Nghịch lý mới của thời AI: người viết ra công cụ tự động hóa chính mình
Nghịch lý kỹ sư AI vừa sợ bị chính công nghệ của mình thay thế, vừa mỗi ngày góp phần làm công nghệ đó mạnh lên, là cách mô tả một trạng thái tâm lý mới của giới lập trình khi DeepSeek tự động hóa ngày càng sâu vào lõi hệ thống, đặt lại câu hỏi về ý nghĩa lao động sáng tạo và tương lai ngành công nghệ trong kỷ nguyên AI thay thế công việc. Đằng sau những đường cong hiệu năng đẹp đẽ là một xung đột nội tâm: càng tối ưu, họ càng tự rút ngắn hạn sử dụng nghề của chính mình.
Trường hợp của Liu Shengyu, kỹ sư đang trực tiếp phát triển và viết các kernel Attention chủ lực cho mô hình DeepSeek v4.1, là một lát cắt hiếm hoi từ bên trong phòng thí nghiệm AI hàng đầu. Trong bài đăng trên WeChat với tiêu đề đầy u uất “Tôi không còn lựa chọn nào khác ngoài việc chôn cất tài năng của mình vào ngày hôm qua”, anh công khai nhận định rằng chỉ trong 6–12 tháng nữa, AI có thể viết kernel tốt ngang hoặc tốt hơn chính anh. Dù vậy, anh vẫn là người mỗi ngày chỉnh từng dòng CUDA, PTX, SASS để mô hình chạy nhanh hơn, rẻ hơn, thông minh hơn.
DeepSeek tự động hóa: khi AI học đọc GPU và viết kernel nhanh hơn con người
Nếu muốn hiểu nỗi lo kỹ sư AI thất nghiệp đang đến nhanh thế nào, hãy nhìn vào đường cong tăng tốc của các hệ thống như DeepSeek. Chỉ trong khoảng một năm, theo chính Liu, AI đã chuyển từ mức trợ lý tra tài liệu, đọc mã, tìm lỗi sang mức có thể đọc CUDA, PTX, SASS, dùng công cụ chuyên nghiệp phân tích thời gian đình trệ từng lệnh rồi tự tối ưu kernel. Đây không còn là hỗ trợ bề mặt; đó là DeepSeek tự động hóa thẳng vào phần việc tinh túy của những kỹ sư hệ thống giỏi nhất.
Liu mô tả lạnh lùng chênh lệch năng lực: “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”. Anh dự đoán bước tiếp theo là AI tự thiết kế chiến lược lập lịch kernel, đánh giá, triển khai rồi tiếp tục tối ưu chúng. Khi đó, AI không chỉ làm nhanh hơn; nó chiếm luôn không gian học nghề của lớp kỹ sư mới, làm suy yếu chu trình đào tạo kỹ năng kiến trúc hệ thống. AI thay thế công việc không còn là khẩu hiệu báo động; nó là lộ trình kỹ thuật được những người trong cuộc mô tả rất cụ thể.
Vì sao Liu vẫn tiếp tục tối ưu hóa thứ có thể khiến mình lỗi thời?
Điều làm câu chuyện của Liu trở nên ám ảnh không phải là dự báo AI thay thế kỹ sư, mà là việc anh hiểu rất rõ mình đang góp phần đẩy nhanh tiến trình đó, nhưng vẫn không dừng lại. Về mặt cảm xúc, anh gọi việc viết kernel là một trò chơi: tối ưu được thêm vài phần trăm hiệu năng giống như game thủ phá kỷ lục speedrun, hay vận động viên phá kỷ lục cá nhân. Đam mê lập trình không biến mất chỉ vì nguy cơ mất nghề; nó khiến anh tiếp tục chăm chút từng nhân (kernel) như một tác phẩm kỹ thuật.
