从理论物理到 Google DeepMind：姚顺宇万字访谈核心解析

AI 已经不再担心“能不能做到”，而是在焦虑“到底该做什么”

最近，一场关于 AI 研究、模型竞争、程序员未来与组织文化的深度访谈，在中文 AI 圈引发了非常大的讨论。
访谈主角是现任 Google DeepMind 研究员姚顺宇——一个从理论物理转向大模型研究的人。

这场对谈的信息密度非常高。

它不仅涉及：

• 大模型是否撞墙

• OpenAI / Anthropic / Google 的真实差异

• AI Coding 为什么率先爆发

• 程序员会不会被替代

• 中国 AI 和美国 AI 的差距

• Long Context 与 Agent 的未来

更重要的是，它透露出一个行业内部越来越明显的信号：

AI 行业已经从“技术能力突破期”，进入了“产品定义焦虑期”。

这篇文章，我会把整场访谈拆成几个核心主题，系统讲透。

---

一、两位“姚顺宇”：为什么很多人会认错？

访谈一开始，姚顺宇先澄清了一件很有意思的事情：

AI 圈其实有两位“姚顺宇”。

另一位是：

• 清华姚班

• 普林斯顿

• 前 OpenAI

• 现腾讯首席 AI 科学家

而这次访谈中的姚顺宇则是：

• 清华理论物理本科

• 斯坦福理论高能物理博士

• 伯克利短暂博士后

• 曾在 Anthropic 工作

• 后加入 Google DeepMind

他自己调侃：

“最大的区别就是，另一个姚顺宇一开始就是学计算机的。”

但真正有意思的，其实不是“同名”。

而是：

这代表了 AI 行业正在吸引越来越多“非传统 CS 背景”的顶级人才。

尤其是：

• 物理

• 数学

• 统计

• 复杂系统

• 控制论

这些学科正在大量流入 AI。

---

二、AI 已经进入“下半场”了吗？

很多人最近喜欢说：

“AI 进入下半场了。”

但姚顺宇的回答非常值得思考：

他认为：

现在行业已经不太担心：

“AI 能不能做到。”

真正的问题变成：

“这件事到底应该怎么定义。”

这是一个非常关键的变化。

2024 年以前：能力焦虑

当时大家最担心的是：

• Agent 能不能实现

• GPT-4 会不会是天花板

• 多步推理能不能稳定

• 长上下文能不能做

行业核心矛盾是：

“模型到底行不行？”

---

2025-2026：产品定义焦虑

而现在：

• Meta

• OpenAI

• Google

已经没人真的担心“追不上”。

大家都能：

• 做 Agent

• 做推理

• 做 Coding

• 做长上下文

• 做多模态

于是问题变成：

“那我们到底要拿 AI 做什么？”

这是整个 AI 行业最核心的变化。

也是为什么现在：

模型进步依旧很快，但很多产品却开始越来越同质化。

---

三、为什么现在的大模型越来越像？

姚顺宇提到一个非常重要的现象：

现在模型的 benchmark 分数已经越来越接近。

他说：

“80% 附近高一点低一点，很多时候已经是 noise，而不是 signal。”

这其实意味着：

Scaling 仍然有效

但“公开指标”开始失效。

大家开始比拼的不是：

• 数学题高 2 分

• MMLU 高 1%

而是：

• 实际 Agent 能力

• Coding 工作流

• Tool Use

• 长任务稳定性

• 用户体验

---

四、三家模型公司的真实差异

这段是整场访谈最有价值的部分之一。

姚顺宇对几个主流模型做了非常真实的评价：

Claude：最强 Agent

他认为：

Anthropic 的 Claude 目前依然是：

“通用工具使用类 Agent 表现最好的。”

这其实非常符合大量开发者体验。

Claude 的特点：

• 超长上下文稳定

• Tool Use 很强

• 代码修改能力强

• 长任务一致性高

所以 Cursor 为什么偏爱 Claude，不是偶然。

---

OpenAI：推理最强

关于 OpenAI 的 o3，他认为：

“纯 reasoning 上最近追上来了一点。”

也就是说：

OpenAI 的优势仍然是：

• 推理

• 复杂链式思考

• 数学

• 规划

---

Gemini：Coding 与日常场景强

他认为：

Google 的 Gemini：

“在 coding 和日常使用环境下可能目前还是比较好的。”

