DeepSeek 的一位算子工程师写了篇文章，说自己大概不会失业，但可能必须转业。
他刚给新模型写完主 Attention 算子，为此骄傲；同时很清楚，再过半年到一年，AI 写的算子大概率和他一样好，甚至更好。他说：如果非被革命不可，我希望革自己命的人是我自己。
这是我最近读到最诚实的一段职业判断。但我觉得「转业」这个词说错了。
他不是换行业，是换层
他自己描述的下一站是：不再亲手写每一行，而是调度模型、拆解任务、评估结果，对最终系统负责。
这不是另一个行业。这是他一直待着的那件事的上面一层。
那一层从来就在。只是以前不需要他做——下层的产能有限，把算子写到极致本身就是稀缺的，判断做哪个算子反而是相对容易的部分。现在下层的产能被放大了几十倍，瓶颈就整体上移了：做什么、做得对不对、值不值得做。
**AI 每吃掉一层，上面那层就贵一截。**这不是安慰，是供需。
能上移的三个条件
看清这一点之后，问题就变了。不是「我会不会被替代」，是「我有没有为上一层准备好」。我认为要三样东西同时在。
一、你得在下层真的做过。 不是为了继续做，是为了保留判断力。没写过算子的人看不出 AI 写的算子哪里不对；没搭过系统的人看不出生成的架构哪里会塌。这条最容易被误读成「技术不重要了」——恰恰相反，下层自动化之后，能判断下层产出的能力反而更稀缺。
二、你得知道上一层看什么。 上一层的问题永远是同一组：这件事值多少钱、给谁省了什么、为什么是现在、不做会怎样。这组问题没练过的人，上去也只是换个地方等指令。它不是天赋，是在做下层的时候有没有顺手多问一句。
三、你得愿意在自己还很强的时候走。 这一条最难，也最少人做到。
人最难放弃的不是做砸的事，是自己做得最好的那件事。算子写到能进主路径，那是很多年的积累，是身份的一部分。那篇文章可贵就可贵在，作者是在这件事还是他最强的资产时就开始想下一层了。
多数人会等到被迫。而等到被迫的时候，上面那层已经站满了早走的人。
两个不成立的推论
「那就赶紧转管理」不成立。 上一层不是管理层，是判断层。它要的不是协调人的人，是能对结果负责、并且真的看得出结果好坏的人。这两件事经常被混为一谈，然后一个不会判断的人被放到判断位上，下面接一群 Agent，产出规模化的错误。
「那就别学底层了」更不成立。 工程能力差的人配上 AI，产出代码屎山的效率是从前的数倍。上不去的人往往不是不会用 AI，是没有能力判断 AI 给了什么。
所以
真正该问的不是「我会不会被 AI 替代」，而是两个更具体的问题：我现在这一层，上面是什么？我在做这一层的时候，有没有顺便在练那一层？
我自己这些年就是一层层上来的。先做数据分析，做到头发现数据只是业务的一部分；于是去孵化业务，做到头又发现模型能替代什么、能放大什么完全是另一回事；然后才到 AI。每一次往上，都不是因为下层做腻了，是下层不够用了。
再上面一层是什么，我还在找。但有一件事是确定的：它不会等我被推过去。