大模型时代，经典数据结构与算法工程师的出路在哪里？

随着大模型生成代码能力的飞跃，很多人开始唱衰「算法与数据结构」。

但我认为情况恰恰相反：

1. 底层工程依然稳固：大模型本身的推理加速（vLLM、FlashAttention、KV Cache 管理）全都是深度的系统级内存布局与算法优化；
2. 复杂度敏感度：AI 生成的代码往往能跑通但时空复杂度不高，需要人类工程师一眼看出隐患；
3. 思维训练：算法培养的拆解问题、边界条件推导与边界证明，是设计复杂系统的底座。

算法不会消失，只是从「纯手写红黑树」转向了更宏观的架构与性能决断。大家怎么看？