Kỹ sư DeepSeek nói không lo thất nghiệp: Điều đáng sợ hơn là phải từ bỏ nghề mình giỏi nhất

Một bài viết dài của kỹ sư DeepSeek Lưu Thắng đang gây chú ý mạnh trong cộng đồng công nghệ sau khi ông mô tả một nghịch lý đặc biệt của thời đại trí tuệ nhân tạo: càng giỏi tối ưu AI, con người càng có thể thúc đẩy AI nhanh chóng làm thay phần công việc mà chính mình đang thực hiện.

Bài viết có tựa đề “Tôi phải chôn vùi tài năng của mình ở ngày hôm qua” nhanh chóng lan truyền trên các cộng đồng công nghệ Trung Quốc và được dịch sang nhiều ngôn ngữ. Tuy nhiên, tối 15/9, Lưu Thắng đã lên tiếng giải thích rằng mục đích ban đầu của ông không phải để bày tỏ nỗi lo thất nghiệp, mà muốn nói lời tạm biệt với giai đoạn phải tự tay viết và tối ưu các toán tử.

Theo ông, vấn đề sâu hơn không phải là “có mất việc hay không”, mà là một người có thể phải rời bỏ chính lĩnh vực mà mình từng dành nhiều năm để trở thành chuyên gia.

Kỹ sư DeepSeek và bài viết gây tranh luận về tương lai nghề lập trình

Ngày 14/9, Lưu Thắng, kỹ sư hệ thống học máy của DeepSeek, đăng bài viết dài mang tên “Tôi đã phải chôn vùi tài năng của mình vào ngày hôm qua”, có thể dịch là “Tôi phải chôn vùi tài năng của mình ở ngày hôm qua”.

Theo các thông tin được công khai, Lưu Thắng là thành viên khóa 2021 của lớp Turing thuộc Trường Khoa học Thông tin và Công nghệ, Đại học Bắc Kinh. Trước khi làm việc tại DeepSeek, ông từng tham gia các hoạt động liên quan đến tính toán hiệu năng cao và lập trình CUDA. Đại học Bắc Kinh từng công bố rằng Lưu Thắng là đội trưởng đội siêu máy tính của trường và từng dẫn đội giành chức vô địch tại một cuộc thi siêu máy tính quốc tế dành cho sinh viên.

Năm 2025, ông gia nhập DeepSeek và tập trung vào hệ thống học máy, tối ưu hóa hiệu năng và các toán tử phục vụ mô hình AI.

Đáng chú ý, bài viết được đăng ngay sau khi ông hoàn thành công việc liên quan tới toán tử Attention chính của DeepSeek V4.1. Theo các nguồn công nghệ Trung Quốc, đây là một trong những thành phần có ảnh hưởng trực tiếp đến hiệu quả suy luận của mô hình.

Điều tạo ra nghịch lý là trong khi nhiều kỹ sư có thể lo AI sẽ lấy mất việc làm, Lưu Thắng lại đang ở một vị trí khác: ông trực tiếp xây dựng những công cụ và hệ thống giúp AI ngày càng mạnh hơn.

“Tôi không nhất thiết mất việc, nhưng có thể phải chuyển nghề”

Một trong những nội dung được chia sẻ nhiều nhất từ bài viết là quan điểm cho rằng ông có thể không thất nghiệp, nhưng sẽ phải “chuyển nghề”.

Trong bài viết, Lưu Thắng cho rằng AI đang tiến bộ rất nhanh trong lĩnh vực tối ưu hóa toán tử. Chỉ trong khoảng một năm, AI đã chuyển từ công cụ hỗ trợ đơn giản như đọc tài liệu, đọc mã nguồn hoặc tìm lỗi sang khả năng xử lý những nhiệm vụ kỹ thuật sâu hơn.

Anh mô tả AI hiện có thể đọc CUDA, PTX và SASS, sử dụng các công cụ chuyên môn để phân tích hoạt động của từng lệnh, tìm điểm nghẽn rồi tối ưu toán tử. Theo nhận định của ông, bước tiếp theo có thể là AI tự thiết kế chiến lược lập lịch, đánh giá nhiều phương án, triển khai và tiếp tục tối ưu chúng.

Từ đó, Lưu Thắng đưa ra dự đoán cá nhân rằng trong khoảng 6 tháng đến một năm, toán tử do AI viết có thể đạt chất lượng tương đương hoặc thậm chí vượt qua sản phẩm do ông tự viết.

