张小珺商业访谈录第140期 | 近4小时深度对话姚顺宇精华整理
来源：张小珺商业访谈录 | 整理时间：2025年5月
引言
在快节奏的短视频时代，一场长达近4小时的深度访谈显得格外珍贵。知名商业访谈主持人张小珺与 Google DeepMind 高级研究科学家姚顺宇的对话，没有哗众取宠的噱头，没有碎片化的观点输出，全程围绕成长、选择、坚持与认知展开。
这场访谈因其直白坦诚、反共识的观点而在 AI 圈引发热议，戳中了当代人的成长痛点：我们总在追求短期捷径，却忽略了长期价值观的树立；总想一步登天，却难以坚持可落地的行动方案；深陷认知误区，却不知如何突破思维局限。
一、人物背景：从清华特奖到顶级 AI 实验室
成长时间线
- 1997年：姚顺宇出生，后考入清华大学物理系
- 本科期间：拿下清华本科生特等奖学金（清华授予在校优秀本科生的最高奖学金荣誉），在《Physical Review Letters》发表高水平论文，首次在国际上给出了关于非厄米系统的拓扑能带理论，定义了两个新的物理概念
- 斯坦福时期：赴斯坦福大学攻读物理博士，专注于量子多体混沌、开放量子系统动力学等前沿问题，师从 Douglas Stanford、Zhenbin Yang 等知名学者
- 博士后阶段：在 UC 伯克利做博士后研究
- Anthropic 时期：加入 Anthropic，参与组建强化学习基础团队，负责 Claude 3.7 Sonnet 框架，以及 Claude 4 系列背后的基本强化学习理论
- 2024年9月：加入 Google DeepMind，参与 Gemini 3 Deep Think 等重大项目的研发
两位"姚顺宇"
值得一提的是，硅谷有两位著名的"姚顺宇"——一位是本文主角，清华物理系出身的姚顺宇；另一位是姚顺雨（名字仅一字之差），清华计算机系出身，2025年从 OpenAI 跳槽到腾讯，出任腾讯首席 AI 科学家。两人是清华同一届毕业生，私下交情不错，时常电话交流行业心得。
二、核心观点：AI 不需要"脑子"，需要"靠谱"
"AI 这个事，本来也不太需要脑子——真的不太需要脑子。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。"
访谈中最令人震惊的观点，莫过于姚顺宇这句看似"凡尔赛"的直言。作为清华特奖、斯坦福博士，他为何这样说？
2.1 "本科生就能干的活"
姚顺宇解释道，现在的 AI 研究大部分是"本科生就能干的活"，真正的差异不来自智力，而是来自"靠谱"。每个评价框架都很容易被 hack，关键是当实验效果好的时候，能不能判断"是不是真的好"。
2.2 人要变成可靠的系统组件
他认为，在这个时代谈每一个人个体的影响，是一个很虚无缥缈的事情。从组织角度来说，需要的是很负责任的人。每一个系统、每一个评价的框架，都是很容易被 hack 的，因为你总可以做一些事，让你的指标看起来很好看。一个值得信赖或者踏实的人，他其实是会想：自己做的这件事如果效果好的话，是不是真的？
核心洞察：你可能可以做一个算法，出来效果比别人好，但更关键的问题是：在真正大的尺度下，我是不是能够保持稳定性、做得一样好？这其实需要研究员自己对于这个系统怎么运作有一个好的理解，以及对公司负责任才能做到。
2.3 物理 vs AI：两种科研文化的对比
姚顺宇对比了物理和 AI 两个领域："物理有真正比自己聪明太多的人。AI 不需要那么高的智力，更需要靠谱和细致。AI 像18世纪的物理——理论和实验不分家。"
他也坦承："物理对后来做 AI，硬实力上其实没什么帮助。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。非要问的话，我觉得可能主要是性格吧。做物理的人会更想刨根问底，更想理解一个事儿，然后更想做事很系统。"
三、行业洞察：个人英雄主义时代已过去
"现在每个人都是冲浪的人，本质上是一个浪，而不是你那个冲浪的人。"
姚顺宇反复强调技术成果离不开集体努力。他认为，AI 个人英雄主义时代已经过去了，"有时候甚至觉得旧时代英雄有点蠢"。当模型训练已经是几百人协作的工程时，任何个体的贡献都被稀释了。
3.1 媒体造神的误区
他批评了媒体热衷于流量造神的现象：如今媒体将九成以上的曝光度与关注度，尽数聚焦在极少数行业领军人物与企业代言人身上。这也让大众产生错觉，误以为顶尖技术与爆款产品的诞生，全依靠少数人的远见与能力。
