8.3
深览指数
科技虎嗅·Linda产业笔记··AI 生成
AI最危险的地方，不是让最强的人失业
DeepSeek算子工程师刘胜与在长文中提出一个反主流判断：AI对行业最危险的冲击不是让顶尖人才失业，而是让大量缺乏判断力的人用AI高效生产出外表合格但内在有问题的结果（“屎山”），系统正变得更“草台”。他通过自身岗位（GPU算子优化）被AI追平的经历，论证了“物理层面人比不过AI”的现实，并指出更根本的威胁在于：当生产能力贬值后，“谁能敲定方案”的位置成为新权力来源，但整个教育-雇佣体系仍在按已贬值的“生产能力”培养人。文章区别了“被追平”（失去稀缺性但保留判断力）与“被放大”（产量提升但失去纠错反馈）两类人群，认为后一类更危险。原文 ↗
核心观点
- ▍AI对行业的真正威胁不是让最强的人失业，而是让大量缺乏判断力的人用AI高效产出外表合格但内里有问题（“屎山”）的结果，系统性降低整个行业的质量信号，让世界更加“草台”。
- ▍当AI使“生产能力”贬值为可廉价获取的资源后，“谁能敲定方案”（决定什么该做、什么不该做）的位置能力成为新的权力来源和筛选门槛，但现有教育-雇佣体系仍在按已有贬值的“生产能力”指标运行。
- 01刘胜与本人是2021级北大图灵班学生、未名超算队队长，在DeepSeek深度参与了DeepGEMM算子库（FP8 GEMM）、DeepEP V2通信算子重构、V4.1主Attention算子的底层实现，这些涉及GPU微架构、PTX汇编和SASS机器码的人类顶级稀缺技能，他预测将在半年到一年内被AI追平。
- 02支撑AI将追平人类算子的理由不是模型智商，而是物理层面的对比：AI每秒思考300个token、半秒敲命令、20秒写完代码，人类在思考强度、工具调用频率和并行度上无法匹敌。他自述这是“物理之争，人比不过”。
- 03文章引用英伟达与Cursor的实验：多Agent系统在三周内自动优化了235个面向Blackwell B200的CUDA算子，几何平均性能提升38%，其中19%的任务提速超过两倍。OpenAI在定制芯片开发中直接调用Agent参与算子生成和编译栈搭建。
- 04评论区读者“葫芦”的案例：用Codex做国产芯片Attention算子开发，除“方案不能替他敲定”外，其余工作都能又快又好完成。这直接支撑了作者的核心论点——敲定方案的能力才是稀缺的。
- 05文章区分了两类人：被AI“追平”的强者（失去稀缺性但保留判断力，可转业留在牌桌上）和被AI“放大”的弱者（产量提升但反馈变慢、更难发现自身问题，其产出直接成为系统风险）。
- 06刘胜与给出的个人答案是留在DeepSeek，因为相信前沿智能应以开放廉价方式提供给所有人，希望将世界从“权力集中”的方向拉回一些。
反方 / 局限
- — 作者全文的论证隐含了一个前提：AI最终会达到甚至超过人类顶级工程师的同等水平（尤其在算子优化这类领域）。如果AI在特定底层优化领域无法达到人类顶级水平（受限于硬件物理特性或模型架构的不可知性），则“被追平”的叙事对强者可能不成立，而“被放大”的问题依然存在但规模有限。
- — 文章提到的“敲定方案”能力本质上是系统设计能力和工程判断力，作者强调它只能通过“撞墙和debug”磨出来。但这可能忽略了另一种可能性：AI本身可以成为“撞墙和debug”的训练场，加速而非跳过这种能力的培养。
刘胜与DeepSeek北大图灵班未名超算队SC23DeepGEMMDeepEPMQA attentionGPUPTX汇编SASS机器码英伟达CursorBlackwell B200OpenAICodex
8 分钟 · 4 卡片 · 11 资料
读原文 →