9月14日凌晨，一篇三千字长文《我不得不把才华埋葬在昨天》挂在了一个名叫“intlsy的狗窝”的个人博客上。一天之内，它先在国内技术圈传开，随后被译成多国语言在海外社交媒体刷屏，微博上挂起#DeepSeek工程师文章海外刷屏#、#DeepSeek工程师文章为何火了#两个话题。知乎上随之出现多个相关问题，其中一个一度冲到热榜第3名。微博微博哔哩哔哩
这篇文章能刷屏，靠的不是文笔，而是作者的身份：刘胜与（网名intlsy），北大图灵班出身，2025年4月加入DeepSeek做MLSys（机器学习系统）工程师。几天前DeepSeek V4.1发布，其中直接决定模型推理效率的核心组件——主Attention算子，就是他独立交付的。微博
换句话说：给DeepSeek最新模型造“发动机”的人，公开给自己的手艺判了一个半年到一年的“被追平期限”。
一、他的话为什么值得听
先核验资格。有网友梳理，刘胜与放弃过伯克利、CMU的博士offer，同事崔添翼喊他“算子仙人”。算子工程师这个工种，圈内的说法是“给大模型造发动机的人”——模型跑得快不快、贵不贵，很大程度取决于他们把底层计算写到什么程度。微博
他自己在文章里写得更直接：“我当然为 DeepSeek v4.1 的成功而骄傲 —— 毕竟它的主 Attention 算子都是我写的”。所以写下这篇文章的人，不是围观群众，也不是蹭“AI来了”流量的营销号，而是站在AI进步第一排、最早看清AI学他这门手艺有多快的人。微博
二、三千字里信息量最大的三个判断
多数转述只截了“AI一秒想300个token”那一句，但文章真正的信息量在三处。
第一，他记录了自己领域里AI的学习速度：短短一年，AI从只能查文档、读代码、找bug的“小助手”，变成能独立阅读CUDA、PTX与SASS编码、用专业工具分析每条指令停顿时间、进而独立优化算子的“算子大师”。由此他给出判断：再过半年到一年，AI写的算子大概率和他同样优秀，甚至将他超越。微博微博
第二，他给的对照数字非常直白：“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（和环境交互的频率）、甚至并行度等方面都能不断提升，而我不能。”微博
第三，为什么偏偏是算子岗排在第一排？文章没展开，但有知乎作者拆了机理：算子优化目标明确、能自动编译、能自动跑Benchmark、性能可量化、允许反复试错——这正好是AI Agent目前最擅长的问题类型。一旦“AI提方案→自动改代码→自动编译测试→读取性能数据→生成下一版”的循环稳定转起来，人类工程师最大的限制就不再是智力，而是时间和并行能力：你一天跑几个实验，Agent可以同时跑几十个。知乎
三、全文最扎心的部分：技术悖论
真正让技术圈沉默的，是他自己说破的一个悖论：“我很清楚，我算子写得越好，我们的新模型的训练、推理速度就会越快，模型能力进步就会更快，我就会更早地被取代”。微博
那为什么还全力写？他给了两个理由。一个诚实得可爱：写算子对他像打游戏，发明新技术、看着性能超过厂商官方算子，兴奋程度不亚于速通玩家打破自己的纪录。另一个更冷：哪怕他就此摆烂、甚至故意下绊子耽误模型训练，别家的模型也会照常发展，“最终将我照杀不误”。
于是他写出了那句被转发最多的话：“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”。微博
四、失业还是转业：“机甲驾驶员”的代价
对个人结局，他的判断比评论区标题党克制：不至于“失业”，但必须“转业”——放弃深耕已久并且热爱的算子领域，转去做Agent的“机甲驾驶员”。他的观察是，工业界的需求正在从“会写高性能算子的人”，漂移到“能用AI更快产出高性能算子的人”。微博
