeepSeek工程師文章海外刷屏 當“造AI的人”被AI“革命”

DeepSeek機器學習系統工程師劉圣瑜在個人平臺上發表了一篇題為《我昨天不得不埋葬我的才華》的長文。他不是被裁員的焦慮者——恰恰相反，他是剛剛交付了DeepSeek V4.1核心算子的頂尖工程師，是親手搭建了AI引擎的人。但在目睹模型闖入專業領域后，他不得不承認自己正在被AI快速替代，被迫“轉行”。

這篇文章在海外技術社區引發廣泛討論，因為它觸及了一個敏感而根本的問題：當AI開始“吃掉”AI工程師的工作時，這意味著什么?

一個頂尖工程師的技術履歷

劉圣瑜的背景足以讓任何技術公司側目。他是北京大學2021級圖靈班成員，曾擔任北京大學未名超算隊隊長，代表學校參加國際大學生超算競賽SC23。在校期間深入Transformer底層架構和CUDA編程，在導師指導下參與大模型推理框架的研發。本科期間加入DeepSeek后，迅速成為底層基礎設施和高性能算子優化的核心力量。

他的技術貢獻包括：2025年2月開源DeepGEMM算子庫，深度參與FP8極限性能GEMM算子的優化，為DeepSeek系列模型的高效訓練和推理奠定了硬件加速基石;2026年4月升級DeepEP V2專家并行通信庫，針對下一代模型架構和混合專家(MoE)的通信瓶頸，深度參與通信算子的重構;2026年9月交付DeepSeek V4.1核心算子，獨立負責并實現了模型的主Attention算子(head dim = 512的MQA attention)，直接支撐了V4.1在小模型和高效推理場景下的性能躍升。

正是這些人對底層硬件的極致把控，構建了DeepSeek各代模型在嚴格成本控制和高效算力利用上的技術護城河。

為什么“造AI的人”會被AI替代

劉圣瑜的困境揭示了一個反直覺的事實：AI替代的不是“低端”工作，而是“可被形式化描述”的工作。

GPU算子優化，曾經被認為是極度依賴經驗和直覺的“手藝活”。一個優秀的算子工程師需要深入理解GPU架構、內存層次、指令調度、并行模式，通過反復試驗和調優，在有限的算力資源下榨取最大的性能。

但隨著AI模型本身能力的提升，代碼生成和優化正在成為AI最擅長的任務之一。大模型可以閱讀CUDA文檔，理解GPU架構，生成高性能的算子實現，并通過自動化測試和調優循環來優化性能。當一個AI系統能夠在幾分鐘內生成和測試數百個算子變體時，人類工程師靠“試錯”積累的經驗優勢就被大幅削弱了。

劉圣瑜在文章中寫道：“如果一定要被革命，我希望革命我的人是我自己。”這句話的悲劇性在于：他親手構建了替代自己的工具。

海外刷屏的原因

這篇長文在海外技術社區引發強烈共鳴，原因有三。

第一，它來自DeepSeek。 DeepSeek是中國AI公司中在全球技術社區影響力最大的之一。其V系列模型以極高的性價比和開源策略贏得了全球開發者的尊重。DeepSeek工程師的親身經歷，比任何行業分析都更有說服力。

第二，它觸及了AI從業者的集體焦慮。 從硅谷到深圳，從倫敦到班加羅爾，AI工程師們都在思考同一個問題：我做的事情，AI自己能做嗎?劉圣瑜的答案是殘酷的——至少對于算子優化這個細分領域，答案是“能”。

第三，它提出了一個制度性問題。 當AI替代了AI工程師，誰來設計下一代AI?如果最優秀的AI人才因為“被替代”而離開這個行業，AI的進步速度會不會放緩?這個問題沒有簡單的答案。

對AI行業的啟示

劉圣瑜的經歷對AI行業至少有三層啟示。

第一，AI能力的邊界正在從“生成”擴展到“優化”。 早期的AI主要替代的是內容生成類工作——寫文案、畫圖、編曲。而DeepSeek V4.1的案例表明，AI正在進入“優化”這個更復雜的領域——優化代碼、優化算法、優化系統性能。這意味著受影響的職業范圍比此前預期的更廣。

第二，AI公司的組織形態可能需要重構。 如果AI能夠完成大部分底層優化工作，AI公司的工程師團隊規模和結構將發生變化。少數頂尖工程師負責定義問題和設定目標，大量執行層面的優化工作由AI完成。這種“人定方向、AI執行”的模式正在成為可能。

第三，教育體系需要重新思考“什么值得教”。 如果GPU算子優化這類高度專業化的技能可以在幾年內被AI掌握，那么工程教育的重點應該從“教授具體技能”轉向“培養定義問題和判斷結果的能力”。劉圣瑜的價值不在于他會寫CUDA代碼——AI也會寫——而在于他理解“為什么要這樣優化”和“什么樣的優化是有意義的”。

劉圣瑜的“埋葬才華”不是個人的失敗，而是技術進步的代價。當AI能夠替代AI工程師的一部分工作時，人類工程師的價值將向上遷移——從“怎么做”轉向“做什么”和“為什么做”。這個遷移過程是痛苦的，但也是必要的。

中研普華產業研究院將持續跟蹤這一變局，為行業與市場提供專業、客觀的研判參考。本文分析基于公開市場數據及中研普華產業研究院自有數據庫及公開市場信息綜合整理。本文著作權歸中研普華產業研究院所有。未經中研普華產業研究院書面授權，任何機構和個人不得以任何形式轉載、復制、摘編或利用其他方式使用本文的全部或部分內容。已獲授權的使用，應在授權范圍內使用并注明來源。違反上述聲明者，中研普華產業研究院將追究其相關法律責任。