Kỹ sư DeepSeek thừa nhận AI sẽ vượt mặt mình sau 1 năm, nhưng vẫn miệt mài tối ưu mỗi ngày

Điều nghịch lý là dù biết chắc AI đang nhanh chóng thay thế công việc của mình trong tương lai, Liu vẫn không dừng lại mà tiếp tục tự mình tối ưu các đoạn code giúp AI của DeepSeek chạy nhanh hơn mỗi ngày.

Shengyu Liu là kỹ sư tại DeepSeek, từng là sinh viên lớp Turing tại Đại học Bắc Kinh và dẫn dắt đội tuyển siêu máy tính giành chức vô địch ASC. Anh không làm những công việc AI phổ biến ở tầng ứng dụng, mà chuyên xử lý phần sâu bên trong hệ thống, viết và tối ưu các kernel bằng CUDA, PTX và SASS – những đoạn mã có ảnh hưởng trực tiếp đến tốc độ huấn luyện và suy luận của mô hình AI.

Trước khi gia nhập DeepSeek, Liu từng tham gia phát triển các hệ thống phục vụ những mô hình ngôn ngữ lớn như DistServe, LoongServe và FastServe. Với DeepSeek V4.1, anh là người viết các kernel Attention chính của mô hình.

Nói cách khác, Liu đang đứng ở một trong những vị trí mà AI khó có thể nhanh chóng thay thế. Nhưng chính anh lại là người nhận ra tốc độ thay đổi đang diễn ra nhanh đến mức nào.

Hồ sơ về kỹ sư Shengyu Liu của DeepSeek

Chỉ trong khoảng một năm, AI đã chuyển từ một trợ lý giúp lập trình viên tra cứu tài liệu, đọc mã nguồn và tìm lỗi thành công cụ có thể tự đọc CUDA, PTX, SASS, sử dụng các công cụ chuyên nghiệp để phân tích thời gian đình trệ của từng lệnh và tự tối ưu kernel.

Liu cho rằng bước tiếp theo cũng không còn xa. AI có thể tự thiết kế chiến lược lập lịch kernel, đánh giá các phương án, triển khai rồi tiếp tục tối ưu chúng.

Và theo chính người đang làm công việc này, chỉ trong 6 tháng đến một năm nữa, AI có thể viết kernel tốt ngang anh, thậm chí tốt hơn.

“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.

Sự khác biệt không chỉ nằm ở tốc độ. AI còn có thể tiếp tục mở rộng khả năng theo nhiều chiều cùng lúc, từ độ sâu mô hình, mức độ suy luận, số lần gọi công cụ cho tới mức độ song song hóa. Đây là những lợi thế mà một kỹ sư con người không thể đơn giản tăng lên theo cùng cách.

Điều đáng chú ý nhất vì thế không phải dự báo AI sẽ thay thế một kỹ sư. Đó là việc người kỹ sư này hiểu rất rõ mình đang góp phần đẩy quá trình ấy nhanh hơn. Nhưng nghịch lý nằm ở chỗ Liu không hề dừng lại.

Liu thừa nhận một mối quan hệ gần như trớ trêu: kernel càng được tối ưu tốt, mô hình càng được huấn luyện và chạy nhanh; mô hình càng cải thiện nhanh, AI càng tiến bộ; và AI càng tiến bộ, ngày anh không còn cần phải tự viết kernel càng đến gần.

Vậy tại sao anh vẫn tiếp tục?

Một phần câu trả lời nằm ở chính tình yêu dành cho công việc. Với Liu, tối ưu kernel mang lại cảm giác giống một game thủ phá kỷ lục speedrun. Việc tìm ra một kỹ thuật mới, cải thiện hiệu năng hoặc đánh bại cách triển khai chính thức của nhà sản xuất phần cứng đều đem lại cảm giác thành tựu.