这其实透露一个重要趋势：

Google 开始真正进入自己的“舒适区”：

• 工程化

• Infra

• 数据体系

• 大规模训练

Google 的优势终于开始被真正释放。

---

五、为什么 AI Coding 会率先爆发？

这一部分极其重要。

姚顺宇给出了三个核心原因。

---

1. Reward Signal 极其清晰

Coding 的奖励机制太明确了：

• 能运行 = 对

• 不能运行 = 错

这比：

• 写文案

• 做设计

• 创作内容

容易太多。

因为这些任务：

“好不好”是模糊的。

但代码不是。

---

2. GitHub 是天然训练金矿

他说得非常直接：

Coding 有一个天然基础，那就是 GitHub。

这是整个 AI Coding 爆发的根本。

因为：

互联网最大的高质量结构化数据源之一：

就是代码。

---

3. 好代码有共识

优秀程序员写代码：

其实风格差异没有大家想象得那么大。

所以：

模型特别容易学会“平均优秀”。

这导致：

AI Coding 的天花板非常高。

---

六、“90% 代码都是 AI 写的”

姚顺宇提到：

现在他自己：

“保守估计 90% 的代码是模型产生的。”

更恐怖的是：

他说：

自己的研究效率相比一年半以前：

提升了 20 到 50 倍。

这已经不是“辅助工具”。

而是：

整个研发范式都被重构了。

---

七、程序员会不会被替代？

他的观点非常现实。

答案是：

会。

但不会“一瞬间消失”。

而是渐进式替代。

---

AI 会带来“极化”

他说了一句特别狠的话：

“AI 会让少部分人变得更强，但让大部分人失去独特价值。”

这其实已经发生了。

未来最值钱的人：

不是“会写代码的人”。

而是：

能拆解复杂系统的人

也就是：

• 能定义问题

• 能规划任务

• 能协调多个 AI

• 能做系统设计

• 能理解业务结构

的人。

未来：

“写代码”会越来越像：

今天的“打字”。

---

八、最震撼的一句话：AI 研究可能并不需要“天才”

姚顺宇有一个特别反直觉的观点：

“AI 这个行业最重要的特质是靠谱。”

他说：

相比物理：

AI 最大的特点是：

实验太容易了

做物理：

你可能缺：

• 粒子加速器

• 实验设备

• 数据

但 AI：

只要有算力。

理论和实验几乎可以一起做。

所以：

AI 行业真正重要的能力：

是：

• 系统性

• 工程能力

• 持续试错

• 排查 bug

• 执行力

而不是：

“灵光一现”。

这其实和很多顶级 AI 研究员的说法越来越一致。

---

九、“Scaling Law 没有撞墙”

关于现在最热门的问题：

大模型是不是到头了？

姚顺宇的判断非常明确：

“没有。”

而且：

未来几个月他也没看到撞墙迹象。

他认为：

很多人所谓“撞墙”，其实是：

有 bug

这句话其实非常有研究员气质。

因为：

在复杂系统里：

“趋势失效”和“系统出 bug”

经常很难区分。

---

十、2026 最大方向：Infinite Context

他提出了一个特别重要的概念：

“train with finite text, use as infinite context”

意思是：

模型训练时仍然是有限文本。

但使用时：

可以拥有接近无限上下文。

这意味着什么？

意味着：

真正的个人 AI 助手可能出现

因为模型会：

• 长期记住你

• 持续理解你

• 累积你的行为

• 理解你的偏好

• 跟踪你的长期目标

这其实就是：

Agent 的终极形态。

---

十一、他为什么离开 Anthropic？

这部分也非常真实。

他说：

离开的原因很多。

包括：

• 对 CEO 某些政治表达不认同

• 公司文化变化

• Slack 文化过重

• 想学习更多不同方向

但更关键的是：

他想去看：

• 多模态生成

• 不同组织模式

• Google 的工程体系

这其实也是很多顶级研究员的共同特点：

不断寻找新的“认知增量”。

---

十二、最值得深思的一句话

访谈最后。

他说：

“大家都是冲浪的人，本质上是那个浪，而不是你。”

这句话非常深。

很多人会把 AI 的成功：

归因于：

• 某个天才

• 某家公司

• 某个模型

但实际上：

真正推动行业的：

是整个技术浪潮本身。

没有人能真正“控制”它。

所有人都只是：

站在浪上的冲浪者。

---

结语

这场访谈最有价值的地方在于：

它不是“AI 乐观主义”。

也不是“AI 焦虑”。

而是一个真正身处一线的大模型研究员，对行业现状非常冷静的拆解。

整场对话透露出的核心信息其实只有一句：

AI 已经进入了“能力不再稀缺”的时代。

接下来真正稀缺的：

是：

• 问题定义能力

• 产品想象力

• 系统组织能力

• 长任务规划能力

• 多 Agent 协调能力

未来真正厉害的人：

可能不是最会写 Prompt 的人。

而是：

最懂得如何组织 AI 的人。

信息来源：Bilibili《对姚顺宇的4小时访谈：请允许我小疯一下！在Anthropic和Gemini训模型、技术预测、英雄主义已过去》Ai好记转写（2026年5月14日）