aigcbar - null

姚顺宇：从物理到AI，“小疯”背后的深度思考

type
status
date
slug
summary
tags
category
icon
password
网址
notion image
姚顺宇戴了一副茶色眼镜走过来，这副眼镜会随光线变化而改变颜色。
硅谷AI业界有两位Yao Shunyu，他们曾是清华同一届毕业生，这让姚顺雨与姚顺宇时常成为话题人物。
前一位姚顺雨2025年从OpenAI跳槽到腾讯，他去年来过我们节目；后一位姚顺宇也于同年跳槽，从Anthropic来到Google DeepMind。
这位姚顺宇毕业于清华和斯坦福大学，曾经的研究方向是理论物理——非厄米系统、量子物理与高能物理。他的人生奋斗姿态是——“总想挑战一些自己不太会的事”。
他人生最大的一次跨步是博士毕业，毅然决然离开深造9年的物理，来到崭新的AI行业。过去两年，他先后在Anthropic和Google DeepMind出任研究科学家，参与了Claude 3.7、4.5、Gemini 3等关键模型的开发过程。
姚顺宇一点也不nerd。有时，他会令你猝不及防，突然发表一点“小疯”言论。
第一次见面，他就对我说：“我在这个行业又没有什么导师，又没有什么旧友，我当然想喷谁喷谁。”
转行AI的两年，他变得越来越直接，越来越不害怕得罪人。访谈中，他也说了一些直白言论：
• “AI个人英雄主义时代已经过去了，所以也没有什么英雄，有时候甚至觉得旧时代英雄有点蠢。” • “没有哪个老登是你的亲属，所以你觉得他傻，他就是傻，就可以直接说他傻。无所谓的啊。（笑）” • “现在大家都是冲浪的人，本质上是那个浪，而不是你那个冲浪的人。” • “AI这个事，本来也不太需要脑子——真的不太需要脑子——我觉得都是一些本科生就能干的活。这个行业最重要的特质，就是靠谱，就是做事细，对自己做的事情负责任。” • “你不用太担心因为自己的观点而惹到什么人。只要你的观点是自洽的，不是说随便喷人，你是有一套自己的理解。最终你在这个领域做的怎样，是有客观评价标准的——大家是会尊重你的。”
不过，不要误会他是一个不谦虚的人。在描述自己的研究时，姚顺宇显得异常审慎。
他对于这些工作的描述是：“我自己对那个事没那么重要，更多的是，我很幸运，有机会在那个时候加入了一个重要的项目，做了一些事。”
他反复强调，AI个人英雄主义的时代已经过去了，现在都是集体主义的故事，要对神话个体的一切叙事充满警惕。
我们的节目录制于2026年3月，距离我们这次节目录制完，世界又发生了许多意想不到的变化：Meta对Manus的收购被撤销、Cursor可能被SpaceX收购、xAI将终止独立运营并入SpaceX，并更名为SpaceXAI等等。如果我们的谈话内容有一定滞后性，请大家多包涵——AI的世界实在变化太快、太出乎意料了。
可能还要特别说明的一点是，技术细节会涉及企业机密，有一些嘉宾是不方便分享的，也请大家能够包容。
在访谈中，我们尽最大可能和大家一起学习AI。你会收获姚顺宇在Anthroic和Google Gemini的技术探索历程与思考洞察。
而对于那些离经叛道的微小片刻，还请允许我们小疯一下。
友情提示：文字内容大约只占完整内容的1/3，如果要获得完整版，请观看我们的视频播客或收听播客，你一定会收获更多惊喜！
完整的播客将于小宇宙、苹果Podcast等全音频平台播出；播客视频将于Bilibili、小红书、视频号等全视频平台播出。
以下是我们的访谈节选。
“他回去之后，我们也经常打电话”
张小珺：AI业界不是有两个姚顺宇/雨吗？你要不要先给大家介绍一下你自己，并且给大家科普一下两个姚顺宇/雨的区别？
姚顺宇：我叫姚顺宇，显然也有一个跟我几乎同名的朋友（姚顺雨，腾讯首席AI科学家，前OpenAI研究员）。我们俩主要履历也有一些overlap（重叠），看起来非常难以区分。
我以前是做学物理的，本科在清华，那时做凝态理论，后来去斯坦福做理论高能物理。离开斯坦福之后去伯克利，短暂待了两个星期的postdoc博后，就离职了，去了Anthropic。在Anthropic待了一年，去年9月底、10月初加入了Gemini。
如果大家非要区分，最大区分就是，那个顺雨，一开始一直是做CS，计算机相关；我从某种意义上是半道出家，之前做理论物理为主。
张小珺：你们是不是好朋友？好像大学就认识，而且是一级的。他是一个什么样的人？你是一个什么样的人？
