Kỹ sư DeepSeek thừa nhận sắp bị AI vượt mặt

Shengyu Liu, kỹ sư của DeepSeek, đang làm một trong những công việc đòi hỏi chuyên môn sâu nhất trong quá trình phát triển mô hình AI: tối ưu các kernel bằng CUDA, PTX và SASS để tăng tốc huấn luyện và suy luận. Từng là sinh viên lớp Turing tại Đại học Bắc Kinh và dẫn dắt đội tuyển siêu máy tính giành chức vô địch ASC, Liu có nhiều năm kinh nghiệm xây dựng hạ tầng cho các mô hình ngôn ngữ lớn. Trước khi gia nhập DeepSeek, anh từng tham gia những dự án như DistServe, LoongServe và FastServe, đồng thời đảm nhiệm các kernel Attention quan trọng của DeepSeek V4.1.

Shengyu Liu, kỹ sư DeepSeek, chuyên phát triển và tối ưu các kernel phục vụ mô hình AI.

Điều đáng chú ý là chính một kỹ sư có chuyên môn sâu như Liu lại tin rằng công việc của mình có thể sớm được AI thực hiện tốt hơn. Theo anh, chỉ trong khoảng một năm, AI đã chuyển từ công cụ hỗ trợ lập trình thành hệ thống có khả năng đọc CUDA, PTX, SASS, sử dụng các công cụ chuyên dụng để phân tích thời gian thực thi của từng lệnh và tìm cách tối ưu kernel. Bước tiếp theo có thể là để AI tự thiết kế chiến lược lập lịch, đánh giá nhiều phương án, triển khai rồi tiếp tục cải thiện hiệu suất. Liu dự đoán trong 6-12 tháng, AI có thể viết kernel ngang bằng hoặc thậm chí vượt khả năng của anh.

Lợi thế lớn nhất của AI nằm ở tốc độ và khả năng mở rộng. Liu chỉ ra rằng một hệ thống AI có thể xử lý hàng trăm token mỗi giây, nhận lệnh gần như tức thời và hoàn thành một đoạn code trong thời gian rất ngắn. Trong khi đó, năng lực của một kỹ sư con người bị giới hạn bởi thời gian, sự tập trung và số lượng nhiệm vụ có thể xử lý đồng thời. AI còn có thể được mở rộng theo nhiều hướng, từ khả năng suy luận, sử dụng công cụ đến mức độ song song hóa. Điều này khiến khoảng cách giữa kỹ năng của con người và máy móc có thể thu hẹp nhanh hơn ở những công việc vốn được xem là khó tự động hóa.

Nghịch lý nằm ở chỗ Liu không vì thế mà ngừng công việc của mình. Anh ví việc tối ưu kernel giống như một cuộc đua speedrun, khi mỗi cải tiến nhỏ đều mang lại cảm giác chinh phục một kỷ lục mới. Nhưng bên cạnh niềm đam mê kỹ thuật, cuộc cạnh tranh giữa các phòng thí nghiệm AI cũng tạo thêm động lực. Nếu một kỹ sư chủ động giảm tốc, các đối thủ vẫn tiếp tục phát triển. Liu vì vậy chọn tiếp tục đẩy hệ thống tiến lên, dù hiểu rằng mỗi lần cải thiện AI cũng có thể rút ngắn thời gian trước khi công nghệ này có khả năng thay thế chính kỹ năng của anh.

AI đang ngày càng có khả năng tự viết, phân tích và tối ưu mã nguồn, đặt ra câu hỏi về vai trò mới của kỹ sư phần mềm.

Sự thay đổi này cũng đặt ra câu hỏi lớn hơn về tương lai nghề lập trình. Liu cho rằng AI có thể không khiến những kỹ sư giàu kinh nghiệm lập tức mất việc, bởi kiến thức hệ thống, khả năng phán đoán và kinh nghiệm vẫn có giá trị. Tuy nhiên, công việc họ yêu thích có thể thay đổi đáng kể. Thay vì trực tiếp viết từng dòng mã, kỹ sư có thể chuyển sang thiết kế mục tiêu, kiểm tra kết quả và điều phối các hệ thống AI để tạo ra phần mềm hiệu quả hơn. Khi đó, kỹ năng quan trọng không còn chỉ là viết code giỏi mà còn là khả năng làm việc cùng AI.

Liu cũng cảnh báo tác động có thể bắt đầu từ quá trình đào tạo thế hệ kỹ sư mới. Nếu sinh viên ngày càng phụ thuộc vào AI để làm bài tập, viết mã và hoàn thành dự án, họ có thể ít cơ hội rèn luyện những kỹ năng nền tảng như tổ chức code, xây dựng hệ thống và tư duy kiến trúc. Xa hơn, cuộc cách mạng AI không chỉ thay đổi cách con người làm việc mà còn có thể thay đổi cách họ học để bước vào thị trường lao động. Với Liu, đây chính là nghịch lý lớn nhất: những người hiểu rõ nhất AI đang phát triển nhanh đến đâu lại chính là những người đang trực tiếp thúc đẩy quá trình đó, dù biết công nghệ có thể khiến kỹ năng họ dành cả sự nghiệp xây dựng trở nên lỗi thời.