写下DeepSeek V4.1核心算子的人说，最多一年，他就会被自己写的东西盖过去。同一段时间，几家美国大公司开始把AI公司挡在自己的核心业务之外。有的要求，自己问过AI的那些话，一个字都不许留在对方的机器上；有的干脆把最要紧的活搬回自家机房。只有一家公司站在对面，它希望这些对话默认多留30天，好从里面找出攻击的线索。

几件事看着不挨着，算的却是同一笔账。

他叫刘胜与，北京大学图灵班2021级，DeepSeek V4.1核心注意力算子的负责人。注意力机制决定模型读一句话时，把眼光落在哪个词上。算法要在显卡上真正跑起来，还得跑得快，靠的是一大串算子，每一种算子对应一类计算。他做的是注意力这一类，V4.1里最主要的那一个注意力算子，就是他刚做完的。

这一类算子的难处在于，它同时要顾两头。一头是算法背后的数学公式，另一头是显卡这头的细节，显存怎么排、流水线在哪儿停、哪条指令能省下一个周期。

他打了个比方，织毛衣。你织出了名，十里八乡带着钱来排队订。你未必只图钱，你图的是那个下午，窗开着，茶沏着，针在手里走。后来有人造了台机器，喂进毛线和图纸，织得比你快，也比你精。你换上机器，照样比旁人用得好，饭碗能保住，但保不住的是那个下午。

比方说到后来，才是他真正要说的事。最多一年，他自己参与打造的那套系统，就能在底层算法设计上把他整个盖过去。代码写得越极致，训练和推理就越便宜，参数就敢往大里堆，模型就学得越快，写代码这件事被交出去的速度，也就越快。

他说这是个罕见的处境，人明知前面是自己退场的地方，还在给脚下的滑轨刷油。

他也写到了往后。过去那种靠人脑直接推演硬件状态的工匠日子正在收尾，人得走出工坊，穿上外骨骼，去当指挥智能体的人。手艺还在，换的是用它的姿势。

这件事不只他一个人在看。就在他发文前后，Anthropic的掌门人阿莫迪把眼下这轮加速归因于递归自我改进，也就是模型开始帮着改进模型；同一段时间，Anthropic一位研究员因为担心这条路径失控而离职，公开说要退出这个行业。

站在最里面的人在公开讨论这份时间表，外面的惊叹反倒显得迟钝。

他后面补的说明，比原文更值得看。他说舍不得的不是饭碗，是做事的方式；对机器他是乐观的，悲观的是人，以后还有没有人心甘情愿坐在那儿，把一件事做透。他还会继续写算子，而且已经在用智能体帮着写。

PART 01

留存背后的竞争下注

那家把留存天数改长的公司，动作看着是合规，其实是一次竞争下注。前沿模型的优势来源已经挪过位置了。早年拼参数规模，后来拼数据和算力，现在拼的是真实使用里出来的东西，客户怎么提问题、工程师怎么绕开瓶颈、多少次尝试才对一次。这些不会写进论文，只会留在真实的使用里。对一家要做前沿的实验室来说，留存对话不是偏好，是把对手甩开的最短那条路。

它给的解释也站得住。单看一次提问，什么都看不出来，只有把几百次调用串起来做行为审计，才摸得到攻击的线头。一家替全球企业保管代码和合同的公司，一点痕迹都不留，就查不了滥用。这个理由不是编的。

难处在于，它要的和客户怕的，是同一样东西。

帕兰提尔做的生意，说到底就是数据不出客户的边界。它的信誉整个建在这句话上，客户买它，买的就是不必把自己的东西交出去。英伟达手里是供应链分析和架构图纸，承包商手里是国防合同。对这些人来说，把数据放进别人的日志系统，不是变更一条隐私条款，是自己商业模式的根基被人动了一下。

所以他们开的条件很硬：

帕兰提尔要的是一句不许反悔的承诺，数据一条不留，拿不到就不让模型进核心平台；它的老板在闭门会上直接喊话，说企业得防着被实验室拿走本该攥在自己手里的那点优势。

英伟达的做法更省事，把外部模型限制在开源软件这类低敏感场景，核心业务换自研的Nemotron。

有承包商干脆把业务搬进物理断网的机房。

过去不是这样的。过去几年，把最要紧的事交给最强的模型是常识，效率和安全之间不用选。现在要选了，说明兑换率变了。省下来的那点效率，开始顶不住让出去的那部分东西。

撤退还得有个前提，就是有得撤。两年前最强的模型就那两家，再不舒服也只能接着用，因为换不了。这轮不一样，能自己跑的开源模型终于到了够用的线上，企业手里第一次有了替补。所以这不是一时情绪，是替代品成熟之后才可能发生的动作，谁先有得选，谁先敢动。

留存的诱惑也好理解。客户怎么用AI，本身就带着它们的组织知识，问题怎么切、答案错在哪一步，全留在使用痕迹里。这些在任何公开数据集里都没有，只能一点一点攒。一家实验室吸收得越多，它的模型就越贴合那批客户的工作，而那批客户也就越难走。留住数据和留住客户，在它那里本来就是一件事。

