姚顺宇，那个说AI不需要脑子的人

姚顺宇，那个说AI不需要脑子的人

姚顺宇访谈照片

姚顺宇访谈照片

硅谷有两位Yao Shunyu。

一位去了腾讯，一位去了DeepMind。他们同年从清华毕业，同名同姓，连履历都重叠得让人分不清。

2025年9月29日，姚顺宇从Anthropic离职。10天后，他出现在Google DeepMind的工牌系统里。

没人想到他会走得这么急。更没人想到，他会在个人博客里写下那句让硅谷震动的话，和你共事的时光很棒，但没有你，也许会更好。

一、从宁夏到上海，从物理到AI

姚顺宇小时候随父母从宁夏迁居上海。

初中在浦东上南中学东校，一所普通的公办初中。初三那年，他拿了浦东新区物理竞赛三等奖。这个成绩不算耀眼，但足够让他被格致中学提前录取。

2015年，他进入清华物理系。

大一就参加高等研究院的读书会，跟博士生一起讨论学术问题。大二下学期，当同学们还在为基础课焦头烂额时，他已经在上博士生的凝聚态物理课程。

那一年，他被周期驱动系统吸引。

和导师汪忠教授一起，写了篇50多页的长文，首次完成了对任意空间维度和任意对称性下Floquet系统的完整拓扑分类。以第一作者身份，发表在物理学顶级期刊Physical Review B上。

对一个本科生来说，这几乎是不可能完成的成就。

物理系主任王亚愚后来回忆说，在那门主要面向博士生的课程中，姚顺宇是十年来给自己印象最深的两名学生之一。

但真正让他在物理学界出名的，是非厄米系统的发现。

他在清华期间首次在国际上给出了非厄米系统的拓扑能带理论，准确预测了非厄米趋肤效应。这项发现颠覆了传统拓扑物理的理论框架，论文后来被引用近千次。

2018年，姚顺宇获得清华大学本科生特等奖学金。这是清华授予本科生的最高荣誉，每年全校不足十人。

image

image

二、斯坦福的九年，一场漫长的追问

2019年，姚顺宇去斯坦福攻读理论与数学物理博士。

导师是两位大牛。Douglas Stanford，被同行认为是最有潜力改变物理发展方向的顶尖青年科学家。Stephen H. Shenker，弦理论领域的传奇人物。

在斯坦福，他研究量子引力和量子信息扰乱。这是理论物理中最前沿、也最抽象的领域之一。

博士毕业后，他在加州大学伯克利分校做了几个月博士后。

然后，他做了一个让所有人意外的决定。

离开深耕9年的物理，转行AI。

2024年10月，姚顺宇加入Anthropic的Claude团队。从理论物理到人工智能，这个跨度大得让人咋舌。

但对他来说，这很合理。

他在博客里解释过这个选择。理论物理虽然思想深邃，但多年来几乎没有新的实验突破。一个缺乏实验的学科，很难客观判断研究的重要性。

AI更像17世纪的热力学研究。那时人们甚至不知道热是什么，仍然相信燃素说，但这并没有阻止他们用科学方式做实验，逐步总结出定律，最终推动了热机的发明。

大规模AI模型的研究正处于类似的探索阶段。还没有可靠理论来描述大型神经网络的行为，但系统性研究已经开始带来宝贵经验。

三、在Anthropic的日子

姚顺宇在Anthropic负责提升AI模型的自主决策能力。

他参与了Claude 3.7和4.5的开发。Claude 3.7从启动研究到最终发布总共耗时四五个月，前两三个月进行算法和数据研究，后两个月进行训练和基础设施搭建。

他在播客里透露过一个细节。

Claude 3之所以写代码比GPT-4强，背后有一个他无法公开的纯技术原因，是某个团队自下而上做出来的。Claude 3发布后，Twitter上大量正面反馈验证了这一优势，Anthropic管理层随即将代码能力升级为公司级战略全力押注。

