今天下午，我把一篇刚刷屏的长文的相关报道翻了个遍。文章标题叫《我不得不把才华埋葬在昨天》，作者刘胜与，是DeepSeek的机器学习系统（MLSys）工程师。知乎热榜今天也新挂了这个问题：如何看待DeepSeek刘胜与的《我不得不把才华埋葬在昨天》？
让我停下来的不是标题，而是时间线：据36氪9月15日报道，这篇长文发布于凌晨——而就在此前，他刚刚为DeepSeek V4.1交付了核心算子。换句话说，写下"埋葬才华"的人，正是刚造完引擎的人。
他是谁：算力底座的"地基施工队"
要理解这篇长文的分量，得先知道他做的是什么样的工作。
据36氪梳理的公开资料：刘胜与是2021级北京大学图灵班成员，曾任北大未名超算队队长，代表学校出征过国际大学生超算竞赛SC23。在校期间就深入Transformer底层架构与CUDA编程，本科阶段加入DeepSeek。他的技术履历几乎踩着DeepSeek基础设施的关键节点：2025年2月深度参与DeepGEMM算子库开源，做FP8极致性能的GEMM算子优化；2026年4月参与DeepEP V2专家并行通信库升级，攻关MoE模型的通信瓶颈；今年9月，交付V4.1核心算子——36氪的标题里写的是"刚写完V4.1主算子"。
36氪用了个很准的比喻来描述这类角色：在大模型研发体系里，算法科学家负责定义网络架构，系统工程师则是让庞大网络在物理硬件上高效运转的"地基施工队"——深入GPU架构的最底层，榨干每一代计算芯片与内存带宽。
就是这样一位"施工队"主力，在长文里承认：目睹模型攻入自己的专业腹地后，他正在加速被AI替代，并且被迫"转业"。
为什么这份独白，比普通的焦虑叙事更有信息量
网上不缺"AI替代"的独白，但多数来自围墙外。刘胜与的独白特殊在，他站在递归循环的第一线。
这个逻辑值得掰开：他亲手写的算子，让模型跑得更快、训练更高效；而更强的模型，反过来攻入了"写算子"这块专业腹地。他不是被别人的AI淘汰的，他是被自己加速的AI追上的。36氪对行业氛围的描述也点到了要害：宏观叙事正走向极端，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一线，连铸锤的人都要自己回答这个问题。
这让我想到同一天翻到的另一个案例。今年7月，美国专利律师Bryan McWhorter（Knobbe Martens合伙人）接到一个专利尽调任务：56件相关专利，每件审查档案超过1300页，要找出可能限制权利范围的陈述。他把任务交给AI，第二天早上，系统从数万页材料里排出了五个最重要的限制性陈述。但真正让他不安的是另一件事：如果新人不再需要一页页翻档案，他们以后靠什么学会判断哪一页重要？
两个故事指向同一处：AI拿走的往往不是"工作"本身，而是"新人靠重复劳动长出判断力"的那条路。刘胜与的"转业"，于他个人是顶尖工程师的主动换位；但对还站在行业门口的人来说，它是个提示——纯执行型技能的门槛在抬高，价值正在向两端转移：定义问题的一端，验收结果的一端。
普通人的"换位"，不必等到被迫转业
好消息是：我们不需要等到AI攻入腹地才动手。换位可以从今天开始，而且成本极低。
我的建议只有一条：**把执行外包，把提问权和验收权留在自己手里。**具体做法是，下次让AI干活之前，先花两分钟写清楚"我要什么结果、用什么标准验收"，再把活儿丢过去；拿到结果后别急着用，对照标准过一遍。听起来琐碎，但这正是"用AI的人"和"被AI用的人"的分界线——前者手里有标准，后者手里只有流程。
至于工具，不必执着于研究哪个模型最强。我在 spark1.cn/tools/ 里整理了94个开箱即用的AI工具，写作、总结、图像生成各有分工，点进去就用。执行层交给工具，你的时间花在提问和验收这两端，就够了。
结语
"把才华埋葬在昨天"不必读成挽歌。埋葬昨天才华的人，做的是把才华挪到能继续增值的地方——引擎会一直更新，但懂引擎、又能定义下一个问题的人，永远稀缺。刘胜与的转业不是退场，而是给所有人做了次示范：在AI攻入你的腹地之前，先主动往前站半步。这一步，你也能从容迈出。
本文素材综合自36氪、网易等公开报道。
💬 评论