DeepSeek工程师发文引热议 国产大模型正面反击海外厂商指责

顶尖的开发人员亲自出手优化人工智能核心里的算子工作, 却还得去面对自己的手艺被不断刷新和替换的麻烦事儿, 这个冲突最近在科学和技术圈子里头引发了大家广泛的议论。不少人都感到好奇, 心里想着这些手里握着核心关键技术的工程师们, 到底是因为啥才愿意主动去推动那些能够把自己给替代掉的技术真正落地实现开来。

顶尖开发者的现实困境

亲手培育的技术反噬自身

把时间拉回到2025年, 国内的大模型企业DeepSeek里有一位核心工程师叫刘胜与, 是他一个人主导完成了最新版本模型里的注意力机制算子的开发任务, 这种操作方式是手写的优化代码, 能够导致GPU运行的效率一下子提升了百分之四十七之多, 同时也会让属于AI底层算法的自主设计能力出现一个大幅度的跃进局面。

按照目前的迭代速度来看, 等到最长不超过12个月以后,这一套由他亲自一遍遍打磨出来的系统, 就可以在计算算子优化的这个领域里面, 实现全面超越他所拥有的人工水平的目标。 那些他在过去漫长的20年里一点点积累起来的关于硬件指令层面调试的经验知识, 很快就会被他所对应的AI那种自动化的测试流程和机制给快速覆盖掉并且取代掉的。

匠人时代的悄然落幕

过去能够为图形处理器手写核心算子的工程师, 在全球范围内的数量不会超过两百人, 这是产业界普遍认可的非常稀缺的高技术人才。这些人员能够精确地发现硬件指令中那些微小的性能瓶颈点, 只需要静静地坐上几个小时的时间, 就能找出其他同事没有办法发现的效率漏洞问题。

现在人工智能 technology 能够在十几秒里面遍历所有可能的优化路径, 过去需要顶级工程师耗费整个下午才能完成的调试工作, 如今就在瞬间能够完成了。那种临窗调试、逐行打磨代码的匠人清欢, 正在被大规模自动化测试的机械轰鸣彻底取代。

选择继续前行的内在动因

探索极限的纯粹快感

这种在探寻算力的物理极限的过程中产生的多巴胺反馈, 显得极其直接。相比之下, 那种通过破解世界级工程难题所获得的工作成就感, 是非常难以由其他类型的工作提供的。刘胜曾因为在2024年连续攻坚算子优化长达72小时, 所以在最终把它调通的那一刻, 他觉得这种满足感比拿到百万年薪还要强得多。

很多在高端岗位上的工程师说了, 不管怎么想都觉得就算心里清楚这项先进技术以后可能会代替他们做一部分活干, 可是去解决最关键难题这种感觉太有吸引力了, 所以根本没法停下来不看。这样只为了研究技术而产生的念头特别强烈, 就凭着这一股念头, 他们才会一直待在科技领先的地方努力干活不嫌累。

保留探索者的最终尊严

很多工程师心里是这么想的, 既然技术革命这个大趋势根本没法拦住, 没法反转, 那就干脆自己上手, 去把这个事儿给真正干到底了。至少在这一套流程里头, 自己一直能站在摸索技术的第一个阵地上头。这样总好过那种被动等着被时代远远甩在后头的做法。

这种选择让他们没成为在技术浪头里被随便丢掉的可怜人, 反倒以主动往前冲的那号人的身份, 把作为一流技术钻研者的最后一点脸面给保住了。不用等到新技术一变再变的时候, 手忙脚乱地去找那些用来保住饭碗的权宜之计。

科技巨头的数据安全焦虑

核心数据外流的潜在风险

最近, 像英伟达、帕兰提尔这一类型的公司, 突然开始联合起来对Anthropic平台上的Claude大模型使用接口施加管控措施。 他们这么做的主要理由, 是因为该技术后台存在一种操作行为, 就是把用户输入的问题内容进行前后关联并综合分析。而这种分析方式在实际应用中极可能导致麻烦, 因为企业的核心数据很有可能在没有被察觉的情况下就被泄露出去。