为了解释这种失去，他打了个织毛衣的比方：你织毛衣织了二十年，十里八乡的富人都来找你；某天出现一台机器，塞进毛线和图样就能自动织出不亚于你的毛衣，还更快。饭碗保得住，但“那份临窗听雨、引针穿线、慢度光阴的意趣，终究还是被机器的轰鸣碾碎了”。微博
文章的收束句是：“我不得不把才华埋葬在昨天，去做一位机甲驾驶员。我的手中多了些齿轮，但心中少了些节拍。”微博
五、他留给普通人的两段，其实更值得看
如果你不是程序员，文章后半段的两个担忧跟你关系更大。
一是学生。他设想了一个场景：面前两个选择，一个是苦哈哈用八小时完成一个Lab、或许还拿不到满分；另一个是启动AI，用几毛钱成本、几分钟直接生成满分代码——大部分学生会选哪个？他担心这会掏空一代人的工程能力。微博
二是“屎山”。他问：工程能力会像“熟练编写x86汇编”那样被时代抛弃，还是会像“理解从软件到系统再到硬件的整套计算机系统”那样永远有价值？如果是后者，那就危险了——“一个工程能力很差的人，在搭配上 AI 后，产出屎山的效率可以达到先前的数倍，进而给系统埋下各式祸患，让这个世界变得更加草台。”这不是程序员的问题，是每个把AI当“代脑”的人的问题。微博
六、为什么偏偏是现在刷屏：一篇个人帖子撞上了AI大叙事
这篇文章在海外被当成一封“反击书”传播，时间点太巧了。
不久前，Anthropic发布报告，指控一批中国AI公司靠“蒸馏”抄近路，报告点了DeepSeek的名；中方回应称指控缺乏依据，蒸馏是行业通用的中性技术手段。知乎
紧接着的周末，Anthropic CEO Dario发长文，呼吁前沿AI公司放慢模型能力推进速度，为安全评估、外部监督和治理机制争取时间。而据知乎作者梳理，这家公司9月中旬刚选定纳斯达克，目标估值约2万亿美元，路演最快10月启动，且已连续两个季度盈利。36氪
9月14日，英伟达黄仁勋在洛杉矶一场峰会上当场免提接起特朗普电话，特朗普把放慢AI的说法斥为“骗局”，喊话“我们不会输掉AI竞赛”。微博
在这个背景下，刘胜与文章里的“你猜”段落成了最扎人的部分：未来社会有两个极端，一个是生产力极大解放，另一个是“赛博朋克2077”——少数科技公司控制大部分资源，大多数人只能用很孱弱的AI，阶层跨越变成死循环。“你猜猜如果 Anthropic 公司永远掌握着这个世界上最先进的 AI，未来社会是会变成共产主义还是 2077 呢？你猜？”微博
他随后写下在海外被截图最多的那句：不信任Anthropic或OpenAI能做到开放普惠，其严重性“不亚于让希特勒先于盟军掌握原子弹技术”；而他留在DeepSeek的理由，是“我们研究强大、快速、普惠的人工智能并将其开源，或许能把世界从 2077 那端拉回来一些”。微博
文章结尾是一句英文：May all the beauty be blessed。
七、评论区的四种声音，哪些值得当真
微博智搜给出的评论分布大致是：约35%支持开源普惠和国产AI担当，约20%共情职业焦虑，约15%质疑动机，约12%警惕AI垄断与失控。微博
几条具体评论值得记录：
点赞最高的致敬派：“由衷敬佩，这就是共产主义接班人吧”。微博
最冷的玩笑派：“程序员自嘲永远超前，写主算子的人说半年后被AI取代。真有那天，这篇刷屏文估计也是AI写的。”
最怀疑的一派：有人翻出蒸馏旧账嘲讽“在国外搞蒸馏，在国内搞量化收割”，也有人认为该由公司出官方声明澄清，而不是“某网友写篇网文来澄清”。
最有结构性的观察来自胡锡进帖子评论区：以往的科技进步主要减少的是蓝领岗位，这一轮AI减少的主要是白领岗位。
胡锡进本人也转发致敬，称向DeepSeek和月之暗面等中国AI前沿公司致敬。需要注意一个事实：截至本文写作，DeepSeek官方没有对这篇文章作出任何回应。微博
八、看完之后，我把它拆成三层