Đây không phải tuyên bố rằng mọi lập trình viên sẽ mất việc trong thời gian ngắn. Nó phản ánh một vấn đề cụ thể hơn: những kỹ năng từng được xem là chuyên môn rất sâu cũng đang bắt đầu trở thành mục tiêu trực tiếp của tự động hóa bằng AI.

Nghịch lý: càng tối ưu AI, càng thúc đẩy AI thay thế mình

Đây có lẽ là phần đáng chú ý nhất trong câu chuyện của Lưu Thắng.

Công việc của ông là tối ưu toán tử để mô hình AI chạy nhanh và hiệu quả hơn. Nếu toán tử được tối ưu tốt, quá trình huấn luyện và suy luận sẽ nhanh hơn. Khi mô hình được huấn luyện nhanh hơn, các phiên bản AI mới cũng có thể được phát triển với tốc độ cao hơn.

Nhưng chính sự tiến bộ đó lại làm cho AI tiến gần hơn tới khả năng tự thực hiện công việc của kỹ sư.

Lưu Thắng mô tả nghịch lý theo logic:

Toán tử càng tốt → mô hình càng nhanh → AI tiến bộ càng nhanh → AI càng sớm có khả năng tự viết toán tử → công việc của kỹ sư càng dễ bị tự động hóa.

Ông thậm chí cho rằng nếu mình dừng lại hoặc cố tình làm chậm công việc thì các công ty khác vẫn tiếp tục phát triển. Vì vậy, lựa chọn thực tế vẫn là tiếp tục làm tốt công việc hiện tại.

Điều khiến câu chuyện trở nên đặc biệt không phải là nỗi sợ thất nghiệp, mà là ý tưởng về một cuộc cạnh tranh trong đó con người đang tự xây dựng công nghệ có khả năng thay thế chính những kỹ năng mà họ đang sử dụng để xây dựng nó.

“Tôi hy vọng người cách mạng hóa tôi là chính mình”

Một trong những quan điểm đáng chú ý của Lưu Thắng là ông không lựa chọn cách chống lại sự phát triển của AI.

Ông cho rằng nếu công nghệ cuối cùng vẫn tiến tới khả năng tự động hóa công việc của mình, ông muốn chính mình là người chủ động thúc đẩy quá trình đó.

Điều này dẫn tới một cách nhìn khác về sự thay đổi nghề nghiệp trong thời đại AI.

Thay vì câu hỏi “AI có khiến tôi mất việc không?”, câu hỏi có thể trở thành:

“Khi phần việc tôi từng làm được tự động hóa, tôi sẽ chuyển sang làm gì?”

Trong trường hợp của Lưu Thắng, ông hình dung mình có thể chuyển từ người trực tiếp viết toán tử sang một vai trò giống như “người điều khiển” các hệ thống AI hoặc Agent.

Nói cách khác, kỹ năng không biến mất hoàn toàn. Nhưng vị trí của con người trong chuỗi sản xuất phần mềm có thể thay đổi.

Toán tử AI là gì và tại sao chúng quan trọng?

Để hiểu vì sao một kỹ sư chuyên viết toán tử lại có vai trò đặc biệt, cần nhìn vào cách một mô hình AI vận hành.

Toán tử, hay operator, có thể hiểu đơn giản là những đơn vị tính toán thực hiện các phép xử lý cụ thể trong một mô hình. Chúng có thể liên quan tới phép nhân ma trận, Attention, chuẩn hóa, xử lý tensor và nhiều thao tác khác.

Một mô hình AI có kiến trúc tốt chưa chắc đã chạy nhanh nếu những toán tử bên dưới không được tối ưu phù hợp với phần cứng.

Đặc biệt với GPU, việc phân bổ bộ nhớ, sử dụng tài nguyên tính toán, lập lịch lệnh và giảm thời gian chờ có thể ảnh hưởng lớn tới tốc độ huấn luyện và suy luận.

Vì vậy, công việc tối ưu toán tử nằm ở giao điểm giữa:

• Kiến trúc mô hình AI.
• Thuật toán.
• GPU và phần cứng tính toán.
• Bộ nhớ và băng thông.
• CUDA, PTX, SASS.
• Hiệu năng hệ thống.
• Tối ưu hóa mã nguồn ở mức rất thấp.

