跳转至

姚顺宇：在 Anthropic 和 Gemini 训模型、英雄主义已过去（张小珺·商业访谈录，2026-05-11）

中方长视频里罕见的、由一线前沿模型研究员给出的技术+组织双重内部视角。姚顺宇学理论物理出身，先后在 Anthropic（做大规模 RL、参与 Claude 3.7）和 Gemini（ML coding、long horizon）训模型，因此本期是中美三大实验室（Anthropic / OpenAI / Google DeepMind）横向对照的第一手材料。本库据此把 中美 AI 生态对照 与 AI 实验室文化与组织 两个主题大幅补全。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_01 = 姚顺宇（嘉宾，83.9%）、SPEAKER_00 = 张小珺（主持，16.1%）。 依据：SPEAKER_00 在 [00:00:09] 开场自报"大家好 我是小珺 今天我们的嘉宾是……姚顺宇"。两人轮次分明，未见错配。

概要

覆盖当前 AI 阶段判断、模型同质化与差异化、预训练 Scaling Law 是否到头、coding 为何最快、程序员命运、中美模型差距与蒸馏、字节/豆包、机器人、三大实验室的组织文化对照、TPU vs GPU、个人成长（物理→AI）、以及"个人英雄主义已过去"的世界观。

核心观点

当前 AI 阶段：从"能不能做到"到"是否被良好定义"

  • 一年前大家还担心"追不上 OpenAI 的 reasoning"；现在 Gemini/OpenAI/Anthropic 三家没有谁真担心自己追不上。更难的事变成了"想明白要做什么"——是个 bet，也需要人的 insight（[00:05:12]–[00:06:13]）。
  • 模型能力被拉平、同质化、商品化：纸面 benchmark 趋同（SWE-bench 大家都在 80% 附近，高低"主要是噪声不是信号"）；但实际体验仍有区别——Claude 通用工具使用/Agent 最强，Codex 纯 coding 最近追上一点，Gemini 纯 reasoning 与日常使用较好（[00:06:13]–[00:09:19]）。
  • 差异过去主要来自意愿（愿意投精力搭 infra、备数据）；现在意愿和能力都有，且很多差异来自"想象不到的"细节（如早年不做筛选时 GitHub 代码天然质量更高）（[00:09:19]–[00:10:21]）。

OpenClaw / Manus：模型能力的自然溢出

  • OpenClaw 在业外讨论比业内激烈；对业内"不是特别令人惊讶的事"——是模型能力（去年 Claude Opus 4.5 的 tool use）的自然溢出，Google 内部早有人做类似 demo，只是大公司流程长、要负法律/品牌/资源责任，不便发（[00:11:21]–[00:14:23]、[00:21:26]–[00:23:31]）。
  • "壳"难逃模型掌心，生存只有两条路：长得够快（在模型公司反应过来前占领用户心智并演化出自己的模型，Cursor 在走这条路且已很有危机感）或市场够小到模型公司懒得管（Midjourney）（[00:16:24]–[00:19:25]）。
  • 目前除 Agentic coding 外，没有哪个场景是"AI 真正原生"且形成数据飞轮的；Chatbot 本质是搜索的交互式延伸（[00:15:23]–[00:16:24]）。

预训练 Scaling Law 没到头

  • 作为一线研究员，认为模型进步速度"完全没有放缓"；判断标准是"模型学东西的能力越来越强了"（[00:24:32]–[00:26:32]）。
  • 关键论断：过去几个月预训练其实变强了，未来 4 个月也没看到到头迹象。觉得"撞墙"的人多半是三种情况之一，而绝大多数是第三种——工作里有个自己没发现的 bug（另两种是误判适用范围、或某个条件如数据被认为撞墙）（[00:26:32]–[00:29:35]）。
  • 应对之道不是玄学而是做事系统：设计合理的 ablation 实验、系统性排除各种可能因素——"Gemini 和 Anthropic 在预训练上做得比较好的正是这件事"（[00:29:35]–[00:30:37]）。
  • 驱动力：算力与数据强关联；算法作用是相变式的——Transformer 那种"从完全不能做到能做"的跳变之后，更多是平滑的效率提升。语言生成已不是科学问题（工程上还有很多要做），但多模态生成仍是科学问题（[00:31:39]–[00:33:41]、[00:44:51]）。

