当模型用三天搬完GPU内核：三代底层工程师的代价，和一个推论

2026 年 11 月 11 日，Anthropic 在其 IPO 路演里披露了一个工程结果：一个前沿模型用了大约三天，在几乎无人工干预的情况下，把核心 GPU 计算内核的代码移植到了另一家厂商的旗舰芯片上，跑通了关键推理环节。按这家公司自己的说法，同样的活过去要几十名工程师做六到十二个月。

三年之内，我们把「AI 会写代码」这件事讨论了很多轮，讨论的多半是应用层：网页、脚本、业务逻辑。这一次不一样，被改写的是系统软件——那个平时没人看见、但所有东西都踩在上面的层。

一、趋势：被压平的不是工期，是兼容性

CUDA 的壁垒从来不是物理的。芯片性能可以追，制程可以追，追不上的是二十年积累的库、算子、调试工具、文档，以及几万名工程师知道「这个写法为什么会慢三倍」的经验。兼容性的本质是人力存量，人力存量的特点是只能用时间换。

当模型能在三天里读懂了旧代码、写出新平台上的等价实现，这个「只能用时间换」的前提就被打破了。被压平的不是某个项目的周期，是「迁移成本随生态规模线性增长」这条规律。

但要说清楚边界：跑通若干推理算子，和支撑万卡集群在长周期生产里稳定运行，中间隔着性能调优、数值一致性、故障恢复、长尾算子覆盖。「能跑」和「能扛」之间的距离，往往比「不能跑」到「能跑」更远。

所以这条新闻的真实含义不是「壁垒没了」，是「壁垒的计费方式变了」：从按工程师年计费，变成按 token 计费。计费方式一变，拥有定价权的人就换了。

二、第一代人：那批会写内核的人，正在退出

写 GPU 内核、写编译器后端的人，通常要十年以上才成熟。他们的知识大量是隐性的：某条指令的延迟特性、某个 bank 冲突模式的规避手法、某个版本驱动的怪异行为。这些东西不写在文档里，写在他们的直觉里。

这批人现在多在五十岁上下，正好到了离开一线或者退休的年纪。过去他们的知识通过带徒弟、通过代码评审、通过「你为什么这么写」的追问传下去。一旦产出方式变成「让模型生成，人来验收」，这条传递链就失去了载体。

更麻烦的是验收本身需要判断力。一个没有亲手写过内核的人，看不出模型给的实现里哪一行会在特定访存模式下慢十倍。他能看到跑分，看不到跑分之外的场景。

三、第二代人：从「写」变成「审」，然后审不动了

现在三十岁上下的性能工程师，处境最尴尬。他们的价值原本建立在「我能写出来，而且写得比你好」；现在这句话的前半段正在失效。他们被要求转成审阅者，但审阅能力恰恰来自写作经验。

现实的做法是先跑基准，再跑压力测试，再看性能计数器。这套流程能筛掉明显的错误，筛不掉「在第四种输入分布下才会崩」的问题。模型给出的实现往往是「平均情况优秀、极端情况未知」，而生产环境只发生在极端情况里。

于是这个岗位的 KPI 悄悄变了：从「优化了多少」变成「拦住了多少」。当一个人的主要产出是「没有发生的事」，他的议价能力会持续下降。这不是能力问题，是记账方式的问题。

四、第三代人：不再有从零写一遍的机会

最长远的影响在还没入行的人身上。过去学系统软件有一条笨但有效的路径：自己写一个小的内核、写一个玩具编译器、写一个简化驱动。写不通就调，调到通为止，那个过程会在脑子里建起一张结构图。

现在这条路被优化掉了。任务交给模型，人只负责验收，结构图从来没有被建起来过。跳过「写不通」的阶段，等于跳过唯一能建立直觉的阶段。

这不意味着新人更差，意味着经验的形成方式变了：从「做过很多次」变成「看过很多次输出」。看过很多次的人，在熟悉的场景里很强，在没见过的场景里没有参照。

系统软件恰好是最依赖「没见过的情况」的领域。它的历史就是一部意外史，每一条注释背后都是一次事故。

五、一个不太好接受的推论

如果内核移植这件事的边际成本降到三天，那么所有芯片厂商面前的选项就变成一个：要么自己养一个能写内核的模型团队（几乎不可能），要么依赖那几家拥有这种模型的公司的输出。硬件之间的壁垒被压平的同时，一个更硬的门槛被立起来了。

过去芯片厂的对手是别的芯片厂；现在它们的对手不是任何一家芯片厂，是「谁的模型能把我的指令集写得更好」。议价权从制程和生态，转移到模型和算力。

这个推论不太好接受的地方在于：它看起来像是「开放」，实际是「集中」。可移植性提高，理论上让更多芯片能参与竞争；实际上让所有芯片都必须经过同一个中介。

更尖锐的一层：如果模型能重写别人的内核，它也能重写自己的推理栈。这意味着模型的自我优化会与硬件迭代耦合，而掌握这个耦合关系的一方，会比任何单一硬件厂商更了解所有硬件的真实上限。这不是垄断某一种芯片，是垄断对所有芯片的理解。

六、三代人各自的代价，落在不同时间

三行的共同点是：代价都不在最热的那一年发生。短期全是收益，成本推迟五到十年结算。

七、也是最容易被忽略的一层

工程界有一个反复出现的模式：一项技术把某件事的成本降低十倍之后，这件事就不再被当作专业，而被当作默认配置。被当作默认配置的东西，没有人会去维护它的判断力。

内核移植如果变成默认配置，那么「这次移植对不对」就不再有人真正回答。系统会继续跑，跑分继续好看，直到某一天在某个客户的集群上出问题，而现场没有一个人能读懂那三天的输出。那一天的代价，会由完全不认识这三代人的人来承担。

写在最后

我并不认为应该阻止这件事。三天对六个月，这个比值带来的资源节约是真实的，靠人力堆出来的兼容性壁垒也确实不该是长期的竞争方式。问题不在效率，在于我们把「效率提升」和「能力保留」当成了同一件事。

真正需要设计的不是怎么让模型写得更快，是怎么让人类在不再亲手写的情况下，仍然保有判断对错的能力。这件事没有商业回报，所以大概率没人做。

而历史一再显示：一项能力在还有人的时候不刻意保留，等到需要它的时候，就只剩文档了。文档里写不出直觉，就像菜谱写不出火候。

你手上那件「已经不用自己做」的事，如果明天必须自己做一遍，你还做得出来吗？