2026年5月10日，播客《张小珺Jùn｜商业访谈录》发布了一期长达近4小时的深度访谈，主角是Google DeepMind/Gemini团队研究科学家姚顺宇（Shunyu Yao）。这场对话横跨技术、产业、个人选择与时代判断，为外界提供了观察顶尖AI研究者思维方式的珍贵窗口。

硅谷的"两个Shunyu Yao"

访谈开场便触及一个有趣的行业现象：硅谷AI圈有两位同名同姓的"Yao Shunyu"，且同为清华校友。一位是姚顺雨（OpenAI前研究员，2025年跳槽腾讯，Agent研究领域知名学者，著有《AI下半场》），另一位便是本期访谈主角姚顺宇（清华物理系传奇特奖得主，理论物理博士，2024年从物理转向AI）。

这种巧合成为硅谷华人AI圈的一段佳话。姚顺宇在访谈中坦言，两人虽然研究领域不同——姚顺雨专注Agent系统，自己则深耕大模型训练——但偶尔会因名字被混淆而收到对方的邮件。

从物理到AI：一场理性的"逃逸"

姚顺宇的学术背景堪称传奇。2015年进入清华物理系后，他大二便开始选修研究生理论课程，在周期驱动系统拓扑场论领域提出非厄米系统中拓扑能带理论的新方法，研究成果发表于物理学顶级期刊Physical Review Letters。一位211大学副教授曾感叹："我们这边即使是教授，也没有能超过姚顺宇同学目前本科期间的物理水平的。"

2019年本科毕业后，姚顺宇赴斯坦福攻读理论物理博士，主攻非厄米系统、量子物理与高能物理。博士毕业后，他在加州伯克利大学从事博士后研究。

然而，2024年10月，姚顺宇做出了一个令学界震惊的决定：离开物理学，加入Anthropic的Claude团队，正式转向人工智能研究。

在访谈中，他解释了这场"逃逸"的深层逻辑："理论物理学是一个令人惊叹的训练领域，它充满智力挑战、深度深远，需要涵盖数学、计算机科学以及物理学本身等各个领域的技术。然而，这个领域多年来一直缺乏实验。一个缺乏实验的领域可能会在很多方面存在问题——很难客观地判断一项理论工作的重要性，仅仅通过系统的实验也很难消除分歧和困惑。"

在AI与量子计算之间，他选择了前者："虽然我相信量子计算在未来会变得重要，但目前的瓶颈主要在于实验平台。而AI正处于一个可以通过实验快速验证想法、产生实际影响的阶段。"

Anthropic到DeepMind：价值观的抉择

在Anthropic的近一年时间里，姚顺宇参与了Claude从3.7到4.5的迭代开发。他形容这段经历"学到了很多"，AI惊人的发展速度让他深感震撼。

然而，2025年9月19日，他选择从Anthropic离职，9月29日加入Google DeepMind。这一决定在当时引发广泛关注。

访谈中，姚顺宇并未回避这一话题。他坦言，离开Anthropic主要基于两方面考量：一是对公司某些涉华言论的不认同，二是希望在更大的平台上探索AGI的可能性。他在个人博客中写道："是时候继续前进了"，"虽然这段经历让我学到了很多，但现在'没有你会更好'。"

技术判断：Pre-train没有到头，Coding正在爆发

作为Gemini核心训练团队的成员，姚顺宇在访谈中分享了对大模型技术路线的判断。

关于预训练（Pre-train）是否触及天花板的问题，他给出了明确判断："Pre-train没有到头。"他认为，当前业界对预训练边际效益递减的担忧被过度放大，实际上数据质量、训练方法和算力效率仍有巨大优化空间。

在应用层面，他特别强调了Coding（编程）能力的爆发潜力。"Coding是AI能力泛化的关键节点，"他指出，"代码是结构化的、可验证的、具有明确奖励信号的领域，这使得它成为训练推理能力的理想场景。更重要的是，编程能力的提升会直接带动数学、科学推理等复杂任务的表现。"

这一判断与OpenAI、Anthropic等公司的技术路线形成呼应——Claude 3.5 Sonnet、GPT-4o等模型均在编程能力上投入重兵，而Gemini 3 Deep Think的升级也体现了Google对这一方向的重视。

中国AI：字节与豆包的"蒸馏"创新

访谈中，姚顺宇对中国AI公司的技术路线表现出浓厚兴趣，特别提到了字节跳动和豆包（Doubao）。

他观察到，面对算力劣势，中国团队发展出了独特的"蒸馏"技术路径，并区分了"硬蒸"与"聪明的蒸"两种方法论：

• 硬蒸：纯粹依赖算力和数据规模进行模型蒸馏，追求参数效率的提升；
• 聪明的蒸：在蒸馏过程中融入更多算法创新，通过架构优化、数据筛选和训练策略的改进，在有限算力下实现性能突破。

他认为，字节在豆包上的实践体现了后一种思路，这种"以巧破力"的技术路线在全球算力竞争格局下具有重要的战略意义。

"英雄主义时代已经过去"

访谈的标题"请允许我小疯一下"源自姚顺宇对行业氛围的观察。在他看来，AI研究正在从"个人英雄主义"转向"系统化工程"。

"早期的AI突破往往依赖于个别天才的灵光一现，"他说，"但现在，训练一个顶尖模型需要数百人的协作、数千张GPU的集群、数亿美元的投资。这是一个系统工程，个人的作用被稀释在庞大的组织之中。"

这种转变带来了新的职业困境：对于顶尖研究者而言，如何在组织化的研发体系中保持创造力和影响力？姚顺宇的答案是"小疯一下"——在规则允许的范围内保持独立思考，在系统性的工作中寻找个人的独特价值。

机器人与Underdog之地

除了大模型，姚顺宇在访谈中还分享了对机器人领域的看法。他认为，当前机器人技术正处于类似2010年代深度学习的"前爆发期"——硬件成本快速下降、算法逐渐成熟，但尚未找到真正的产品化路径。

他特别提到了"Underdog之地"的概念：在AI的某些细分领域，非头部公司反而可能因为敢于冒险、不受既有路径依赖束缚而取得突破。机器人、科学发现、创意生成等领域，都可能成为"Underdog"逆袭的战场。

结语

近4小时的访谈中，姚顺宇展现了一位顶尖研究者罕见的坦诚与自省。从清华物理系的天才少年，到斯坦福的理论物理博士，再到Anthropic和DeepMind的AI工程师，他的职业轨迹本身就是一部浓缩的科技发展史。

当谈及未来时，他没有给出确定的预测，而是引用了一句物理学的名言："预测是困难的，尤其是关于未来的预测。"但他相信，AI正在改变人类获取知识、解决问题和创造价值的方式，而他选择成为这场变革的参与者而非旁观者。

正如访谈标题所言："英雄主义时代已经过去"，但个体在时代洪流中的选择，依然值得被记录。

参考来源：

• https://www.youtube.com/watch?v=Gk_KUg3qED0（张小珺Jùn｜商业访谈录）
• https://podcasts.apple.com/us/podcast/张小珺jùn-商业访谈录/id1634356920
• https://open.spotify.com/show/2g0V13H8ZqZao5uqpJJkZs