# 策展 · X (Twitter) 🔥🔥

> 作者：张小珺 Xiaojun Zhang (@zhang_benita) · 平台：X (Twitter) · 日期：2026-05-12

> 原始來源：https://x.com/zhang_benita/status/2053752552530055587

## 中文摘要

Google DeepMind姚順雨訪談揭示AI研發轉向集體執行力。

這集《張小珺電台》專訪Google DeepMind研究員姚順雨（@ShunyuYao14），他曾任Anthropic研究員，參與Claude 3.7、4.5及Gemini 3模型開發。姚順雨以直率風格分享從物理轉AI的歷程、公司文化對比及行業趨勢，強調AI本質上不需高深腦力，多數工作本科生即可勝任，最關鍵是細膩執行與責任感；他以「人人衝浪，浪潮才重要」比喻AI進展由浪推動，而非個人英雄。

**物理轉AI的心路**

姚順雨本科就讀清華基科班，後於史丹佛大學攻讀高能物理博士。他轉行因高能物理理論已達實驗無法驗證階段，研究對世界幾乎無實際影響。AI研究類似18世紀熱力學，理論與實驗不分家；研究員可透過數值實驗（訓練模型）快速驗證想法，比物理實驗如搭設光學平台更合他興趣。

**AI研發的集體本質**

姚順雨斷言「個人英雄主義在語言模型時代已經過去」，Transformer後AI研發轉為集體合作，成功取決組織能否為同一目標投入資源與精力，而非天才想法。他直言「AI不需太多腦力——真心不需——多數工作本科生都能做」，行業最重要特質是可靠性：細膩、對輸出負責。許多想法需逐一嘗試，難點在系統性完成實驗。他比喻「人人衝浪，但浪潮才重要——AI浪推著世界前進，非研究員推浪」。

**Anthropic與Google文化對比**

Anthropic執行力極強，技術領導者如創始團隊兼決策者，能快速對市場信號「Make Bet」；姚順雨參與Claude 3.7強化學習（RL）研發。但他離開主因不認同CEO將「AI安全」推向極端情緒化，且想學習多模態、工程基礎設施等領域。

Google雖組織較慢，但技術儲備與人才密度極高。預訓練等確定性範式進入「工程區」後，Google工程管理能力展現強大優勢。

**技術洞察與趨勢**

程式碼成AI最強場景，因有「清晰回饋信號」（程式碼跑不跑得通）及GitHub十幾年高質量資料累積。預訓練Scaling Law尚未見盡頭，模型能力停滯多因實驗bug，而非規律失效。

下階段重點：
- ML Coding：AI研究AI，自動化從寫程式碼、跑實驗到分析結果的全鏈條。
- 無限長文本（Infinite Context）：用有限訓練長度，讓推理時處理近無限上下文。
- AI自主實驗：預測未來6到12個月內，AI能自主完成從假設到驗證的研發全流程。

**中美競爭與產品反思**

中美模型能力差距縮小，中國擅長「聰明的蒸餾（Distillation）」及C端產品設計。他批評目前僅透過Chatbot對話框與AI溝通「很蠢」，未解放模型全能力，未來需更自然互動產品形態。

**對程式員未來與建議的悲觀觀察**

姚順雨以一線視角反思AI提升生產力潛力，卻對程式員被取代風險持略帶悲觀立場。純語言模型非藍海，年輕人應轉向「多模態生成」、「機器人」或「用AI解決基礎科學問題」等未完全攻克領域。他鼓勵直言不諱：「老前輩非親戚，若覺某人笨就說，沒大事；意見內部一致、基於真理解，就有客觀標準，人會尊重你。」

完整訪談影片：[https://youtu.be/ttkd0t5qTD4](https://youtu.be/ttkd0t5qTD4) 。姚順雨澄清與騰訊首席科學家同名區別，強調AI從科學假說轉向精準工程與資料定義，大公司靠組織力勝出創業公司。

## 標籤

訪談, 產業趨勢, Google, DeepMind, Anthropic