Đây từng là một lĩnh vực đòi hỏi kiến thức và kinh nghiệm chuyên sâu. Chính vì vậy, việc một kỹ sư ở vị trí này cho rằng AI có thể nhanh chóng tiến vào lĩnh vực của mình tạo ra nhiều tranh luận.

AI không chỉ thay đổi công việc, mà còn thay đổi cách con người học kỹ năng

Một mối quan tâm khác trong bài viết của Lưu Thắng liên quan đến giáo dục.

Ông lo ngại rằng nếu sinh viên ngày càng dựa vào AI để hoàn thành bài tập và viết mã, thế hệ kỹ sư tiếp theo có thể thiếu những kỹ năng nền tảng.

Đó có thể là khả năng tổ chức mã nguồn, xây dựng hệ thống từ đầu, dự đoán các nhu cầu trong tương lai, thiết kế kiến trúc trước khi bắt tay triển khai và quan trọng nhất là khả năng tư duy trừu tượng.

Đây là vấn đề đáng chú ý bởi lập trình không chỉ là viết ra những dòng mã chạy được.

Một kỹ sư giỏi còn phải hiểu:

• Vì sao hệ thống được thiết kế như vậy.
• Một giải pháp có thể mở rộng đến đâu.
• Điều gì sẽ xảy ra khi số lượng người dùng tăng.
• Kiến trúc nào phù hợp với yêu cầu trong tương lai.
• Mã nguồn có dễ bảo trì hay không.
• Những lỗi nào có thể xuất hiện mà chưa xảy ra ở thời điểm hiện tại.

Nếu AI làm phần viết mã ngày càng nhiều, quá trình đào tạo kỹ sư sẽ phải tìm cách bảo đảm con người vẫn hình thành được những năng lực này.

Nghiên cứu trên 26.811 học sinh cho thấy một nghịch lý tương tự

Lo ngại của Lưu Thắng về việc AI có thể khiến con người bỏ qua quá trình rèn luyện kỹ năng không hoàn toàn chỉ là giả thuyết.

Một nghiên cứu có tên The Generative AI Learning Penalty: Evidence from Chinese Secondary Education, do David Strömberg, Victor Lei và Yanhui Wu thực hiện, theo dõi 26.811 học sinh lớp 7 đến lớp 12 tại Trung Quốc trong 30 tháng.

Nghiên cứu sử dụng dữ liệu về điểm bài tập, thời gian hoàn thành bài tập, các bài kiểm tra kín và kết quả thi chuyển cấp, thi đại học ở 9 môn học. Đây là một nghiên cứu dạng thảo luận của CEPR, không nên được hiểu như bằng chứng cuối cùng cho mọi trường hợp sử dụng AI trong giáo dục.

Kết quả gây chú ý vì có sự đối lập rõ rệt.

Sau khi sử dụng AI, điểm bài tập của học sinh tăng khoảng 18%, trong khi thời gian hoàn thành giảm khoảng 30%. Nhưng trong vòng 6 tháng, điểm các bài kiểm tra hàng tháng giảm khoảng 20%.

Sau khoảng hai năm, tác động tiêu cực xuất hiện rõ hơn ở các kỳ thi quan trọng: điểm thi tuyển sinh trung học cơ sở giảm khoảng 24%, trong khi điểm thi tuyển sinh đại học giảm khoảng 18% theo ước tính của nghiên cứu.

Điểm quan trọng là nghiên cứu không đơn giản kết luận “AI làm học sinh học kém”.

Các tác giả cho rằng tác động tiêu cực tập trung mạnh ở nhóm có hành vi giống như thuê AI làm bài thay mình. Ngược lại, những học sinh sử dụng AI nhưng vẫn dành thời gian tương đương để làm bài có mức suy giảm nhỏ hơn.

Điều này tạo ra một bài học rộng hơn: công cụ AI không nhất thiết là vấn đề; cách con người sử dụng công cụ mới là biến số quan trọng.

Google cho thấy nghề lập trình đang thay đổi rất nhanh

Sự thay đổi mà Lưu Thắng mô tả cũng có thể quan sát được tại các công ty công nghệ lớn.

Tháng 4/2026, CEO Google Sundar Pichai cho biết khoảng 75% mã nguồn mới tại Google được AI tạo ra và sau đó được kỹ sư xem xét, phê duyệt. Con số này tăng từ 50% vào mùa thu năm 2025.