Coding 为什么发展最快

  • 三个结构性优势：回馈信号清晰（输入→输出可测）、GitHub 提供天然优质数据基础、产品需求单一（好代码有共识标准：简洁、结构清楚、合理抽象）（[00:35:42]–[00:38:49]、[00:47:54]–[00:49:54]）。
  • 自述：保守估计 90% 的代码由模型产生（"不保守就是 99% 或 100%"），最重要的工作变成设计逻辑、给合理 context、审查代码是否合理；做实验/实现 idea 的效率比一年半前"提升 20 甚至 50 倍"，但工作时间反而更长、密度更高——"越试越想试"（[00:38:49]–[00:42:50]）。顺带："Google 不能用 Claude Code"（[00:37:46]）。
  • coding 之后哪爆发？看好但难成"市场热门方向"的是基础科学：数学/理论物理研究者已大量用 AI（Gemini Deep Think 做推导/证明/文献归纳），只是难万众瞩目，除非出现"AI 产生爱因斯坦级理论"的时刻（[00:42:50]–[00:44:51]）。

程序员与就业

  • AI 会取代程序员，但是渐变而非隔夜（已有公司裁员）。AI 是一种 centralized technology：让少部分人更强、让大部分人失去独特价值——传统软件工程的终局可能是"1/1000 的人干过去所有人的活、拿 100 倍工资"（自称著名悲观主义者，也强调 1/1000 是虚数）（[00:45:51]–[00:48:54]）。
  • 未来"活下来"的程序员三特质：技术强（充分非必要条件）、理解自己的工作如何嵌入大组织、规划能力强（能把复杂事拆解交给不同 AI）——"可能 6 个月后这些 AI 也能干了，我的回答会更悲观"（[00:47:54]–[00:49:54]）。
  • 为什么 AI 先做人类觉得最难的事（数学/代码/科研）：因为这些"理性、客观"的事一旦想清楚怎么评价就知道怎么训练；反而产品经理很难训——没有客观标准、回馈信号不明确（[00:44:51]–[00:46:52]）。

中美模型差距与"蒸馏"

  • 快照（2026 Q1）：过去一年半中美 gap 明显缩小，但会不会完全弥合甚至反超"不清楚"（[00:53:01]–[00:54:04]）。
  • 中国算力劣势"逼出了有趣的事"——对蒸馏很在行。区分两种：硬蒸（直接取 Claude 的 token 强行训练，"商业上不道德、智力上愚蠢"，说明这家公司自己都不知道要干嘛）vs 软蒸（用别家模型做生成链条的辅助或评价者，商业灰色但技术有趣）——他认为中国实验室因此可能成了真正 Multi-Agent 训练的先驱（不同家模型分布不同）（[00:54:04]–[00:57:05]）。呼应 Dario 点名 3 家蒸馏 Anthropic 一事。
  • 字节蒸馏得少、模型有特点：豆包语音生成"是全世界最好的之一，不客气说就是最好"、生成快、不强推思维链——差异源于用户群体（美国专注工作效率，中国重日常）（[00:57:05]–[01:03:10]、[01:02:10]–[01:04:11]）。字节多模态生成（Seedance）优势"猜是数据占大头"、非范式变化；评价吴永辉"层级高、senior 却技术很强，非常少见"（[00:49:54]–[00:53:01]、[01:03:10]）。