"世界在推着我们前进，而不是我们在推着世界前进。"即便没有自己参与，人工智能行业依旧会迎来既定的技术突破。
3.2 Scaling Law 没到头，撞墙是因为有 bug
关于"Scaling Law 是否已经见顶"的争论，姚顺宇的判断非常直接：
"一个人觉得一个规律到头了，无非几种情况：规律适用范围到头了；其中一个条件不能满足了；或者有一个 bug 自己没发现。从我的观感上来说，绝大多数撞到墙的人，是因为有 bug。"
他指出，Anthropic 和 Gemini 的预训练一直在不断进展，OpenAI 自己卡了很久，最近可能刚有点进展。更深一层，他认为现在 AI 面临的不是"能力到头了"，而是"定义到头了"——"模型是一个非常聪明的小孩，但人类作为老师还不知道下一个该教什么——或者不知道用现在的范式怎么合理地教它。"
从"能力忧虑"到"定义忧虑"：这个判断精准地描述了2026年 AI 行业的核心困境。很多时候，修好一个 bug 带来的进展，远大于一些很神奇的技巧。
四、Anthropic vs Google DeepMind：两种文化的深度对比
作为少数同时在两家顶级 AI 实验室工作过的人，姚顺宇的对比视角非常稀缺：
| 维度 | Anthropic | Google DeepMind |
|---|---|---|
| 决策模式 | 极度 top-down，cofounder 直接拍板 | 相对 bottom-up，逐渐收紧 |
| 执行力 | 极强——发现信号后迅速 All in | 工程管理能力强，稳扎稳打 |
| 预训练 | 一直在进展 | "非常非常可控"，已进入舒适区 |
| 后训练 | 3.7后才大规模 RL | 更多不确定性，探索空间大 |
他选择 DeepMind 而非 OpenAI 的原因很直白："觉得踏实做事的人没有 Gemini 多。"
五、技术内幕：Claude 写代码强是"歪打正着"
"这是某个团队做了某个事情的结果，最初是自下而上的偶然尝试。"
姚顺宇透露了一个劲爆内幕：Claude 3 发布后，Twitter 上突然大量用户说"Claude 写代码比 GPT-4 强"。这其实是某个团队做了某个事情的结果，最初是自下而上的偶然尝试。
但 Anthropic 的执行力在这里体现了——他们迅速把这个"意外发现"变成了自上而下的战略决策。后来 Claude 3.5 配合 Cursor 的爆发，彻底奠定了 Anthropic 在代码领域的地位。
5.1 为什么 Coding 是 AI 最原生的应用场景？
姚顺宇解释，Coding 同时具备两个稀缺特质：
- 回馈信号清晰：代码能跑/不能跑，pass/fail，反馈明确无误
- 数据充分：开源代码+测试用例海量，其他场景很难同时满足这两个条件
5.2 AI 编程的现状
谈及当下热门的 AI 编程话题，姚顺宇坦然地说，保守估计自己 90% 代码是 AI 生成的。不保守估计 99% 甚至 100%，"最后笑了笑，说是给自己留点面子"。
身为清华本科、斯坦福博士出身的顶尖物理学者，更是顶级大模型科研人员都依靠 AI 写代码，普通编程爱好者借助 AI 助力编程，自然也无需心存顾虑。
5.3 优质代码的评判标准
姚顺宇给出了他对优质代码的定义：
- 简洁凝练：剔除冗余内容，不堆砌无效代码
- 逻辑清晰：条理分明，旁人能快速读懂整体运行流程
- 易维护迭代：排查漏洞、新增功能简单便捷，无需大幅改动原有架构
- 具备抽象性：整合重复运行逻辑，提炼通用运行模式，把实操经验转化为标准化代码
- 可泛化性：编写的代码能够适配多种使用场景，灵活拓展全新功能
六、行业格局的犀利判断
6.1 关于 OpenAI
"OpenAI 救了 Google 一命——做了 chatbot 但没做到极致，没把搜索吃掉，让 Google 追上来。现在难受的是 OpenAI。"
6.2 关于 AI 安全
"Anthropic 想通过拥有最前沿模型来推进安全政策，这个想法非常幼稚。"
6.3 关于 Neo Labs
"绝大多数的 neo lab 都会死。有些创始人已经远离专业好久了。"
6.4 关于 AI 产品护城河
姚顺宇认为，"除了 Agentic Coding 之外，没有哪个场景是 AI 真正原生的。"AI 产品活下来两种方式：逃得够快，或市场够小。