姚顺宇：我们本科就认识，因为我们本科在清华是一级的。他一开始就学计算机，在姚班，计算机科学实验班；我学物理，在机科班。后来他去了普林，我去了斯坦福。
这也是另一个有点令人费解的点。在普世世界，觉得斯坦福应该是学计算机的人该去的地方，普林斯顿是学物理的人该去的地方。但我俩正好反过来。哈哈。也可能产生了一些费解的事。
我俩还真的挺不一样。他是一个比我有趣的多的人，我从他身上能学习到一些和我很不一样的点。比如在AI方面，他花了很多时间思考人和AI的交互、一些产品的事。对我来说，是一个很不一样的朋友，我也从他那学到很多。
张小珺：你们之前在硅谷多久见一次面？你们现在是不是还频繁打电话？有多频繁？
姚顺宇：我们在硅谷见面确实挺频繁的，每几个星期吧。但好像见面是为了凑一块玩。哈哈哈。
真的就是纯玩。可能出去散散步，扯扯有的没的。有时候吃个饭，打个牌啊之类的。哈哈，他回去之后，我们也经常打电话。
张小珺：最近一次电话聊啥了？好像就是前一两个星期。
姚顺宇：啊，你怎么知道的？（狐疑脸）
可能会过几个月，catch up一下大家的近况吧。
张小珺：他是不是多次想把你拉过去？
姚顺宇：可能有这个意思吧（笑）。但是，我觉得不关键。哈哈哈。
多半是我自己的原因。去年八九月我离开Anthropic，决定要去哪，最大动机是我想学一些不一样的东西。对我来说，我没有更着重去考虑领导一个项目。我更多是，想优先去学习一些东西，我选择去了Gemini。
“为什么要把自己的时间浪费在伺候老登身上？”
张小珺：你本科读量子物理、博士读了高能物理，物理对你的帮助是什么？
（此处省略了姚顺宇在物理上的科研探索，完整内容请大家看视频播客或者听播客：）
姚顺宇：本科读物理最大的帮助是：第一，想问题要想清楚。读书不在于读的多，而在于读的深。读的多，不代表你能发现新东西。但如果你对一件事有和别人不一样的见解，那才是对社会来说更有价值的事。
另一件事是，别太相信纯理论。因为当时能做数值，是因为数值和理论对不上，才仔细研究那个问题。
博士去读了高能物理，这就回到了说——总爱挑战很难的事，有时候也会带来一些不好的结果。我感觉，我这个博士对自己学到很多东西、成长很大；但于这个世界，没有产生什么贡献。哈哈。
高能理论这个方向，足够难，非常非常难。但它不好的在于，不是特别可以验证，没有什么客观评价标准。因为高能理论已经发展到了实验完全追不上的阶段。
张小珺：那这个学科是怎么进步的？如果不是实验，它的进步依赖于什么？
姚顺宇：一个进步来源，来自于数学的自洽性。
比如，你提出一个框架来描述这些事，那你能和现有的已被验证的更低能标下的理论相自洽。比如说研究弦论，自然大家问题就是，弦论能不能在低能情况下回到量子场论，进而回到经典物理。
这个自洽性是一个判定方法，是很合理、科学的。当然也有一些不科学的因素，当这个领域完全没有实验、没有客观标准，肯定不会只有一个自洽框架出现。
这时候谁做的好、谁做的不好，就依赖于领域内一些老登的主观判断。
张小珺：你是被谁伤害了是吗？（笑）
姚顺宇：我也没有被谁伤害，只是在那个领域待时间越长，就越觉得这件事蠢——人这一辈子也没多长，为什么要把自己的时间浪费在伺候老登身上？
张小珺：所以是花了5年学习了很多知识，买了一个大教训。这个教训是——要做实验？
姚顺宇：要做有比较客观评价标准的事，要做对这个世界能够产生影响的事。
张小珺：你本科是比较顺利的，在量子物理这个研究领域，很快就有了非常好的学术成果，而且是范式级的变化。但你迅速觉得没有吸引力了，在博士挑战一个更难的事情。但在博士期间是比较落寞的。
姚顺宇：至少从结果来说是这样的。哈哈哈。
张小珺：外界看不出来，外界看都是非常光鲜的履历。
姚顺宇：对，从实际科研产出来说，没有人会说我博士期间的文章不好，但摸着良心说，对这个世界有多大的影响？我觉得几乎没有——没有影响，几乎为零。
对我自己来说，我自己很不满意的啊。但也没有不满意到，我会担心有人说我在混日子。确实也没在混日子，还是能达到所有外界标准。
张小珺：这是怎么做到的？——所以说，很多事情是冷暖自知对吧。
姚顺宇：达到外界的标准，或者达到一个小的圈子的评价标准，像训练模型一样。一旦有了这么一个小的圈子，你知道他们的评价标准之后，做得好是很容易的。哪怕不认可这个标准，你是可以达到的。
张小珺：有时候哪怕内心不认可，也可以蒙蔽自己继续往前走。
姚顺宇：但我后来发现我蒙蔽不了自己，骗不了自己。
博士最后两年，就会有这样的感觉。但那时确实也没想清楚，如果不做这个该去做什么？
