一、AI 前线的真相：论文不如几张卡值钱

大众想象中的顶尖 AI 实验室，研究员每天都在推导颠覆性算法。但 Feinberg 讲的故事很反直觉。

他刚加入 Google Brain 时，和所有年轻研究员一样，满脑子都是 NeurIPS、ICML 的第一作者论文。但第一代 Bard 发布前，他被拉去干了一件很“脏”的活：调编译器、调超参数、解决显存溢出，把一个叫 SFT 的监督微调任务塞进一堆老旧的 TPU 卡里。

这件事没有学术光环，却让 Jeff Dean 亲自给他发了一笔即时奖金。

后来 Gemini 2.0 训练时，团队只有大概 5 个人，在硅谷和巴黎之间 24 小时倒班，硬撑了 40 天。算力卡随时会挂，数据索引随时会断，为了不烧掉几百万美元，他们只能不眠不休地盯着。

这些故事说明一件事：大模型竞争的真实前线，不是论文，而是工程；不是新架构，而是能不能把每一张卡的利用率榨到极致。 在生产环境里，能省下几张卡显存的人，比会推公式的人更值钱。

二、 Nate Lintz 的路径：从搜索后端到 DeepMind 核心

Feinberg 组里有一位叫 Nate Lintz 的工程师。他之前在 Google 搜索部门写后端基础架构，没有 AI 背景，也没有顶会论文。

他的转折很简单：他开始在业务线里帮团队把大模型真正落地。不是去写新模型，而是解决最具体的推理开销、算力效率和服务稳定性问题。

搜索业务对延迟和成本极其敏感，他把后端工程里积累的分布式系统、性能优化能力，直接平移到了 LLM 推理上。慢慢地，他成了产品团队和研究团队之间最重要的接口人。最终顺理成章地内部转岗到 DeepMind，主导了 Flash 和 Flash-Lite 的核心推理协同设计。

这个路径对普通程序员最启发的地方在于：

  • 你不需要先辞职去读个 AI 硕士。
  • 你不需要先证明自己会推公式。
  • 你可以在现在的岗位上，先成为那个“能把 LLM 接进来并跑好”的人。

当业务团队离不开你，研究团队也需要你时，转岗只是水到渠成。你甚至不一定非要转岗——你已经在做最前沿的事了。

三、三条可以立刻开始的动作

Feinberg 在文章里列了一份“硬核作业”，并承诺：做完可以直接发给他，他愿意面试你。这说明前沿实验室招人时，最看重的不是学历或头衔，而是可验证的信号。

对普通程序员来说，有三条路径最容易产生这种信号。

3.1 给推理引擎做开源贡献

大模型的推理服务本身就是一个复杂的分布式系统：键值缓存、负载均衡、请求排队、动态批处理。这些问题和你平时处理的后端工程高度同构。

所以 Feinberg 明确建议：去给 vLLM、SGLang、TensorRT 这些项目做贡献。你不需要发明新算法，只要能在某个设定下把推理做快、做顺，就是很强的证据。

3.2 手写一个 Transformer，并手算 Scaling Laws

这个练习不是为了把你变成数学家，而是为了证明你愿意深入细节。

  • 手写 Transformer：证明你理解注意力机制、前馈网络、层归一化到底是怎么拼起来的。
  • 手算 Scaling Laws：证明你能估算训练成本、预测模型性能，而不是只会调用 API。

Feinberg 甚至说，如果你把《缩放之书》里的题目认真手写做完，录一段讲解视频发给他，他会非常愿意面试你。

3.3 在现有业务里优化一个真实的推理成本

这是 Nate Lintz 路径的平民版。无论你做电商、金融、SaaS 还是内部工具，都可以先问自己一个问题：

> 我们能不能用大模型替代某个流程？现在的成本是多少？能不能通过缓存、量化、批处理或模型蒸馏把它压下来？

你不需要自己训练模型。只要能把开源模型接进业务，算清楚延迟和成本，并真的优化出一个可落地的方案，你就已经走在了大多数人前面。

四、为什么“签字的人”不会消失

Feinberg 对“程序员失业论”的回应很直接：AI 永远无法被吊销律师执照，因为它不具备主体资格，无法承担法律责任。

这句话的核心不是法律，而是信任。职业的本质不是“谁能生成代码”，而是“谁能为结果负责”。

大模型可以帮你审合同、写代码、做诊断，但最终出庭的必须是律师，签字的必须是医生，部署上线的必须是你。人类在组织里构成了一张信任网络，资源的分配、风险的承担、最终责任的归属，都必须落到具体的人身上。

所以程序员的未来不是被替代，而是角色迁移：

  • 从“写每一行代码”变成“设计 AI 协作流程”。
  • 从“实现功能”变成“验证 AI 输出、控制风险和成本”。
  • 从“执行者”变成“签字并背书的决策者”。

五、现在就行动，比完美规划更重要

Feinberg 最后给年轻时的自己两条建议，也值得你记住：

第一，去追那些世界今天真正面对的问题。哪怕你切进去的只是问题里很小、很不起眼的一部分，只要它重要，就有机会把你带到前沿。

第二，做那个别人真心希望他成功的人。在 AI 这种需要多人、多种能力共同跨线的大项目里，协作感和信任比短期博弈重要得多。

所以与其纠结“AI 会不会让我失业”，不如今天就开始：

  • 选一个开源推理项目，读它的代码，提一个 PR。
  • 找一个业务场景，把 LLM 接进去，算清楚成本和延迟。
  • 手写一次 Transformer，把过程录下来。

这些动作都不体面，也不炫酷。但正是这些“脏活”，构成了普通程序员进入 AI 核心战场最务实的路径。