Lý do thứ hai phũ phàng hơn: vòng xoáy cạnh tranh. Nếu anh “nằm phẳng”, cố ý làm chậm lại, các phòng lab khác sẽ không chờ. Mô hình của đối thủ vẫn tăng tốc, và chính vị trí anh muốn bảo vệ cũng biến mất. Kỹ sư AI thất nghiệp trong kịch bản này không phải vì họ làm quá tốt, mà vì họ để người khác làm tốt hơn. Vì vậy, Liu chọn cách “tự cách mạng chính mình” – nếu phải bị cuộc cách mạng loại bỏ, anh muốn người loại bỏ mình chính là phiên bản mạnh hơn do mình tạo ra. Đây là tâm thế nguy hiểm: tự giác trở thành động cơ của cỗ máy đang nghiền chính lớp kỹ sư lõi.
Từ niềm vui viết code đến vai trò “phi công AI”: mất mát vô hình của nghề kỹ sư
Liu không nói mình sẽ sớm bị đẩy ra đường; anh không quá lo thất nghiệp theo nghĩa kinh tế, mà lo một dạng mất mát tinh vi hơn: mất đi niềm vui lao động sáng tạo trực tiếp. Khi AI thay thế công việc viết kernel, anh dự đoán mình sẽ phải trở thành một “phi công lái AI” – người điều phối các tác nhân AI tạo ra mã, kiểm tra và hợp nhất chúng. Đó là sự dịch chuyển từ người thợ may tự tay dệt vải sang người vận hành dây chuyền công nghiệp, nơi kết quả có thể tốt hơn, nhưng cảm giác gắn bó với từng mũi chỉ biến mất.
Trước đây, ba điểm “việc anh thích – việc anh giỏi – thứ ngành cần” nằm trên cùng một đường thẳng; AI đang bẻ gãy đường thẳng đó. Thứ Liu giỏi nhất – tối ưu kernel – lại chính là thứ AI tiến bộ nhanh nhất. Nhu cầu của doanh nghiệp có thể chuyển từ tuyển người trực tiếp viết kernel sang tuyển người biết dùng AI để tạo kernel nhanh hơn và rẻ hơn. Tương lai ngành công nghệ vì vậy không chỉ là chuyện thêm nghề mới, bớt nghề cũ; đó là sự tan vỡ của cảm giác nghề nghiệp, khi phần thú vị nhất trong chuyên môn bị chuyển giao cho máy, còn con người làm các lớp giám sát, tích hợp, chịu trách nhiệm cuối cùng.
Tranh cãi trong cộng đồng kỹ sư Trung Quốc: ai nắm thành quả cuộc cách mạng AI?
Bài đăng của Liu không chỉ là tâm thư cá nhân; nó lập tức châm ngòi cho tranh luận trong cộng đồng kỹ sư Trung Quốc về tập trung quyền lực AI và cấu trúc sở hữu thành quả. Anh cảnh báo rủi ro khi công nghệ tiên phong bị kiểm soát bởi một nhóm nhỏ tập đoàn lớn, khiến bất bình đẳng xã hội gia tăng. Một khả năng theo anh là AI mở rộng mạnh năng lực sản xuất, cải thiện đời sống trên diện rộng; khả năng còn lại là quyền kiểm soát công nghệ tập trung vào một nhóm nhỏ, biến quyền tiếp cận AI mạnh thành yếu tố quyết định vị thế xã hội.
Lời thú nhận của Liu xuất hiện đúng lúc giới lãnh đạo công nghệ toàn cầu đang tranh cãi gay gắt về tốc độ phát triển AI, từ câu chuyện một nhà nghiên cứu từ chức vì lo ngại an toàn đến những bình luận công khai của các tên tuổi hàng đầu. Đồng thời, sự trỗi dậy của các phòng thí nghiệm Trung Quốc như DeepSeek hay Moonshot AI khẳng định tốc độ phát triển vũ bão tại quốc gia này. Trong bối cảnh đó, câu hỏi Liu đặt ra mang tính căn bản: thành quả cuộc cách mạng này sẽ thuộc về ai? Những người xây dựng AI có thực sự hiểu hậu quả dài hạn của công việc họ, hay họ chỉ thấy rõ từng bước tối ưu trước mắt mà bỏ trống phần phân phối quyền lực? Đó là khoảng mù nguy hiểm nhất của kỷ nguyên AI hiện tại.