机器人

  • 硬件成熟且便宜得惊讶（体现中国供应链优势），但软件/模型还在 feature engineering 时代：给定单一场景能优化，但没有泛化性——"还没到语言模型的 GPT-1 时刻"。方向是拿语言模型做基底训 VLA（视觉-语言-动作）（[01:03:10]–[01:08:13]）。

三大实验室的组织文化对照

  • Anthropic：执行力极强、top down、reactive 快。能"make bets"（重注 coding）的独特条件是——技术 1 号位（cofounder Jared Kaplan、Sam McCandlish）既有技术公信力又能为公司负责，CEO 不成阻力，且 cofounding team 互信（"一起趴过战壕"，是 Scaling Law / GPT-3 论文合著者，没一个人离开）。"这对其他公司很难，OpenAI 就干不了"（[01:59:54]–[02:06:58]、[02:31:21]–[02:36:24]）。
  • Google DeepMind：传统 bottom up 大公司打法，"我不赌、方方面面都有储备"；现在预训练变得非常 top down/清晰（进入 Google 工程管理的舒适区、可预测），后训练仍更 bottom up。最终拍板人是 Sergey Brin；一线是 Koray Kavukcuoglu（DeepMind CTO / Google SVP）；Demis 更管偏 science 的事（Isomorphic Labs）。Google 擅长"极简产品形态 + 疯狂卷技术"（搜索），但产品慢（[02:33:22]–[02:34:22]、[02:48:33]–[02:56:40]、[03:12:51]–[03:13:56]）。
  • OpenAI：文化上"踏实做事的人没 Gemini 多、更没 Anthropic 多"，是他没去 OpenAI 的主因；曾把预训练当"第一个挖完的金矿"而卡了很久（[02:14:05]–[02:15:08]、[02:49:34]）。
  • 组织哲学：最好的状态往往最不稳定，需要一个技术 leader来控制、把 bottom-up 的创新与秩序融合——组织好坏"归根结底是技术 leader 的问题"；好 leader 两特质：能亲自下场救火、能理解并容纳别人做自己不做的事（[03:18:59]–[03:20:59]）。

离开 Anthropic → Gemini

  • 主因是想学不一样的东西（Anthropic 不做多模态生成、不太做底层工程 infra），加上公司变大后文化受冲击（有人在 Slack "讲大道理，idea is cheap"）；不认同 Dario 反华是"很大但非控股的原因"（公开场合说约 40%）（[02:23:19]–[02:25:19]、[02:53:37]–[02:55:37]）。
  • 选 Gemini 而非 OpenAI/xAI：文化与人的亲近感 + 研究自由 + 能从更广泛的人学习（[02:25:19]–[02:27:20]、[02:49:34]）。

Gemini 的转折

  • 两件事叠加让 Gemini 成为举足轻重的玩家：Nano Banana（爆款把量打起来）+ Gemini 3（把人留下），市占约 20%（[01:49:45]–[02:52:37]）。
  • 犀利判断："OpenAI 救了 Google 一命"——先做了 chatbot 让 Google 意识到搜索危机，却没做到极致、没干掉搜索，反让 Google 追上来（[02:52:37]–[02:54:37]）。

系统、黑盒与"AI 本质上简单"

  • "所有东西都是黑盒"，物理也是；Scaling Law 是经验规律，类比热力学定律，未来理解微观机制后可能变"科学规律"；"智能涌现"是主观感觉/技术涌现（能水平提升所有能力），非行为涌现（[01:44:41]–[01:47:43]）。
  • "AI 本质上简单"——因为它能做实验、不被"能标"束缚（不像高能理论没有对应能标的实验数据就理解不了）。现在不是没想法可试，而是想法太多、要一个个试、花时间。预测未来 6–12 个月 AI 会开始自己做实验（完整链条：写码→跑→看结果→分析→提假设→设计新实验）（[02:35:24]–[02:37:25]）。