他也直言十分认可与欣赏字节跳动旗下各类产品，认为飞书、豆包等字节系产品，在智能化体验层面做得十分出色。
6.5 中外产品思维差异
访谈过程中，姚顺宇直白剖析出中外产品打造思维的核心差异：
- 海外产品：经营思维直白纯粹，产品制作成本150元，对外定价售卖200元，赚取50元合理利润，盈利模式简单透明
- 国内产品：运营思路更加多元化，视频内容免费观看、社交软件免费使用，依靠电商带货、流量广告等多元渠道实现盈利增收
这种灵活多变的商业模式，是海外从业者难以理解的。
七、技术预测：AI 的未来方向
姚顺宇在 DeepMind 当前的两个核心方向：
7.1 ML Coding——让 AI 自己训练自己
写代码→跑实验→分析结果→提出假设→设计新实验。链条闭合时，AI 研究能力会大幅跃升。
7.2 Long Horizon——长周期规划能力
用有限 context 训练，使用时达到接近无限上下文。核心在于让 AI 像人类一样自主筛选留存有效信息、调取所需内容、舍弃无用信息。
预测：姚顺宇预测：6-12 个月内，AI 会自己做实验。
7.3 AI 智能体的发展方向
谈及人工智能未来整体发展趋势，姚顺宇直言，如今大模型依旧没能突破现有技术范式，ML Coding 与 Long Horizon 两大核心方向，是人工智能从实用工具朝着自主智能体进阶跨越的关键突破口。
Long Horizon 这项能力的核心不在于无限扩大文本上下文窗口，而是让 AI 像人类一样自主筛选留存有效信息、调取所需内容、舍弃无用信息，实现智能化信息管理。
八、给年轻人的建议
8.1 关于职业选择
"不建议年轻人扎堆涌入当下流量爆棚的热门行业，反而更适合深耕当下热度偏低、偏冷门的潜力领域。"
姚顺宇认为，量子计算和 AI 是两条给年轻人机会比较多的路，因为投身这类拥有客观评判标准、能够切实改变现实世界的领域，才有长久发展空间。
核心逻辑：新晋入局者更应该沉下心钻研目前发展尚未成熟、前景广阔的新兴方向。反观那些发展成熟、格局稳固的传统行业，市场份额与利益分配早已定型，新人入局很难抢占发展先机。
8.2 关于"老登"
"没有哪个老登是你的亲属，觉得他傻就可以直说。"
"人这一辈子也没多长，为什么要把时间浪费在伺候老登身上。"
访谈里他也直言反感倚老卖老、不懂装懂的老登，直言不懂新兴领域就不要随意指点。他认为年龄从来不是评判能力的标准，年长之人有的德才兼备，愿意扶持后辈、搭建成长平台；也有部分人固守老旧思维，凭借资历随意指点年轻人，思想停滞不前。
8.3 关于表达观点
"只要观点自洽，不是随便喷人，大家最终会尊重你。"
"你其实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，就是你有一套自己观点的理论——不是说随便喷人，那肯定是会惹到别人——你是有一套自己的理解，我觉得其实大家是会尊重你的。因为最终你在这个领域做得怎么样，是有客观的评价标准的。"
8.4 关于语言模型
"纯做语言模型，已经不是蓝海了。末班车已经发车了。"
8.5 关于终身学习
"在 GenAI 这个领域，没有谁可以养老，除非你已经完全对技术没有兴趣了，对自己没有追求了。"
九、结语：靠谱比聪明更重要
听完这 4 个小时，最大的感受是：这个行业最稀缺的不是聪明人，而是靠谱的人。
在一个所有人都在追求"10x工程师""天才研究员"的时代，一个参与训练过 Claude 和 Gemini 的人告诉你——真正重要的是把简单的事做得比谁都干净，对自己做的事负责任，以及当实验结果和预期不一样的时候，能系统性地排除各种可能性。
"不需要天才，需要的是可靠的系统组件。"
这话不好听，但可能是 AI 圈最需要听到的大实话。
这场访谈，本质上是一场关于长期主义、执行力与认知觉醒的深度对话。它给所有迷茫的人上了一课：人生没有捷径，真正的成功，源于坚定的长期价值观，源于脚踏实地的执行力，更源于不断升级的认知水平。在这个浮躁的时代，我们都需要沉下心来，树立属于自己的长期价值观，制定可行的行动方案并坚持下去，持续打磨自己的认知。唯有如此，才能在人生的道路上走得更稳、更远。
标签：#AI #DeepMind #Anthropic #Claude #Gemini #人工智能 #长期主义 #职业发展
本文内容整理自张小珺商业访谈录第140期 | 嘉宾：姚顺宇（Google DeepMind Research Scientist）
