北京
张小珺的播客里，一位DeepMind研究员说了句话："AI这个事，本来也不太需要脑子。"
说这话的是姚顺宇。从理论物理跨到AI，先后在Anthropic和Google DeepMind做研究。张小珺评价他"一点也不nerd"，有点疯，但又不失谨慎。我们听完近4小时的对话，整理出30条核心观点。
个人与集体
姚顺宇把人比作冲浪者："现在每个人都是冲浪的人，本质上是一个浪，而不是你那个冲浪的人。"在这个时代谈个体影响，他觉得"很虚无缥缈"。
那什么重要？"靠谱，做事细，对自己做的事负责任。"他说AI行业最需要的特质就是这个。每个系统、每个评价框架都容易被hack——你总可以做些事让指标好看。真正值得信赖的人会想：效果好，是不是真的？
人要变成"更可信可靠的系统的组件"。算法效果好不够，关键是在真正大的尺度下能否保持稳定。"这需要研究员对系统怎么运作有好的理解，以及对公司负责任才能做到。"
他提了一个硬性标准："如果一个研究员做不到对全局去考虑的话，他就不是一个好的研究员。"
从物理到AI
物理背景对AI的硬实力帮助？"非常非常少。"姚顺宇说，主要是性格——做物理的人更想刨根问底，更想系统性地理解一件事。
AI和物理的本质区别在实验。物理里，没有能标下的实验数据就理解不了能标下的理论；AI不受这个约束，"理解不了没关系，我也可以往前发展"。
他提到经验规律和科学规律的界限很模糊。热力学定律当年也是经验规律，后来才慢慢知道微观机制。现在他能做任何想做的实验，只是需要时间提升计算量或准备基础设施。
理论和实验在AI里不太分家——有假设就要能验证。这一点和物理不同："高能理论已经发展到了实验完全追不上的阶段。"
真正重要的问题
AI进入新阶段，大家不再担心"能不能做到"，而是担心"这件事是不是被良好定义"。纸面上看起来差不多，更难的是怎么定义问题、定义想要的行为。定义不清楚时，模型差异往往来自"想象不到的事"。
做事系统比技巧重要。"当一个事情和你预测的不一样的时候，你能不能系统性的排除各种可能性。"
他分析了三种"觉得规律到头了"的情况：适用范围到头、某个条件不能满足、或者——最常见——工作里有bug自己没发现。"绝大多数撞到墙的人，是因为第三种。"修好一个bug的进展，远大于神奇技巧。
产品经理是他想不明白怎么训练AI去做的事。一个东西要长久生存需要考虑壁垒，目前很多壁垒在模型侧。"没有哪个场景真正形成了数据飞轮。"AI原生应用里，除了Agentic coding（写代码），没有哪个真正成功。
AI产品（他称为"壳"）活下来的两种方式：一是逃得足够快，增长速度让模型公司反应不过来，占领用户心智后自己演化出模型；二是市场小到模型公司懒得管。
给别人的建议
GenAI领域"没有谁可以养老"，除非对技术没兴趣、对自己没追求了。AI是中心化技术，"会让少部分人变得更强，但会让大部分人失去他们的独特价值"。
未来程序员的重要能力是"怎么和AI去有效地协作"。设计实现方案、让它跟公司未来发展契合，这些AI做不好，还需要人；但"实现这个方案，下周五之前给我"这种工作，"未来可能就不会再存在了"。
他给年轻人的两条路：量子计算和AI，"机会比较多"。
离开学校后就是自己的career，得给自己找路。"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。"
最后一条关于表达："不用太担心因为自己的观点而惹到什么人，只要你的观点是自洽的……你是有一套自己的理解，我觉得其实大家是会尊重你的。因为最终你在这个领域做得怎么样，是有客观的评价标准的。"
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