刷屏文最大的风险是被整体转发。这篇应该拆开消化。
事实层（多源可核）：V4.1确已发布且主Attention算子出自他手；AI确实在一年内从代码助手进化到能独立读底层汇编、优化算子；Anthropic确实在冲刺IPO的同时呼吁全行业减速；特朗普确实公开炮轰了减速论。这些在微博、知乎、36氪的报道里能交叉对上。
预测层（听，但别全信）：“半年到一年追平顶级工程师”是他在算子开发这一个领域的判断——而这个领域恰好拥有最完美的自动化验证闭环，是AI最容易攻克的岗位类型。把它直接外推到“所有程序员半年被替代”，是误读；但外推到“目标明确、结果可量化、允许反复试错的岗位会先被冲击”，是成立的。
立场层（尊重，但保持警惕）：开源宣言和2077警告是价值观表达，可以认同也可以反对，但别当成技术结论。反对方的声音同样有分量——杨立昆就不否认AI需要安全治理，但反对把“安全”变成少数前沿公司掌握话语权的理由。另外，这篇文章发在个人博客、公司未表态，有人怀疑是宣发，有人认为这恰恰证明真实——这部分最值得让子弹飞一会儿。36氪
九、你能带走什么
不同的人，带走的东西不一样：
如果你做底层/系统方向（算子、编译器、内核优化）：你的领域反馈闭环最好，排在Agent化的第一排。与其守着手艺，不如像他一样，第一批转成“驾驭AI写算子”的人。
如果你是普通业务程序员：真正危险的不是“AI会写代码”，而是你的价值刚好只建立在AI最容易学习的那部分工作上——把需求翻译成CRUD、背API、搬模板、重复部署。判断代码对不对、拆解问题、识别Benchmark漏洞的能力，正在变贵。知乎
如果你是学生或家长：文章里那道Lab选择题值得认真想——AI给的是答案，工程能力长在那“苦哈哈的八小时”里。
如果你是AI重度用户：这场开源闭源之争对你最直接的利好是价格。
先说模型本身：V4.1 Flash是一款552B参数的MoE模型，采用全新Causal-Encoder-Decoder架构，输入输出不对称——处理输入只激活8B参数、生成输出激活16B，成本显著低于同尺寸模型。性能上，测试机构Artificial Analysis给它打出40分指数评分，超过了参数量大得多的自家旗舰V4 Pro。定价按峰谷分档，闲时输入低至每百万token 1元。36氪36氪知乎
社区实测也在印证：有知乎回答晒出的对比数据显示，V4.1 Flash生成速度约361 token/s，是前代实验版（约120 token/s）的3倍，同一任务总耗时从30分11秒压缩到18分49秒。
三个可以马上动手的事（来自那篇知乎拆解，我认同）：其一，更值得训练的是把问题变成可自动验证的工程流程——测试补全、Benchmark固定、部署脚本化，给AI一个能自己试错的环境。其二，练习同时驱动多个Agent干活，把工作方式从“亲手完成”换成“设计实验、控制系统”。其三，对AI输出保留判断习惯——它说性能提升30%，你先问Benchmark有没有漏洞。知乎
十、值得继续盯的信号
DeepSeek官方是否回应这篇文章，后续版本是否把算子工具链开源；
主流Agent框架的下一个版本里，“AI自主写高性能算子”是否作为正式能力出现；
Anthropic的IPO进程（路演可能10月启动）——“刹车”争论和上市叙事会继续缠斗；
开源模型的价格走势：如果头部开源模型价格继续下探，说明这场“把世界从2077拉回来”的拉锯确实在兑现。
最后回到文章本身。它之所以能打动那么多立场不同人，大概是因为它写出了每个时代的手艺人共有的处境：你知道车轮在往前滚，你知道拦不住，你甚至知道自己该往哪转——但那份坐在窗边织一下午毛衣的清欢，没了就是没了。
技术判断可以讨论，立场可以争论，但这份失落是真的。这大概也是三千字能在一昼夜之间冲破语言和圈层的原因。