PART 02

技术争议的升级

这件事的分量，已经不止于企业之间算账。9月8日，美国官方先发了一份联合通告，点名六家中国公司。两天后，Anthropic拿出一份154页的报告，点的是七家，比官方多一家。它说这些公司用假账号，把用户和自家机器人的对话转送给Claude，再把回复拿去训练自己的模型，光假账号就五千多个，对话累计近两亿次。北京这边的回应是反对歪曲事实。

官方和厂商几乎同时开口，盯的还是同一批公司。一家公司的技术报告和一份国家通告，说的是同一件事，事情就从技术争议，变成两个国家都要表态的事。

把这件事写成好人坏人，是最省事、也最不准确的读法：

Anthropic的留存有它的安全账，这份账不虚：一家替全球企业保管代码和合同的公司，不留痕迹就无从审查，这个难处是真的。所谓“蒸馏”，就是拿别的模型吐出来的答案当教材，喂给自己的模型。这项指控也不全是空话，用假账号、把用户的对话转送出去，无论动机如何，做法本身经不起追问。

反过来看，把公开可得的模型输出拿来学，技术上并不新鲜，模型方自己训练时也在吃全网的数据，所以业界有不少人认为，把蒸馏叫偷是一种商业打法，图的是让对手慢下来。这话未必公道，但它代表了一大批人的判断，不该只在心里想、不上台面说。

开源也不是干净的那一方。它能在企业自己的机器上跑，代价是质量参差不齐、维护要自己扛、出了岔子没有服务台。企业选它，选的是一部分能力和一部分麻烦一起收进来。

这件事落到中国这批公司身上，分量又不一样。上游一收紧，最先难受的不是明星产品，是把核心业务搭在外部模型上的那些公司。所以往本地搬、把权重放出去，对它们来说首先是留后手，姿态还在其次。手里有一份能自己跑、能自己改的东西，这条路才不会被别人随时收走。

PART 03

同一个结构，不同的赌注

那个写算子的人，站在这件事的最里头，也是最小的那一环。大公司让出去的是数据，他让出去的是手艺。他做的事情，是让机器跑得更快；机器快起来以后，先学会的就是他这门手艺。他和大客户面对的是同一个结构：你的强项一进别人的系统，就变成别人的资产，区别只在你让出去多少、换回来什么。

这也是他值得被反复读的原因。大客户撤退，有法务部和董事会撑腰，他只有一个人。他选的是留在场内，把模型做得更快、更便宜、更开放，赌普惠那条路最后更划算。他那点议价能力，也只够下这一注。

社区里的话比新闻准。有人说那边越是上蹿下跳，越说明世界需要数据安全，也越说明开源模型的分量。还有人说得更实在：就算它不拿你的数据训练，光是敏感信息能被别人拿去分析和查阅，这种公司谁敢赌。这些判断不用等报告出来。

这场争论会散，采购的常识会留下。过去选型看的是谁的模型更聪明，现在得先问数据去哪、留在谁的机器上。这个问题一旦进了采购清单，就不会再退出去。

争来争去，量的不是谁对谁错，是能力该放在哪里。

企业侧会继续往本地搬，近六成企业已经把模型放进自己的机房或者私有云，这个比例只会往上。前沿实验室最终得给出一个两全的办法，既能查得出滥用，又不把客户的数据留下，否则最大的那批客户用不下去，这由不得它愿不愿意。开源那条线会继续上移，够用的门槛一年比一年高，直到某一天企业不比了，就把内部业务交给它。

信任在这件事里帮不上忙。条款写得再漂亮，你也验证不了它到底留没留、给谁看了。而且信任垮掉是一次性的：条款可以改，承诺可以补，账一旦算清，往后每次把核心业务交出去，心里都得先过一遍。到最后能被信任的只有一样东西，能力本来就在你自己手里。

PART 04

最难补的人的缺口

最慢、也最难补上的，是人的那一层。

他提到一个学校里的场景：一条路，是花8个小时啃手册、追内存泄漏，被崩溃折磨到半夜，最后交出一份平平无奇的作业；另一条路，是花几毛钱，用几分钟让工具生成一份漂亮的“满分作业”。最终呈现出来的结果看起来一模一样，甚至后者还要更好。

危险恰恰在这里。

工具本身并不会制造差距，但它会让差距变得越来越不可见。一个没有真正把系统搞明白的人，手里突然多了几十倍的生产力，他产出的不会是更结实的系统，而是一堆看起来光鲜、内部却空洞的东西。

这笔账不会现在结算。几年之后，它会以维护成本、莫名其妙的故障，以及“谁也说不清到底哪里出了问题”的方式找上门来。

他真正担心的，并不是年轻人变懒了，而是“把一件事真正做透”这件事本身，正在失去意义。

但他没有停下来。

在补充说明里，他写得很明白：算子他继续写，成果照旧交给开源社区。这条路正在把他一点点往外推，但他没有换路。

区别在这儿。他们只要肯花钱，就能把交出去的东西拿回来；他花什么都拿不回来。这笔账里，唯一没有后手的人，是最早看见结局的那个。

首发于公众号：AI驱动数字化转型