DeepSeek工程师发长文引热议，讨论并不只围绕一名技术人员的职业选择。据凤凰网报道，一篇题为《我不得不把才华埋葬在昨天》的三千字长文近日在技术圈扩散，作者刘胜与于2025年4月加入DeepSeek，任机器学习系统（MLSys）工程师，办公地在杭州。就在发文前几天，他刚完成DeepSeek V4.1主Attention算子的交付。一个刚参与推动模型运行效率的人，开始公开思考自己是否要离开长期擅长的方向，这使“AI会不会替代工程师”的讨论落到了具体职业和具体工作上。
刘胜与的岗位处在大模型研发较底层的位置。算法设计决定模型采用怎样的网络结构，MLSys工程师则要让这些结构能够在GPU等硬件上高效运行，涉及内存访问、寄存器分配、指令调度和通信效率等环节。普通用户看到的是模型回答速度变快，背后却可能是工程师对一行代码、一次数据搬运或一个硬件周期（883436）的反复调整。算子因此不是孤立的软件模块，而是连接模型能力与计算资源的中间环节；这类工作越高效，训练和推理就越快，模型迭代也越容易加速。
长文引发共鸣，正因为它呈现出一种由技术进步带来的“反向追赶”。报道援引作者的判断称，未来半年到一年内，AI自主评估调度方案、设计并实现高性能算子的能力，可能追平甚至超过顶级人类工程师。刘胜与给出的对照很直观：AI可以一秒思考300个token、二十秒完成一份代码，而个人无法以同样速度工作。这里的变化并非简单对应“岗位消失”，而是工作价值的落点发生移动——过去企业需要能够亲自写出高性能算子的人，今后更看重能否借助AI快速产出、验证并部署这类成果的人。
放到日常工作场景中，所谓“转业”并不一定意味着离开技术行业。一个工程师仍然需要理解模型需求、硬件边界和工程质量，只是亲自完成每个底层细节的时间可能减少，转而负责拆解任务、设定目标、检查结果和处理异常。AI生成的代码能否真正跑通，是否适配实际硬件，效率提升是否以稳定性和可维护性为代价，都不能只由输出速度决定。对企业而言，工具进入研发流程后，人员职责、协作方式和质量责任会一起变化；对个人而言，原本由手艺积累形成的判断力，可能成为驾驭新工具的重要部分。
因此，DeepSeek工程师发长文引热议，真正触及的是技术人员与自身专业能力之间的关系。AI带来的冲击既有效率层面的替代，也有兴趣、经验和职业身份的重新安排。衡量这类变化，不能只看代码写得更快，或只用“失业”与“不会失业”二选一概括；更现实的判断尺度，是谁在定义问题、验证结果并对最终系统负责。刘胜与所说的“机甲驾驶员”，正是这种工作重心迁移的一个具体表达。