比如说，一开始更多是去了解量子计算或者量子信息。拿了postdoc offer之后，感觉更紧急。在学校，还可以一个学生的心态。离开学校之后就是自己的career（事业），得给自己找一条路。
当时觉得，量子计算和AI是两条给小登机会比较多的路。
博士后，我到伯克利待了两三个月，官方说就只待了两个星期——我入职之前已经去那了，反正就在湾区嘛。但入职之后，只待了两个星期就辞职了。
我本来不准备入职，但伯克利人就是太好，说：没事，等事情定了再说，能来多久就得来多久。
张小珺：你告诉他们你在跟Anthropic谈？
姚顺宇：我告诉他们我可能会去做AI了，要不就别入职了。
不止伯克利，湾区这两个学校的老师都人很好，很照顾你。觉得你还没有完全谈定，还是先把工作拿着。
张小珺：物理对你后来做AI有什么帮助吗？
姚顺宇：硬实力上没什么帮助。纯工具性的技能上来说，从物理到AI的转化，是非常非常少的。但非要问的话，可能是性格吧。
做物理的人会更想刨根问底，更想理解一个事儿，更想做事很系统。因为习惯了这种很系统性的，不管是做实验的方式，还是做理论的方式。但这也不是做物理人独特的。
为什么做计算机的人没有这个特性呢？我认识很多做计算机的人，也有这个特性。很多学化学的人也有，学生物的人也有。所以不觉得它是做物理独特的。
但事实上，语言模型这种比较large scale（大规模）的AI，确实有很多物理出身的人，做的很成功。尤其Anthropic这个公司。
“智能涌现，这个话本身就不太科学”
张小珺：很多人在描述这一代AI的时候，会说是黑盒，你能用科学的角度来理解一下这个黑盒吗？
姚顺宇：这世界上所有东西都是黑盒。
哪怕像物理这种。不管是量子力学，还是量子场论，都是描述那个能标下的行为。本质上这个系统还是一个黑盒，你还是不知道它最微观的地方是什么样的动力学。
AI也是一样，黑盒不黑盒，都是相对的。我们对语言模型的理解，确实没到神经科学手术刀那个级别——不是说能理解到，这个行为是由哪一个neuron、哪一个人工神经元的哪一个激发产生的。没有到这个层面。
除非在一些很稀疏、很小的网络里，像Anthropic那个Interpretability（可解释性）团队，可能会做一些类似的工作。但在实际能用的语言模型里，都没达到这样的理解。
但也不代表完全没理解。比如Scaling Law，它就描述了那个尺度下，模型随着大小和数据量，是怎么在perplexity（困惑度）这个指标下变得越来越好的。
所以是完全没理解吗？如果Scaling Law不算是理解的一小部分，那是不是我们也说，对这个世界也完全不理解？这个世界也是一个完全黑盒。
张小珺：所以Scaling Law是一种科学规律？
姚顺宇：它是一种经验规律。但经验规律和科学规律之间的界限很模糊。
热力学那些定律——第一定律、第二定律、克拉伯龙方程——当年被发现的时候，也都是经验规律。后来随着时间发展，慢慢知道了微观机制，就变成了科学规律。
Scaling Law目前肯定还是很经验，但未来当技术变得比较固定，大家越来越多理解它微观过程的时候，会不会变成科学规律？如果这个定义存在的话，是有可能的。
张小珺：能不能用科学的表达来解释一下，“智能涌现”？
姚顺宇：这个话本身就不太科学，自然也没法用科学的话来表达一个不科学的事。
智能涌现，对我来说，它更多是一种主观的感觉，而不是客观现象。
很多人说智能涌现的时候，脑子里想的是，以前的语言模型只能做某一个方向的事，比如只能翻译、只能做分析。但现在模型好像，哎，可以做所有的事了。
但这个事，对我来说更多是一个技术上的涌现，而不是行为上的涌现。是我们通过研究，发现了该怎么去做这种大规模的训练，能够水平的提升所有能力。这才是更本质的事。
至于智能涌现，每个人心里的定义都不太一样。
张小珺：你的定义是？
姚顺宇：对我来说就是没定义。
唯一质的区别就是，有没有发生一个技术上的改变，使得我们可以做scale up，可以水平的提升所有的能力。这对我来说，是一个良好定义的事。
张小珺：你最后是在量子计算和AI之间选择了AI，这是怎么发生的？量子计算好像离你的研究主线更近一些？
姚顺宇：好处是他们都给年轻人机会。
这就是为什么要去了解细节。了解之后发现不是，是反过来的。量子计算的主要瓶颈在实验上。不是怎么设计算法或者算子，更多是怎么在实验上实现它。那个事反而是我不擅长，和我过去很多有兴趣的事比较不相关。
Loading...

没有找到文章