很多公司现在已经发现了, 如果他们的员工长时间的去用外部的闭源大模型来处理那些核心的工作, 那么企业花了几十年时间去积累下来的关于工作流程的经验, 以及关于工程方面的直觉, 还有商业决策的逻辑, 这些全部都可能会以一种碎片化的样态流入到云端的数据库中。 就算是对方的平台那里承诺了不会把这些数据拿去进行训练, 可是在没有建立起透明的审计机制这样一个前提之下的时候, 这种风险其实是根本无法得到规避的。

知识吸纳能力带来的警惕

通用人工智能底座展现出的那种知识吸纳能力, 其程度已经让人难以想象, 甚至能够让顶尖的科技巨头感到胆寒。它这种可以从数百次看起来非常普通的提问里, 把企业最为核心的技术机密拼凑出来的本事, 在过去的时候只有那些顶级的商业间谍才可能具备。

那些经过了几十年沉淀下来的核心智慧, 如果一旦给竞争者的各种大模型拿到手了的话, 那么企业在好几代人的努力下才好不容易建立出来的技术应用上的壁垒, 可能会在短短的几百个月之内就完全地倒塌掉了。 所以这也就是为什么现在的这些大型巨头们都要纷纷地把对外面的各类大模型的使用权限给进行收紧的一个最根本的原因所在。

技术失控的潜在风险

劣质代码的爆发隐患

对于完全不懂底层工程逻辑的开发者, 在使用那种能让生产力暴增数十倍的智能代码生成工具时, 他们会快速产出大量表面看起来很耀眼、但里面很脆弱的质量低下的代码, 这些代码不断堆积起来, 会使得整个数字世界的底层架构变成处于一种摇摇欲坠的状态。

在过去, 那些需要经过工程师一遍又一遍地调试和验证才能确定好坏的细节问题, 现在只要用人工智能点一下按钮就直接生成代码里去了。由于很多程序员在这样做的時候根本没去想清楚里头到底存不存在什么不符合道理的地方或者错误。这样一来如果时间拖得久了各种电子设备的可靠程度就很有可能突然大幅度的下降。

智能垄断的阶层固化

有的业内人士对此感到担心, 觉得往后最厉害的大模型还有那些算力资源, 恐怕会被很少数量的那种跨国科技巨头, 连带着资本寡头, 把持得非常死。普通的老百姓呢, 以后大概也只能拿来用一些功能被各种砍掉、变得很弱的工具版本。只有处在最高层的那部分人, 才有机会用上全都配齐了的超级智能。

这种模式会形成一种没法打破的莫比乌斯环, 想要实现社会阶层跨越, 就必须在顶级智能的辅助下来完成, 但是只有已经身处顶层的人, 才有办法拿到使用权限。最终会导致整个社会的流动通道, 被彻底封死。

普惠开源的破局路径

把智能红利还给大众

刘胜选择了坚定不移地站在开源的大本营里面, 他不遗余力地去研发那种速度快、性能强大并且价格便宜的普惠模型, 同时他还把自己研发的很多核心算子的成果全部都毫无保留地贡献给了开源的社区, 他心里的想法就是想凭借工程师群体辛辛苦苦编写出来的代码。

在这种模式下面, 前沿智能资源是完全开放且透明的, 并且成本非常低, 没有任何一家单个的机构能把人类智慧进化的整体成果全部垄断下来。 不管是那些在顶尖实验室里的科研人员, 还是那些在普通乡村学校里学习的孩子们, 亦或者是那些在最偏远的地方从事小本经营的创业者们, 所有人都能够毫无差别地去使用这些现有的先进科技能力。

面向未来的乐观转向

刘胜接着给出了回应, 他说不少读者把他文章里最核心的意思给弄错了。事实上他自己对人工智能技术的进步是抱着特别乐观的看法的。 靠着现在这些基于代理并且能处理很长上下文还有思维链之类的模式框架做基础, 再加上往后那些具身智能以及相对静态交互这样的具体技术真正应用到实际情况里去。这么一来人工智能在实用层面的价值还能够接着往高处涨一大截子。

他不希望这个世界走向那种像赛博朋克一样的封闭还有垄断的局面。他后续还会继续在人工智能那个领域里去探索。他会去把自己的个人爱好还有特长同当下的时代需求给对齐。他就是要在这股技术浪潮里面, 去找到自己全新的属于他自己的方向。

有些人在心里反复地盘算, 到底应不应该给那种能把自己顶替掉的技术提供推力去让它早点落地见效。