Shengyu Liu, engenheiro de sistemas de aprendizado de máquina e kernels da DeepSeek, prevê que kernels escritos por IA poderão igualar ou superar seu próprio trabalho em seis meses a um ano. A previsão, divulgada em setembro de 2026, acompanha uma mudança concreta: a IA já consegue participar da geração e da otimização de kernels em um fluxo controlado, com código produzido por modelo, verificação automática e novas tentativas.
O que Shengyu Liu está prevendo
A aposta de Liu é específica: ele fala de kernels escritos por IA alcançando o nível do próprio trabalho em otimização de operadores, não de uma substituição geral de todos os engenheiros de software. Ele descreve uma evolução que, em aproximadamente um ano, levou a IA de tarefas como documentação, leitura de código e depuração para a análise de CUDA, PTX e SASS — camadas diferentes da programação e das instruções executadas pelas GPUs.
Essa evolução também alcança a análise de gargalos. Liu afirma que a IA passou a examinar tempos de espera de instruções e a otimizar operadores. Seu prognóstico continua sendo uma previsão pessoal, não uma medição independente de desempenho profissional.
Por que um kernel pode mudar a velocidade de uma IA
Um kernel de GPU é uma operação computacional concentrada que o modelo executa repetidamente. Atenção, multiplicação de matrizes — conhecida como GEMM —, quantização e roteamento de especialistas são exemplos importantes.
O trabalho parece pequeno quando comparado ao modelo inteiro, mas cada detalhe se repete em grande escala. A forma de acessar a memória, dividir os dados em blocos, distribuir o trabalho entre as threads, escolher a precisão numérica e sincronizar as etapas pode alterar a latência e a vazão do sistema. É como trocar uma engrenagem minúscula em uma fábrica que funciona milhões de vezes por segundo: o componente é pequeno; a conta final, nem tanto.
Essa otimização atua em várias camadas. A arquitetura do modelo, o modo como os especialistas são acionados, o agendamento da comunicação entre GPUs e os kernels que executam cada operador precisam trabalhar juntos. Por isso, uma melhoria em um kernel específico não equivale automaticamente a um ganho universal em todos os modelos ou placas.
O fluxo que já foi demonstrado
A NVIDIA usou o DeepSeek-R1 em um processo iterativo para gerar kernels de atenção. O modelo recebe um prompt inicial e produz código CUDA C++. Um verificador testa o resultado; quando os critérios não são atendidos, o processo refina o prompt e tenta novamente. Quando o código passa, o fluxo entrega um kernel otimizado para GPUs Hopper.
| Etapa do fluxo | O que acontece | Condição ou resultado registrado |
| Prompt inicial | O DeepSeek-R1 recebe a tarefa de gerar um kernel de atenção | O modelo produz uma candidata em CUDA C++ |
| Verificação | Um verificador avalia o código gerado | O resultado precisa atender aos critérios numéricos e de execução |
| Refinamento | O prompt é modificado quando a candidata não passa | O ciclo pode fazer novas tentativas |
| Aceitação | O kernel aprovado segue para a execução na GPU | O fluxo foi testado em GPUs Hopper |
| Avaliação | O resultado é comparado no KernelBench | Correção numérica de 100% no Nível 1 e 96% no Nível 2 |
O ciclo de otimização descrito pela NVIDIA teve duração de 15 minutos. Nesse intervalo, o sistema produziu uma versão aprimorada de um kernel de atenção. O número mais importante aqui não é uma suposta velocidade universal, mas a existência de um mecanismo verificável: gerar, testar, corrigir e repetir.
O resultado de 100% no KernelBench Nível 1 e 96% no Nível 2 descreve a correção numérica nos problemas avaliados. Ele não mede, por si só, a capacidade de substituir um especialista em um ambiente de produção com modelos, formatos de dados e restrições de hardware diferentes.
De escrever kernels a dirigir agentes
A mudança de função imaginada por Liu é tão importante quanto o código gerado. Em vez de escrever cada kernel manualmente, o engenheiro poderia definir objetivos, selecionar restrições, orientar agentes e validar as soluções encontradas.
O conhecimento técnico continuaria presente, mas em outro ponto do processo. Escolher uma métrica adequada, reconhecer uma regressão, interpretar um gargalo de memória ou separar uma melhora numérica de uma melhora real de desempenho exige mais do que produzir uma função que compila. No fluxo da NVIDIA, o verificador e os critérios de aceitação são partes essenciais do resultado — não acessórios decorativos.
Um experimento controlado também não responde à previsão de seis a 12 meses. Ele demonstra que um modelo pode gerar kernels numericamente corretos em um conjunto definido de problemas; Liu prevê que a qualidade dessas soluções poderá alcançar ou superar a sua em um horizonte futuro.
O ecossistema de otimização da DeepSeek
A automação não aparece isolada. O projeto oficial TileKernels, baseado em TileLang, reúne kernels para operações de gating, roteamento de arquiteturas Mixture of Experts (MoE), quantização, transposição, Engram e conexões hipergráficas de manifold.
O projeto lista como alvos GPUs NVIDIA SM90 ou SM100 e exige Python 3.10 ou superior, PyTorch 2.10 ou superior, TileLang 0.1.9 ou superior e CUDA Toolkit 13.1 ou superior. Esses requisitos descrevem o ambiente do projeto TileKernels; não são uma regra para toda otimização de kernel ligada à DeepSeek.
A discussão técnica sobre a eficiência da DeepSeek também envolve agendamento próprio da comunicação entre GPUs e ajustes para arquiteturas MoE. Em um sistema desse tipo, o desempenho nasce da combinação entre arquitetura, comunicação, memória e execução dos operadores — não de um único truque.
O quadro que emerge é menos cinematográfico — e mais interessante — do que a ideia de uma IA que simplesmente “toma o lugar” do engenheiro. A geração automatizada já funciona em um circuito delimitado, enquanto a transformação completa do trabalho de especialistas permanece como a previsão de Shengyu Liu para os próximos seis a 12 meses.