Nhưng lý do quan trọng hơn lại nằm ở cuộc đua giữa các phòng thí nghiệm AI. Nếu Liu chủ động chậm lại, các đối thủ sẽ không làm điều tương tự. Những mô hình khác vẫn tiếp tục tiến lên, và cuối cùng chính vị trí mà anh cố bảo vệ cũng có thể biến mất.

Vì vậy, anh chọn cách tự mình thúc đẩy cuộc cách mạng. “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.

Đằng sau câu nói đó là một thay đổi lớn hơn đối với nghề lập trình. AI có thể không khiến Liu thất nghiệp ngay cả khi nó giỏi hơn anh về kernel. Kinh nghiệm, khả năng phán đoán và sáng kiến vẫn có thể giúp anh tiếp tục đứng ở tuyến đầu của ngành. Nhưng điều đó không đảm bảo anh sẽ tiếp tục được làm công việc mình yêu thích.

Anh có thể phải trở thành một kiểu “phi công lái AI”. Trước đây, ba thứ từng nằm trên cùng một đường thẳng: điều anh thích, điều anh giỏi và thứ ngành công nghiệp cần. AI đang phá vỡ sự trùng khớp đó. Thứ Liu giỏi nhất lại đang trở thành thứ AI làm ngày càng tốt hơn, trong khi nhu cầu của doanh nghiệp chuyển sang những người biết dùng AI để tạo ra kernel nhanh hơn.

AI đang phá vỡ sự trùng khớp ấy.

Thứ Liu giỏi nhất lại chính là thứ AI đang tiến bộ nhanh nhất. Trong khi đó, nhu cầu của ngành có thể chuyển từ những người trực tiếp viết kernel sang những người biết sử dụng AI để tạo ra kernel tốt hơn và nhanh hơn.

Một người thợ đan len có thể là hình ảnh dễ hiểu nhất cho sự thay đổi này. Nếu một cỗ máy có thể tạo ra những chiếc áo tương đương với tốc độ vượt xa con người, người thợ vẫn phải sử dụng nó khi những người khác cũng làm như vậy. Kinh nghiệm của anh vẫn có giá trị, nhưng niềm vui từ việc tự tay đan từng mũi len sẽ không còn nguyên vẹn.

Liu nhìn thấy một viễn cảnh tương tự với nghề nghiệp của mình.

Và vấn đề không chỉ nằm ở những kỹ sư hàng đầu. Anh lo ngại việc sinh viên ngày càng dựa vào AI để làm bài tập, viết code và thực hiện các dự án kỹ thuật có thể khiến họ ít có cơ hội hình thành những kỹ năng như tổ chức mã nguồn, xây dựng hệ thống hay tư duy kiến trúc.

Khi đó, AI không chỉ thay đổi người làm việc. Nó có thể thay đổi cả cách con người học để trở thành người làm việc.

Cuối cùng, Liu đặt câu hỏi về việc thành quả của cuộc cách mạng này sẽ thuộc về ai. Một khả năng là năng lực sản xuất được AI mở rộng mạnh mẽ và đời sống được cải thiện trên diện rộng. Khả năng khác là quyền kiểm soát công nghệ tiên tiến tập trung vào một nhóm nhỏ các công ty, khiến quyền tiếp cận AI mạnh trở thành một yếu tố quyết định vị thế xã hội.

Đó 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.

Câu chuyện của Shengyu Liu vì thế không đơn thuần là chuyện một lập trình viên lo mất việc. Nó cho thấy một nghịch lý đang xuất hiện ngay trong lòng cuộc đua AI: những người hiểu rõ nhất sức mạnh của công nghệ cũng chính là những người đang phải tự mình đẩy công nghệ ấy tiến nhanh hơn, dù biết nó có thể khiến kỹ năng mà họ dành cả sự nghiệp để xây dựng trở nên lỗi thời.

Và Liu đã chọn cách đối mặt với nghịch lý đó bằng chính công việc của mình: tiếp tục cải tiến AI, trước khi AI kịp cải tiến chính anh.