Shengyu Liu, ingeniero especializado en kernels de DeepSeek, considera que la inteligencia artificial podría alcanzar o incluso superar la calidad de su propio trabajo dentro de aproximadamente seis meses o un año. Pese a esa previsión, asegura que continuará optimizando los sistemas que aceleran el entrenamiento y la inferencia de los modelos de la compañía.
Su razonamiento combina motivación personal, competencia entre laboratorios y una defensa del acceso abierto a la IA. Liu cree que frenar individualmente su trabajo no impediría que otras compañías siguieran avanzando, mientras considera preferible que las capacidades más avanzadas permanezcan accesibles en lugar de quedar concentradas en unas pocas empresas.
La IA ya puede analizar CUDA, PTX y SASS para optimizar kernels
Liu trabaja en uno de los ámbitos más técnicos del desarrollo de modelos. Según explica, la IA ha pasado en aproximadamente un año de ayudar con documentación y detección de errores a analizar código CUDA, PTX y SASS mediante herramientas especializadas.
El ingeniero asegura que los modelos actuales ya pueden estudiar dónde se producen esperas durante la ejecución de instrucciones y proponer optimizaciones. Su siguiente paso sería diseñar de forma autónoma estrategias de planificación, comparar su rendimiento, implementarlas y continuar refinándolas.
Liu afirma además haber desarrollado el principal kernel de Attention utilizado por DeepSeek V4.1, por lo que su reflexión parte precisamente de trabajar sobre una tecnología cuya mejora contribuye directamente a que los propios modelos sean más rápidos.
Desde su perspectiva, dentro de seis meses o un año los kernels escritos por IA podrían alcanzar la calidad de los que él desarrolla actualmente o incluso superarla. Se trata de una estimación personal y no de una previsión oficial de DeepSeek.
Un modelo puede trabajar mucho más rápido que un desarrollador humano
El ingeniero utiliza varias cifras para explicar por qué considera difícil competir únicamente mediante velocidad. Según su estimación, una IA puede razonar alrededor de 300 tokens por segundo, ejecutar un comando casi inmediatamente y generar código en unos 20 segundos.
La ventaja no estaría únicamente en escribir rápido. Los modelos pueden aumentar profundidad de razonamiento, número de llamadas a herramientas y paralelismo sin las mismas limitaciones físicas de una persona, algo especialmente importante cuando una tarea admite múltiples intentos simultáneos.
Esto no significa que cualquier código generado por IA alcance automáticamente el nivel de un especialista. La calidad final continúa dependiendo del modelo, las herramientas disponibles, las pruebas realizadas y el conocimiento necesario para evaluar correctamente el resultado.
La preocupación de Liu se centra precisamente en qué ocurrirá cuando esa diferencia desaparezca. Si un agente puede producir kernels optimizados con una calidad comparable a la de un experto y hacerlo mucho más rápido, el valor del trabajo manual cambia radicalmente.
No cree necesariamente que vaya a quedarse sin empleo
Pese al tono pesimista sobre su especialidad actual, Liu no asegura que vaya a terminar desempleado. Su previsión es que tendrá que cambiar de función antes que abandonar completamente la industria, utilizando precisamente las herramientas de IA que están automatizando parte de su trabajo.
El cambio que describe sería pasar de buscar profesionales capaces de escribir directamente kernels de alto rendimiento a necesitar personas capaces de utilizar agentes de IA para producir esos mismos kernels con mayor rapidez y mantener su calidad.
Liu utiliza la metáfora de convertirse en una especie de «piloto» de agentes, manteniendo sus conocimientos sobre ingeniería, hardware y necesidades de los modelos, pero delegando cada vez más trabajo de implementación en sistemas automáticos.
La diferencia es importante porque no está prediciendo simplemente la desaparición inmediata de todos los programadores, sino una transformación de las habilidades que tendrán mayor valor dentro del desarrollo de software de alto rendimiento.