TPU vs GPU

  • 大规模商用无绝对优劣。设计理念差异：GPU（Hopper/H 系列）一个 pod 内约 8 卡两两 NVLink 高速互联；TPU 抛弃两两互联、采 3D Torus 拓扑，尽量多卡放一个架子，编译器/sharding 写得好则等效更大存储 + 减少通信 bound。TPU 劣势：小 scale 更固定、通用性弱、无开源生态（但大规模自用时生态不是问题）（[03:20:59]–[03:23:02]）。

中美生态差异（C 端 vs enterprise）

  • 中国强 C 端：能想出"很间接、很不自然却能滚起利润"的复杂产品（抖音免费看视频 + 广告 + 直播 + 电商）；美国强直接的效率软件/enterprise（写码成本 150 卖 200，直接挣 50）（[03:24:04]–[03:27:05]）。
  • 2026 国内看重 super app / C 端叙事，硅谷不讲（美国 enterprise 市场大、利润高，C 端"没油水"）——"中美趋势已分化，整个互联网时代就不一样"。字节被严重低估，美国没公司能在 C 端与字节竞争，Meta 从字节挖人但学不来（[03:13:56]–[03:14:56]、[03:24:04]–[03:28:05]）。

"个人英雄主义已过去"

  • LLM 的个人英雄主义时代结束于 Transformer 那一刻之后："每个人都是冲浪的人，本质上是一个浪（AI），而不是那个冲浪的人"——浪都会拍到岸上，只是有人赶上浪尖。AI"不太需要脑子"，最重要特质是靠谱、做事细、对自己做的事负责任（[03:04:45]–[03:05:46]、[03:29:08]–[03:30:09]）。
  • 系统性做 AI 需要"reliable、为公司全局负责"的人，因为任何评价框架都容易被 hack；这与学术界"为自己项目负责"是两种心态（[03:14:56]–[03:18:59]）。
  • 招人面试题：24 小时从 0 到 1 做一个 RL 项目 + 1 小时讨论——考察能否有效利用 AI、是否真理解 AI 做了什么（全盘扔给 AI 会在讨论中露馅）、以及有多看重这个机会（[03:31:10]–[03:33:11]）。
  • 给年轻人：纯做语言模型已不是蓝海（"末班车已发车，我自己就是末班车"），应做"现在没人做到的事"——多模态生成、机器人、AI for science（如量子调控）（[03:33:11]–[03:34:12]、[03:22:01]–[03:23:02]）。

个人成长与观点风格

  • 宁夏大武口出生 → 上海 → 清华机科班（物理）→ 斯坦福理论高能物理 → 伯克利博后两周 → Anthropic 一年 → Gemini。本科在清华高研院随汪忠做非厄米系统/拓扑（自评"范式级"工作）；博士高能理论"学了很多但对世界几乎零贡献，买了个大教训"——要做有客观评价标准、对世界有影响的事（[01:08:13]–[01:10:13]、[01:19:22]–[01:27:28]、[01:35:35]–[01:40:40]）。
  • 物理对做 AI 的帮助"硬实力上几乎没有"，主要是性格（刨根问底、系统性）；Anthropic 早期多物理出身其实主因是 connection（创始人做物理）（[01:42:40]–[01:43:40]、[01:52:47]–[01:53:47]）。
  • 说话直接、"厌蠢症"、恨"老登"（不懂还爱指手画脚）：因为 AI 领域客观、没有导师旧友的负担，"想喷谁喷谁"（[03:28:05]–[03:29:08]、[03:39:16]–[03:42:17]）。崇拜：物理有（Haldane 的远见、Douglas Stanford 的聪明），AI 没有——但 Hinton 算英雄级、Transformer 八作者是"英雄集体"（[03:27:05]–[03:28:05]、[03:38:16]–[03:39:16]）。
  • 关键 bet：long horizon（"train with finite context, use as infinite context"）；影响 AI 的论文点名 seq2seq 与 Scaling Law（[03:45:19]–[03:46:21]、[02:41:31]–[02:42:32]）。

相关主题