但姚顺宇对Anthropic并非没有保留。

2025年9月19日，他正式离职。9月29日，加入Google DeepMind。

他在博客里给出了两个原因。

40%是因为不认同Anthropic涉华不当表述。60%是因为内部业务分歧。

他在Anthropic是第一份也是此前唯一一份AI工作，不希望自己的经验与认知被某个特定实验室局限，尤其是如今核心研究往往不再公开发表论文。

四、加入DeepMind，Gemini的新篇章

加入DeepMind后，姚顺宇直接进入核心Gemini团队。

他深度参与了Gemini 3 Deep Think的深度推理架构设计。

这个项目的目标很明确，攻克大模型常见的三大行业痛点，长逻辑链断裂、复杂算法卡壳、工程优化不足。

姚顺宇主导了深度推理架构的重构。这并非简单调整参数，而是从底层重新设计思考流程。

在他的推动下，模型引入了多路径探索与自我验证机制。在应对数学证明或竞赛编程时，能像人类专家一样先推导、再构造、后优化，而非仓促生成一个可能浅薄或错误的答案。

更关键的是，他将深度推理机制与代码生成能力进行了深度融合。

这让Gemini 3 Deep Think实现了从会写代码到精通竞赛算法的质变。在全球权威编程竞技平台Codeforces上，模型取得了3455 Elo的惊人评分，跻身全球顶尖选手序列，仅有个位数的人类程序员能超越它。

2026年2月，Gemini 3.1 Pro正式发布。

在衡量模型处理全新逻辑模式的ARC-AGI-2测试中，Gemini 3.1 Pro拿到了77.1%的验证分数。这个数字是上一代Gemini 3 Pro的两倍多，也超越了同期竞争对手Claude Opus 4.6和GPT-5.2。

谷歌CEO桑达尔·皮查伊评价说，这一成绩标志着核心推理能力的里程碑式进步，让高级推理从实验室能力变为解决真实复杂挑战的实用工具。

image

image

五、那些小疯的言论

姚顺宇一点也不nerd。

第一次见面，他就对采访者说，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。

他说，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。

他说，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。

他说，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。

他说，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。

这些言论听起来很狂。

但在描述自己的研究时，他又显得异常审慎。

他说，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。

六、物理与AI的交汇

很多人好奇，一个研究量子引力的物理学者，凭什么能负责世界顶尖AI公司的研发工作。

答案其实不复杂。

大模型的核心技术本质上是数学密集型的工作。训练大模型需要解决高维空间中的优化问题，这跟物理学中的变分法、统计力学有很深的联系。

姚顺宇研究的拓扑物理、非厄米系统，用的数学工具，概率论、线性代数、张量计算、动力系统理论，它们跟深度学习高度重合。

更关键的是，理论物理和机器学习处理的是同一类问题，高维、非线性、涌现性强的复杂系统。

统计物理学中的吉布斯分布，就是机器学习中概率推断的理论基础。深度神经网络的训练过程，可以看作是在高维参数空间中寻找能量最低态的过程。

当Scaling Law逐渐失效，AI产业正在经历一场变革。

真正能给AI带来突破，带着人们走向AGI的，或许反而是那群懂得用物理来理解智能这个词本质的人。

七、未来会怎样

2026年3月，姚顺宇接受了一次长达4小时的访谈。

当被问到基于当下的认知，一个关键的重要bet是什么时，他笑了。

Long horizon。长程任务。

这个回答很简短，但意味深长。

在AI领域，长程任务意味着模型需要在更长的时间跨度上保持推理能力和目标一致性。这是通往真正智能的关键挑战之一。

从宁夏到上海，从清华到斯坦福，从物理到AI，从Anthropic到DeepMind。

姚顺宇的人生轨迹一直在变。

唯一不变的，是他自己说的那句话，总想挑战一些自己不太会的事。