AI时代，顶尖程序员去哪了？

9月14日，一篇《我不得不把才华埋葬在昨天》在海内外技术社区刷屏，作者刘胜与，DeepSeek机器学习系统工程师，几天前刚交付DeepSeek V4.1的核心算子。

一个正处于职业上升期的顶尖工程师，公开写下“革我自己的命”，这不是行为艺术，而是一份来自产业最前线的判词：AI替代程序员，已经不是远景，而是有了具体的人、具体的手艺、具体的时间表。

这篇文章真正的价值，不在情绪，而在它把一个宏大的产业命题，拉回到了一个具体的人身上。

🧨 一篇长文，怎么就刷屏了

先看履历，再看文章，冲击力才完整。

刘胜与是北京大学2021级计算机“图灵班”成员，曾担任北大未名超算队队长，代表学校出征国际大学生超算竞赛SC23。2025年4月加入DeepSeek后，他承担的是最底层、最难啃的活——核心算子研发。就在发文前几天，他刚完成DeepSeek V4.1主Attention算子（head dim = 512 的 MQA attention）的代码交付。

翻译一下：这不是边缘岗位的焦虑发言，而是大模型地基的直接浇筑者，在自己刚刚干完最漂亮一票之后，宣布这门手艺正在过时。

文章发出当天，词条#我不得不把才华埋葬在昨天#冲上知乎热榜第一。技术社区里，工程师们私下传得更直白——连DeepSeek写算子的人都在讨论转业，其他人还有什么可侥幸的？

his自豪与清醒是同时出现的。他为自己参与的核心算子感到骄傲，但也坦承技术的不可逆演进。这种“刚交付完、就宣布交付物有保质期”的姿态，恰恰是文章最锋利的地方：他没有站在输家的位置上抱怨，而是站在赢家的位置上预警。

产业判断由此而来：当一个行业的头部人才开始公开讨论自身技能的半衰期，说明技术替代已经从“是否发生”进入了“何时发生、发生在谁身上”的阶段。热榜第一，刷的不是同情，是共鸣。

⏳ 一个算子工程师的自我悖论

最残忍的不是被对手超越，而是被自己的工作成果加速超越。

刘胜与在文中的自白极其具体：“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、工具调用量甚至并行度等方面不断提升，而我不能。”

他说，“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。”

注意这个时间尺度：半年到一年。一个工程师打磨算子设计能力需要数年，而模型能力的迭代周期已经压缩到以月计。技能积累速度与技能贬值速度的剪刀差，第一次以如此悬殊的角度张开。

更精妙的是他揭示的那个结构性死循环——

他把算子优化得越好，新模型的推理与训练就越快；模型能力进步越快，AI取代人工写算子的时间节点就来得越早。这是典型的加速回路：干得越好，下班越早。

对整个产业而言，这个悖论同样成立。所有为AI效率添砖加瓦的工作，本质上都是在给替代自己的那台机器上发条。这不是某个公司的战略选择，而是技术演进的内生逻辑——谁都无法通过“干得差一点”来为自己续命。

🔄 失业不会，转业必至

程序员的故事，不是失业，是转业。

针对外界关于程序员饭碗的担忧，刘胜与的判断相当冷静：工程师群体不至于面临真正意义上的“失业”，但必然需要经历深刻的“转业”。

“转业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’。”

他点出了问题的本质——需求漂移。“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，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’。”

把这句话拆开看，变化发生在三个维度：

注意第三行：企业要的不再是“写代码的手”，而是“驾驭AI的驾驶员”。技能的坐标系整体平移了，原点处的积累再深，也需要重新定位。

对个体来说，这意味着一条清晰的转型路径正在浮现：底层手艺不会作废，但必须嫁接到AI的生产流上。懂算子的人去驾驭AI写算子，就像飞行员不会因为自动驾驶而失业，但要换一种坐姿。真正危险的不是“不懂AI的人”，而是“只懂旧生产方式、又拒绝换挡的人”。

🧵 织袜机、老手艺与手艺人的黄昏

每一次效率革命，最先淘汰的都不是产品，是一种意趣。

刘胜与把这种手艺的失落，比作自动化织袜机出现时对老手艺人的冲击：即使凭过往经验依然能把机器用得最好，但曾经“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”。

这段话之所以动人，是因为它承认了一个常被效率叙事忽略的事实：技术替代的代价，不只是收入和岗位，还有人与手艺之间那种长期的、近乎修行式的关系。写算子和织袜一样，曾是安身立命的本事，也是自我认同的来源。

他的态度也写得明白：“人类在毁灭自己这件事情上，自古以来都表现得毫不犹豫……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。”

这句话值得整个泛技术行业反复咀嚼。它给出的不是悲情，而是一种主动策略：与其被动等待被替代，不如亲手参与替代自己的过程，把转型的方向盘握在自己手里。

从产业视角看，织袜机的类比还提示了另一层逻辑：机器碾碎旧手艺的同时，也把织物的成本打到所有人穿得起——效率革命的总账通常是正的，但账单的分摊极其不均。红利归于全社会，阵痛集中于具体的、曾经的顶尖手艺人。如何在产业层面为这批人铺好转业坡道，是比“AI会不会取代程序员”更真问题的真问题。

🚁 这场变革，离低空经济并不远

算子层的效率革命，会沿着产业链一路传导到天空。

顺着刘胜与揭示的逻辑推演一层：AI写算子带来的不只是程序员个体的转业，而是整个技术栈的降本提速。而低空经济，恰恰是典型的算力与算法密集型产业——eVTOL的飞控与仿真验证、无人机物流的路径规划、低空空管的实时调度，背后都是大规模的高性能计算需求。

这场变革向低空产业的传导，大致会沿着这样一条链路展开：

对低空赛道的从业团队来说，影响可能在两个层面同时发生。

一是工具层：仿真、感知、调度等环节的模型迭代速度加快，算法团队的产出效率抬升，这意味着适航验证、航线规划等长周期环节有机会被压缩——商业化时间表可能因此前移。

二是人才层：低空企业里同样养着一批“写算子的人”——做视觉感知推理优化的、做飞控实时计算的、做空管调度仿真的。按照“需求漂移”的逻辑，这些岗位的用人标准同样会从“会手写高性能代码”，转向“能用AI更快产出高性能代码”。低空产业的人才结构，大概率会和互联网行业一样经历一轮重排。

换言之，刘胜与写下的不是程序员的孤例，而是一份全行业的预告函：凡是算法驱动的产业，都会被这场效率革命扫到，低空不会例外。

小结：才华不是被埋葬，是被重新定义

回到那篇文章本身。一位刚交付完核心算子的工程师，主动宣告这门手艺的保质期，并给自己指了“机甲驾驶员”的新航道——这可能是2025年技术行业最有象征意义的个人叙事之一。

它给所有技术从业者提了醒：护城河不再是“我会什么”，而是“我能用最新的生产方式，做成什么”。转业的窗口期，大概就是他自己说的那半年到一年。

才华不会被埋葬。被埋葬的，只是才华的一种旧式用法。

而对低空经济这样的新兴产业而言，读懂这份判词的最好方式，是提前换挡——在需求漂移完成之前，先完成人的漂移。