La competencia es una de las razones por las que seguirá acelerando la IA
Liu reconoce la contradicción de mejorar continuamente herramientas que podrían reducir la necesidad de su especialidad. Sin embargo, considera que abandonar o ralentizar deliberadamente su trabajo no evitaría el avance de otros laboratorios.
Si DeepSeek redujera su ritmo mientras competidores continuasen desarrollando nuevos modelos, su propio puesto terminaría igualmente afectado por la automatización, pero la empresa habría perdido además competitividad tecnológica.
A eso se suma una motivación mucho más personal. Liu describe la optimización de kernels como un trabajo que disfruta y en el que obtener una nueva mejora de rendimiento le produce una satisfacción comparable a superar un récord personal.
Por tanto, su decisión no parte únicamente del miedo a quedarse atrás. El ingeniero combina interés técnico, orgullo por sus resultados y presión competitiva para justificar por qué seguirá desarrollando sistemas que cree capaces de automatizar parte de su propio trabajo.
Liu teme que la IA más potente quede concentrada en unas pocas empresas
La segunda parte de su reflexión abandona el terreno puramente técnico. Liu plantea dos escenarios extremos y considera preocupante un futuro en el que unas pocas compañías controlen los modelos más avanzados mientras la mayoría solo pueda acceder a versiones considerablemente inferiores.
El ingeniero utiliza Cyberpunk 2077 como referencia para ilustrar ese escenario de concentración tecnológica. Su preocupación es que disponer de la mejor IA pueda convertirse en una ventaja económica y social que se retroalimente, dificultando que quienes están fuera puedan alcanzar a quienes controlan esos sistemas.
Frente a ello, Liu defiende que la inteligencia artificial avanzada debería poder utilizarse de forma abierta y asequible, una postura que relaciona directamente con su decisión de continuar trabajando en DeepSeek.
También expresa desconfianza hacia la posibilidad de que OpenAI o Anthropic proporcionen universalmente sus sistemas más avanzados en esas condiciones. Se trata de una valoración personal del ingeniero y no de una posición demostrada sobre las futuras políticas comerciales de esas compañías.
Su comparación con Anthropic utiliza deliberadamente una analogía extrema
Liu lleva su argumento hasta una comparación histórica deliberadamente provocadora al explicar cuánto le preocuparía que una única organización controlase en exclusiva una futura AGI claramente superior al resto.
En concreto, utiliza una analogía relacionada con la Alemania nazi y el desarrollo de armas estratégicas para representar el peligro que, en su opinión, supondría una concentración extrema de poder tecnológico. La comparación forma parte de la argumentación personal de Liu y no constituye una acusación factual contra Anthropic.
Su conclusión es que prefiere contribuir a desarrollar modelos potentes, rápidos y accesibles que puedan distribuirse de manera abierta, porque considera que esa estrategia reduce el riesgo de que la inteligencia avanzada quede bajo el control exclusivo de unos pocos actores.
Esta visión también explica por qué su preocupación sobre ser sustituido no desemboca en una petición para detener el desarrollo. Liu considera que la carrera continuará independientemente de su participación y prefiere influir desde dentro en cómo se distribuye la tecnología resultante.
El debate ya no gira únicamente alrededor de si la IA escribirá código
La reflexión de Liu muestra hasta qué punto la discusión ha evolucionado. El problema ya no es simplemente si una IA puede generar programas, sino si puede analizar software de bajo nivel, utilizar herramientas profesionales y optimizar código especializado de forma autónoma.
También introduce una cuestión importante para el empleo técnico: el conocimiento profundo del hardware puede seguir siendo valioso aunque cada vez menos código se escriba directamente a mano, porque alguien tendrá que definir objetivos, comprobar resultados y detectar errores que los agentes no identifiquen.
El escenario descrito por Liu sigue siendo una predicción personal y puede evolucionar de forma muy diferente. Sin embargo, resulta especialmente significativo que uno de los ingenieros que trabaja directamente en acelerar modelos avanzados considere plausible que su propia especialidad cambie radicalmente en menos de un año.
Vía: Wccftech