Google cũng cho biết một dự án chuyển đổi mã nguồn phức tạp được thực hiện bởi AI Agent kết hợp với kỹ sư đã hoàn thành nhanh gấp khoảng 6 lần so với cách thực hiện một năm trước đó chỉ với kỹ sư.

Điều này không có nghĩa 75% kỹ sư Google đã bị thay thế.

Ngược lại, con số trên cho thấy phân công lao động trong lập trình đang thay đổi. AI tạo ra phần lớn mã mới, trong khi con người chịu trách nhiệm định hướng, kiểm tra, đánh giá và quyết định có đưa mã vào hệ thống hay không.

Vai trò của kỹ sư vì thế có thể dịch chuyển từ “người viết từng dòng mã” sang “người thiết kế hệ thống và kiểm soát AI”.

Từ lập trình viên sang người điều phối AI?

Đây chính là điểm gặp nhau giữa câu chuyện của DeepSeek và Google.

Trong mô hình lập trình truyền thống, con người:

Phân tích → thiết kế → viết mã → kiểm thử → sửa lỗi → triển khai.

Trong quy trình ngày càng có AI hỗ trợ, mô hình có thể trở thành:

Phân tích → mô tả yêu cầu → AI tạo mã → con người kiểm tra → AI sửa và tối ưu → con người quyết định triển khai.

Khi đó, kỹ năng viết cú pháp thuần túy có thể giảm giá trị tương đối. Nhưng các kỹ năng như kiến trúc hệ thống, tư duy logic, đánh giá rủi ro, kiểm thử, hiểu sản phẩm và khả năng phát hiện lỗi tinh vi lại có thể trở nên quan trọng hơn.

Đó cũng là lý do câu chuyện của Lưu Thắng không nên chỉ được hiểu như một câu chuyện “kỹ sư AI sắp thất nghiệp”.

Nó phản ánh một sự chuyển dịch sâu hơn: AI đang tiến từ công cụ hỗ trợ con người sang một thành phần trực tiếp tham gia vào quá trình tạo ra phần mềm.

AI có thực sự thay thế lập trình viên?

Không có cơ sở để từ câu chuyện của một kỹ sư DeepSeek kết luận rằng toàn bộ lập trình viên sẽ bị AI thay thế trong 6 tháng hoặc một năm.

Điều Lưu Thắng dự đoán chủ yếu liên quan đến một loại công việc kỹ thuật rất cụ thể: thiết kế và tối ưu toán tử.

Ngay cả trong trường hợp AI có thể tự viết phần lớn mã, các hệ thống phần mềm thực tế vẫn cần con người xác định mục tiêu, kiểm tra chất lượng, chịu trách nhiệm về an toàn, bảo mật, dữ liệu, pháp lý và các quyết định sản phẩm.

Tuy nhiên, điều có thể quan sát được là ranh giới giữa công việc của con người và máy móc đang dịch chuyển rất nhanh.

Google là một ví dụ rõ ràng: AI đã tạo ra khoảng 75% mã mới, nhưng kỹ sư vẫn tham gia phê duyệt.

Do đó, vấn đề đối với người làm công nghệ có thể không phải là “AI có thay thế tôi hay không?”, mà là “AI sẽ thay thế phần nào trong công việc của tôi trước?”.

Lưu Thắng: “Tôi sẽ tiếp tục khám phá lĩnh vực này”

Dù bài viết mang màu sắc suy tư, phản hồi sau đó của Lưu Thắng cho thấy ông không nhìn tương lai hoàn toàn theo hướng bi quan.

Ông cho biết mình vẫn sẽ tiếp tục khám phá lĩnh vực AI và tìm kiếm vị trí của mình trong thời đại trí tuệ nhân tạo.

Điều ông tiếc nuối không hẳn là mất việc. Điều đáng tiếc hơn là khả năng không còn được trực tiếp làm công việc mà mình từng yêu thích.

Trong phần bổ sung ngày 15/9, ông giải thích rằng bài viết ban đầu không nhằm thể hiện lo lắng thất nghiệp. Ông muốn nói lời chia tay với thời kỳ tự tay viết toán tử. Ông thậm chí hình dung rằng trong tương lai, “viết toán tử” hoặc “lập trình” có thể trở thành một hoạt động mang tính giải trí thay vì hoạt động sản xuất chủ đạo.

Ông cũng nhấn mạnh rằng phần quan điểm về AI và các công ty AI trong những đoạn cuối bài viết chỉ đại diện cho quan điểm cá nhân, không đại diện cho lập trường của công ty.

