把才华埋葬在昨天｜一份关于 AI 与手艺的阅读笔记

这篇文章的中心，不是一个工程师担心自己马上失业，而是：亲手完成热爱的工作，正逐渐让位于指挥 AI 完成这项工作。能力也许还能延续，但工作的触感变了。

技术在改变什么？

刘胜与从自己的工作讲起：优化 GPU 算子，需要读 CUDA、PTX、SASS，分析指令停顿，再一点点调整实现。按他的观察，一年间 AI 从查文档、读代码和找 bug 的助手，进展到能调用专业工具分析与优化算子。

BEFORE / 人亲手实现设计调度 → 写代码 → 测量 → 反复优化他享受的正是亲手打磨性能的过程。

AFTER / 人与 Agent 协作定义目标 → 配置工具 → 比较方案 → 验证结果这是作者对未来工作方式的判断，尚不是既定结局。

他预计 AI 写算子的水平可能在不久后赶上甚至超过自己。这是作者基于亲身经验作出的预测，不是已经证实的时间表。变化已经发生在工作流里，而未来会走多远，仍要继续观察。

原来，兴趣、擅长与岗位需求恰好重合：他喜欢写算子，擅长写算子，工作也需要他写算子。AI 让这三个圆开始错开。

喜欢做亲手设计、编写和优化算子

擅长做把算子性能一点点推高

需求在转向借助 AI 更快地产出好算子

“我不至于会‘失业’，但必须要‘转业’。”

原文用织毛衣打比方：机器也许织得更快、更好；熟悉材料、图案和工艺的匠人仍有判断力。但坐在窗边，自己引针穿线一下午的快乐，无法直接由“机器产量更高”来替代。

THE EMOTIONAL CORE

作者后来专门澄清：他写文章是想与过去手写算子的时光告别。理解这份失落，才能读懂标题里的“昨天”。

原文把目光转向学生：如果 AI 几分钟就能完成原本需要八小时的 Lab，学习者还会亲自经历设计、调试、重构和踩坑吗？

QUESTION 01代码组织、系统搭建与抽象能力，未来仍需要亲手训练到什么程度？

QUESTION 02当产出速度被放大，工程判断不足会不会也被一同放大？

他没有给出标准答案，而是提出一个分叉：这些能力可能像熟练写某种汇编那样改变地位，也可能像理解整个计算机系统那样长期重要。不能把疑问读成“基础已经没用”或“必须拒绝 AI”。

下面是我对这篇文章的延伸，不是作者给学生制定的学习路线。对正在学编程、Agent 与 vibe coding 的人，我想保留三件事：

先说清楚问题，再让 AI 动手

写下目标、输入输出、关键约束与验收条件。任务定义不清楚，产出的代码再多也难以判断有没有解决问题。

自己走过一段完整的工程过程

选一个小项目，亲自拆模块、运行、定位 bug、修改设计。用实际经历建立判断力，再逐步提高 AI 参与度。

把验证能力放在工作流里

让 Agent 实现方案时，自己检查测试、边界条件、性能基准和可维护性。尤其要问：它有没有把问题悄悄换掉？

TAKEAWAY / 写给未来的自己

学会使用更强的工具，也保留亲自理解问题、辨认错误和享受创造的能力。

原文结尾还讨论了 AI 开放、公司权力与“赛博朋克 2077”式未来。那是作者的个人愿景和判断。补充说明里，他说相关段落不是文章中心，部分社会判断也未必正确，且不代表公司立场。

我更愿意把这篇文章读作一份身处技术变化内部的人，对自己热爱的手艺所写的告别信。它没有替我们预测所有职业的未来，却精准提出一个问题：当产出变得容易，人如何继续与自己喜欢的创作过程保持联系？

本文为个人转述和思考；引文归作者，完整语境请读原文。