Kỹ sư DeepSeek tự tay đẩy nhanh ngày AI thay thế mình

Người viết kernel cho AI, và nghịch lý anh không thể tránh

Shengyu Liu biết AI đang tiến gần đến việc thay thế đúng công việc anh làm mỗi ngày. Nhưng anh không dừng lại. Ngược lại, anh vẫn tiếp tục tối ưu các đoạn code giúp hệ thống AI của DeepSeek chạy nhanh hơn chính là bước đẩy nhanh thứ có thể khiến anh trở nên thừa thãi.

Đây không phải chuyện một lập trình viên lo mất việc thông thường. Nó là ví dụ cụ thể cho nghịch lý đang len lỏi trong ngành AI: những người giỏi nhất buộc phải tự tay thúc đẩy công nghệ vượt qua chính họ.

Liu là ai, và tại sao vị trí của anh khó bị thay thế nhanh

Shengyu Liu từng là sinh viên lớp Turing tại Đại học Bắc Kinh, dẫn dắt đội tuyển siêu máy tính giành chức vô địch ASC. Tại DeepSeek, anh không làm việc ở tầng ứng dụng nơi AI đã can thiệp mạnh mà xử lý phần sâu nhất của hệ thống: viết và tối ưu kernel bằng CUDA, PTX, SASS. Đây là những đoạn mã quyết định trực tiếp tốc độ huấn luyện và suy luận của mô hình.

Trước DeepSeek, Liu từng góp phần phát triển các hệ thống phục vụ mô hình ngôn ngữ lớn như DistServe, LoongServe và FastServe. Với DeepSeek V4.1, anh là người viết các kernel Attention chính phần cốt lõi ảnh hưởng đến hiệu năng toàn mô hình.

Nói cách khác, Liu đang giữ một trong những vị trí kỹ thuật khó bị AI vượt qua nhanh nhất. Nhưng chính anh lại là người theo dõi sát nhất tốc độ AI đang bắt kịp mình.

Từ trợ lý tra tài liệu đến khả năng tự tối ưu kernel

Chỉ trong khoảng một năm, AI đã đi từ công cụ hỗ trợ lập trình viên tra cứu, đọc mã, tìm lỗi — sang khả năng tự đọc CUDA, PTX, SASS, dùng công cụ chuyên dụng để phân tích thời gian đình trệ của từng lệnh, và tự tối ưu kernel.

Liu cho rằng bước kế tiếp không còn xa: AI tự thiết kế chiến lược lập lịch kernel, đánh giá phương án, triển khai rồi tiếp tục tối ưu. Theo dự đoán của chính người đang làm công việc này, trong 6 tháng đến một năm nữa, AI có thể viết kernel tốt ngang anh, thậm chí vượt qua.

"AI có thể suy nghĩ 300 token mỗi giây, gõ một câu lệnh trong nửa giây và viết một đoạn code trong 20 giây. Tôi thì không", Liu viết. Khác biệt không chỉ ở tốc độ — AI còn mở rộng khả năng theo nhiều chiều cùng lúc: độ sâu mô hình, mức độ suy luận, số lần gọi công cụ, mức độ song song hóa. Đây là những lợi thế con người không thể tăng theo cùng cách.

Vậy tại sao Liu vẫn tiếp tục tối ưu?

Liu thừa nhận một vòng lặp gần như trớ trêu: kernel càng tối ưu, mô hình càng chạy nhanh; mô hình càng cải thiện nhanh, AI càng tiến bộ; AI càng tiến bộ, ngày anh không cần tự viết kernel càng đến gần.

Một phần lý do nằm ở đam mê. Với Liu, tối ưu kernel giống một game thủ phá kỷ lục speedrun — tìm ra kỹ thuật mới, đánh bại cách triển khai chính thức của nhà sản xuất phần cứng, đều mang lại cảm giác thành tựu.

Nhưng lý do quyết định hơn là cuộc đua giữa các phòng thí nghiệm AI. Nếu Liu chủ động chậm lại, đối thủ không làm điều tương tự. Mô hình khác vẫn tiến lên, và vị trí anh cố bảo vệ cuối cùng cũng biến mất theo cách khác — chỉ chậm hơn và bị động hơn.

"Nếu nhất định phải bị cuộc cách mạng loại bỏ, tôi hy vọng người loại bỏ tôi trong cuộc cách mạng này là chính tôi", Liu viết.

Ai được lợi, ai mất đi điều mình yêu thích

AI có thể không khiến Liu thất nghiệp ngay cả khi nó giỏi hơn anh về kernel — kinh nghiệm, khả năng phán đoán, sáng kiến vẫn giữ giá trị. Nhưng điều đó không đảm bảo anh còn được làm công việc mình yêu thích.

Trước đây, ba yếu tố nằm trên cùng một đường thẳng: điều Liu thích, điều anh giỏi, và thứ ngành công nghiệp cần. AI đang phá vỡ sự trùng khớp đó. Thứ Liu giỏi nhất — viết kernel thủ công — lại chính là thứ AI tiến bộ nhanh nhất. Nhu cầu ngành có thể chuyển từ người trực tiếp viết kernel sang người biết dùng AI để tạo ra kernel nhanh hơn.

Hình ảnh dễ hiểu nhất là người thợ đan len: khi máy có thể đan nhanh hơn con người gấp nhiều lần, người thợ vẫn phải dùng máy vì người khác cũng làm vậy. Kinh nghiệm vẫn có giá trị, nhưng niềm vui tự tay đan từng mũi len không còn nguyên vẹn.

Vấn đề không chỉ nằm ở kỹ sư hàng đầu. Liu lo ngại sinh viên ngày càng dựa vào AI để làm bài tập, viết code, thực hiện dự án kỹ thuật — khiến họ ít cơ hội hình thành kỹ năng tổ chức mã nguồn, xây dựng hệ thống, tư duy kiến trúc. AI không chỉ thay đổi người làm việc, nó có thể thay đổi cả cách con người học để trở thành người làm việc.

Thành quả cuộc cách mạng này sẽ thuộc về ai

Liu đặt câu hỏi lớn hơn: khi năng lực sản xuất được AI mở rộng mạnh mẽ, liệu đời sống có được cải thiện trên diện rộng? Hay quyền kiểm soát công nghệ tiên tiến sẽ tập trung vào một nhóm nhỏ công ty, khiến quyền tiếp cận AI mạnh trở thành yếu tố quyết định vị thế xã hội?

Đây cũng là lý do Liu muốn DeepSeek tiếp tục phát triển những hệ thống AI mạnh, nhanh và có khả năng tiếp cận rộng rãi hơn — thay vì để năng lực đó khoanh vùng trong tay số ít.

Nghịch lý không của riêng ai

Câu chuyện Shengyu Liu chỉ ra một sự thật khó chịu: chính những người hiểu rõ nhất sức mạnh của AI lại là những người buộc phải tự tay đẩy nó tiến nhanh hơn, dù biết nó có thể xóa bỏ giá trị của kỹ năng họ dành cả sự nghiệp để xây dựng.

Câu hỏi đáng suy nghĩ không phải là AI có thay thế kỹ sư kernel hay không — mà là khi cuộc đua buộc mọi người tự đào hố cho chính mình để không bị bỏ lại, liệu "tự loại bỏ chính mình trước" có còn là lựa chọn, hay đã trở thành điều kiện sống còn duy nhất trong ngành công nghệ?