Câu chuyện của Lưu Thắng không đơn giản là câu chuyện về một kỹ sư AI sợ mất việc.

Nó phản ánh một nghịch lý sâu sắc hơn của cuộc cách mạng trí tuệ nhân tạo: những người xây dựng AI cũng chính là những người đang giúp AI tiến vào ngày càng nhiều lĩnh vực chuyên môn của con người.

Một kỹ sư tối ưu toán tử càng tốt, mô hình càng chạy nhanh. Mô hình càng chạy nhanh, tốc độ phát triển AI càng cao. Và khi AI đủ mạnh để tự tối ưu toán tử, chính kỹ năng từng tạo nên lợi thế của kỹ sư có thể trở nên ít cần thiết hơn.

Nhưng sự thay đổi đó không nhất thiết đồng nghĩa với việc con người biến mất khỏi quy trình.

Google đang cho thấy một mô hình khác: AI tạo phần lớn mã mới nhưng kỹ sư vẫn kiểm tra, định hướng và phê duyệt. Nghiên cứu về học sinh cũng cho thấy vấn đề không nằm đơn giản ở việc “dùng AI hay không dùng AI”, mà nằm ở việc AI thay thế quá trình tư duy hay giúp con người tư duy tốt hơn.

Vì vậy, bài viết của Lưu Thắng có thể được xem như một lời cảnh báo về sự thay đổi của kỹ năng, hơn là một lời tiên đoán về sự biến mất của nghề lập trình.

Điều đáng chú ý nhất có lẽ nằm ở câu hỏi mà thời đại AI đang đặt ra cho hàng triệu người lao động: khi một công cụ có thể làm tốt phần việc mà bạn từng dành nhiều năm để thành thạo, bạn sẽ giữ lại điều gì của chuyên môn cũ và chuyển hóa nó thành năng lực mới như thế nào?

Câu hỏi về định hướng nghệ nghiệp của kỹ sư DeepSeek

Vì sao bài viết của kỹ sư DeepSeek gây chú ý?

Bài viết gây chú ý vì tác giả không phải một người ngoài ngành lo sợ AI mà là kỹ sư trực tiếp phát triển hệ thống AI. Ông cho rằng AI có thể sớm thực hiện tốt công việc tối ưu toán tử mà chính ông đang làm.

Lưu Thắng có lo mình thất nghiệp không?

Theo phần giải thích của chính ông ngày 15/9, mục đích của bài viết không phải để bày tỏ lo lắng thất nghiệp. Ông cho rằng mình có thể không thất nghiệp nhưng có khả năng phải chuyển sang một dạng công việc khác.

Toán tử AI là gì?

Toán tử là những đơn vị tính toán thực hiện các thao tác cụ thể trong mô hình AI. Việc tối ưu toán tử giúp mô hình sử dụng phần cứng hiệu quả hơn, từ đó có thể cải thiện tốc độ huấn luyện và suy luận.

AI có thể tự viết toán tử không?

Theo nhận định cá nhân của Lưu Thắng, tốc độ tiến bộ hiện tại cho thấy AI có thể đạt trình độ tương đương hoặc vượt khả năng của ông trong việc viết toán tử trong khoảng 6 tháng đến một năm. Đây là dự đoán của cá nhân ông, không phải một mốc thời gian đã được chứng minh độc lập.

AI có làm giảm kỹ năng lập trình của con người không?

Rủi ro này tồn tại nếu người học sử dụng AI như công cụ làm thay thay vì công cụ hỗ trợ. Nghiên cứu trên 26.811 học sinh Trung Quốc cho thấy nhóm có dấu hiệu “ủy thác” bài tập cho AI có kết quả học tập dài hạn kém hơn, trong khi nhóm vẫn duy trì quá trình làm bài có mức ảnh hưởng nhỏ hơn.

Lập trình viên nên học gì trong thời đại AI?

Ngoài kỹ năng viết mã, những năng lực như thiết kế hệ thống, tư duy thuật toán, kiểm thử, bảo mật, hiểu kiến trúc phần mềm, đánh giá đầu ra của AI và khả năng giải quyết vấn đề phức tạp có thể ngày càng quan trọng. Đây là xu hướng được phản ánh qua việc Google sử dụng AI để tạo mã nhưng vẫn yêu cầu kỹ sư kiểm tra và phê duyệt.