这两天测试群里都在转 DeepSeek 工程师刘胜与那篇《我不得不把才华埋葬在昨天》。文章刷爆知乎热榜第一，公众号阅读 10 万 +，还被翻译成多国语言传到海外技术圈。
先交代下作者：北大图灵班 2021 级、北大超算队队长、全球大学生超算大赛总冠军，2025 年 4 月加入 DeepSeek 做机器学习系统（MLSys），几天前刚交付 V4.1 的主 Attention 算子 ——head dim 512 的 MQA attention，直接决定模型推理效率的核心组件。
他在文章里的核心判断：再过半年到一年，AI 写的算子大概率会达到甚至超过他的水平。更扎心的是那个 “技术悖论”—— 算子写得越好，模型训练推理越快，模型进步越快，他就越早被取代。
他说自己大概率不会失业，但必须 “转业”：从亲手写算子，变成指挥 AI 干活的 “机甲驾驶员”。
测试人看这篇文章，多少有点共情。仔细想想，手写测试用例、维护自动化脚本这件事，和 “手写算子” 面临的问题其实是同一类：
- AI 已经能根据需求文档直接生成用例，能自己读代码找边界条件，甚至能分析失败日志给出修复建议；
- 自动化资产的维护成本逐年走高，而 AI 改脚本的速度越来越快；
- 我们 “写得越好” 的测试资产（用例库、脚本、框架），越可能成为训练出替代品的数据源。
翻译成测试圈的话：以后我们可能不再是 “写用例的人”，而是 “评审 AI 生成用例的人”。
但刘胜与的回应里有一点值得细品。他说写文章不是表达失业焦虑，而是 “想和过去手写算子的那段时光说句再见”。
这句话放到测试行业，其实就是：告别手写用例的时代，不代表测试岗位消失，而是工作形式变了 —— 从 “写” 变成 “编排”：AI 生成用例，我们定标准、审质量、管风险。
说白了，测试的核心从来不是 “敲代码”，而是 “发现问题” 的能力。代码可以让 AI 写，但 “这里可能会出问题” 的判断，短期还离不开人。
所以想听听各位的看法：
- 大家现在用 AI 写用例 / 自动化脚本的比例有多高？
- 你们团队的用例库、脚本、框架，被 AI 接手到什么程度了？
- 测试工程师转型 “机甲驾驶员”，你们准备好了吗？
评论区聊聊。
