硅谷有两个姚顺宇（雨），而且轨迹极为相似

硅谷 AI 圈一个长期存在的”命名事故”：两个中国人，都叫 Yao Shunyu，清华同届，都在顶级实验室。一个去了 OpenAI，后来到腾讯当首席 AI 科学家；另一个从 Anthropic 跳去 Google DeepMind，参与了 Claude 3.7、Claude 4.5 和 Gemini 3 的训练。

前者名字是姚顺雨，后者是姚顺宇。

最近小宇宙上有一期对姚顺宇的四小时访谈，播放量已经快 10 万，评论 383 条，是今年技术播客里讨论最密集的一期之一。评论区第一条点赞 218，说的是：

“这个 shunyu 还蛮可爱的，有一种没有被社会毒打过的真，年轻人说话就是比老登有意思哈哈哈”这期节目好听，不是因为嘉宾透了什么内幕，而是他说了很多”说了也无所谓”的真话。我把其中三个判断拎出来，每一个都和我们通常的预设反着来。如果你更关心”两个姚顺宇”本身，上面这段就是全貌；下面聊的是从访谈里读出的、和职业选择有关的东西。

英雄主义死了，但媒体还在给它烧纸2024 年 5 月，Ilya Sutskever 离开了 OpenAI。

他是那个时代最接近”AI 英雄”的人——GPT 系列的核心推手，Scaling Law 的早期信徒，OpenAI 最具公信力的技术象征。离开后他创立了 Safe Superintelligence Inc.，融资 30 亿美元，估值 320 亿，外界的解读是”天才出走另起炉灶”。

一年多过去了，SSI 没有发布任何产品，也没有可以核实的技术进展。AI 社区里开始有人说，一个研究组织能调动的算力和资金，早就远超任何个人能争取到的了。SSI 虽然估值高，但算力储备大概率还是比不上 Anthropic 或 DeepMind 给 Ilya 用过的那套基础设施。这就是英雄走出去之后的处境：他还是他，但浪不在了。

更讽刺的是，Ilya 自己在 2025 年 11 月接受 Dwarkesh Patel 采访时，宣告了”scaling 时代的终结”。他说 2020 到 2025 年是”scaling 的时代”，数据和算力是主角，那个章节正在关闭，接下来又回到了”ideas 的时代”。曾经的英雄，亲口宣告了英雄时代的终结。

姚顺宇的版本更直接：”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。”

他不是在骂前人。2017 年 Transformer 论文有 8 位作者；GPT-3 的论文有 31 位作者；Claude 3.7 是整个叫 Horizon 的大团队共同完成的。作者列表就是一部缩写的历史，从个人，到小组，到整个公司押注。

媒体需要英雄叙事，因为”一个天才改变世界”比”三百个工程师一起调 loss 曲线”好讲得多。但对身处其中的人来说，这套叙事早已不再适用。对你我这种圈外人来说，别把新闻里的”主角”当真，省得选赛道时误判自己的杠杆在哪。

一个物理学家为什么要逃出高能物理Anthropic 联合创始人、现任首席科学官 Jared Kaplan，是约翰斯·霍普金斯的理论物理教授。Scaling Law 那篇改变 AI 行业走向的论文，第一作者就是他。另一位联合创始人 Sam McCandlish，同样物理背景。姚顺宇本人，斯坦福高能物理博士。

为什么一家 AI 公司的核心技术圈聚集了这么多搞理论物理的人？

姚顺宇说不是因为硬技能迁移，”从物理到 AI 的技术转化，是非常非常少的。”他提到的是一种思维习惯，刨根问底，做事系统。但我觉得他在另一段话里说了一个更底层的东西：

物理学家被训练出来的能力，是在没有完备理论的情况下先建立经验定律。Scaling Law 就是这样一个东西。没人完全理解语言模型内部发生了什么，就像 19 世纪的工程师不理解热的微观本质，但他们总结出了热力学定律，然后建了蒸汽机。姚顺宇管这叫”18 世纪的物理学”——那个时代理论和实验不分家，搞物理的人自己做实验，自己做理论推测，AI 就有点像那个时代。

问题是，这套能力在高能理论里完全用不上。高能理论已经发展到实验追不上的地方，弦论对不对可能几十年都验不了，评价标准变成了”领域老登的主观判断”。

姚顺宇在博士阶段就意识到这件事有多荒谬：

“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？”没有客观评价标准的地方，权威就是权力，不是真理。他要找的是”回归信号足够清晰”的领域。代码能不能运行，明确的；模型 benchmark 能不能提升，明确的。

评论区里有条 27 赞的留言，延伸得很到位：”实践是检验真理的唯一标准，有点理解 yao 对业内老登的评价，无法检验的理论不一定错，所以被老登认为是异端的也不一定错；哲学、宗教领域类似，无法被证伪的领域的正确性靠信仰、老登、权力决定。”

这段话对我这种读论文比写代码多的人其实很扎：换工作或换研究方向时，先问自己一句：这件事有没有你能信得过的、来自外界的反馈闭环。

“AI 不需要脑子”——这话得从头说这是整个访谈里我看完之后重新读了一遍的段落：

“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。”第一反应是：这是在凡尔赛吗？

其实吧，他在说的是一个当你到了那个环境里就会明白的东西：当一个行业里聚集了足够多聪明人之后，智力就不再是稀缺要素了，稀缺的是执行力。大模型训练是系统工程，代码有 bug 不是因为没人聪明，是因为没人仔细；实验跑不起来，不是算法有问题，是某个 config 写错了；一个复杂的 RL pipeline 崩溃，往往是某个细节没人盯住。

他在描述 Anthropic 工作方式时有一个词反复出现：”干净”。”把简单的事儿做得比谁都干净，是最关键的。”

什么叫干净，说白了就是：你不选最花哨的算法，你选最稳定的；做 trade-off 的时候，不追最优解，追的是在各种异常情况下都不出错的解。AI 行业充斥着对复杂性的崇拜，更大的模型、更新的架构、更精妙的训练技巧。实际工程里，复杂性本身就是风险。这是一种反潮流的判断，而且他是在训过 Claude 3.7 和 Gemini 3 之后说的，不是在纸上说的。

有一个对照放在这里很有意思：Ilya 离开 OpenAI 之后说，下一代 AI 的突破需要新的概念性突破，要去寻找人类学习的本质。姚顺宇坐在另一个维度上说：在找到那个突破之前，先把现在的东西做扎实。这两个判断不矛盾，但在过去两年，是工程赢了。正在找工作的应届生别被”PPT 英雄”吓到，真正把项目跑通关的人反而少。

尾声访谈里有一句话我反复想：”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。”

乍听像是谦虚，但意思更复杂一点。他不是在说个人不重要，而是在说：如果认不清自己和那个浪的关系，就会把浪的力量当成自己的力量，浪退的时候不知道发生了什么。

这种事在 AI 行业不少见。有人在大模型浪潮里赚了名声，以为是自己厉害；有人追着每一阵小浪跑，精疲力竭却从没在一个浪上待够长。

姚顺宇自己的做法是：找一个有客观评价标准的领域，找到最大的那个浪，然后把自己做成一个靠谱的冲浪者。

一个物理学家在高能理论和大模型训练里学到的，是同一件事：在你还不理解微观机制的时候，先找到稳健的经验定律，把它做到极致。

你在那个浪上，感受是什么样的，评论区说说。