姚順宇率領谷歌復仇Anthropic，“沒有你才更好”

本文來自微信公眾號：字母AI，作者：苗正，編輯：王靖，題圖來自：視覺中國

谷歌CEO皮查伊在X上高調宣布，Gemini 3 Deep Think在最難的挑戰上，取得了前所未有的成績。

這個項目，正是姚順宇加入谷歌后參與的第一個重量級項目。

作為谷歌的對手之一，xAI的創始人馬斯克都不由得在這條貼文里留下了一句“令人印象深刻”，皮查伊則回復給他一個“大拇指”表情。

然而，當人們翻看姚順宇的履歷時，通常都會以為自己搜錯名字了。

但你沒有看錯，姚順宇的確沒有任何計算機背景，他本身是一位理論物理學家，他的博士研究方向是量子引力和量子信息擾亂。

正所謂遇事不決量子力學。

當Scaling Law逐漸失效，AI產業正在經歷的一場變革。

真正能給AI帶來突破，帶著人們走向AGI的，或許反而是那群懂得用物理，來理解“智能”這個詞本質的人。

一、這孩子打小就喜歡物理

姚順宇小時候隨父母從寧夏來到上海，就讀于浦東新區的上南中學東校。初三時，他在浦東新區物理競賽中拿了個三等獎。

有一說一，這成績不算特別亮眼，我小時候拿過物理競賽的一等獎。

2012年，姚順宇以推薦生身份被上海市格致中學提前錄取，隨后便開始了他開掛般的人生。

2015年，他考入清華大學物理系。

只不過當時沒人能想到，這個物理系新生，會在10年后給整個AI界帶來不小的震撼。

進入清華后，姚順宇的表現開始不一樣了。

大二下學期，當大多數同學還在為基礎課程焦頭爛額時，他已經開始上博士生的凝聚態物理課程。

那一年，姚順宇被周期驅動系統（Floquet systems）吸引了。

這是個極其前沿的研究領域，涉及復雜的數學和物理概念。他和導師汪忠教授一起，寫了篇50多頁的長文章，完成了對高維、一般對稱性下 Floquet周期驅動系統的拓撲分類。

這項工作為這一研究方向建立了完整的理論框架，是一項非常系統的里程碑式拓撲分類工作。

并且，姚順宇以第一作者身份，將這篇論文發表在了物理學頂級期刊Physical Review B上。

對一個本科生來說，這幾乎是不可能完成的成就。

物理系主任王亞愚教授后來回憶說，在這門主要面向博士生的課程中，姚順宇是十年來給自己印象最深的兩名學生之一。

但真正讓姚順宇在物理學界出名的，是他在非厄米系統方面的發現。

在清華期間，他首次在國際上給出了關于非厄米系統的拓撲能帶理論，并準確預測了相關現象。

簡單說，他發現在開放量子系統中，電子態會神奇地“擠”到材料邊界，這種現象被稱為“非厄米趨膚效應”(Non-Hermitian Skin Effect)。這個發現顛覆了傳統拓撲物理的理論框架。

這項工作發表在 Physical Review Letters 上，并獲得了編輯推薦。

這篇題為《Non-Hermitian Skin Effect and Chiral Damping in Open Quantum Systems》的論文，后來被引用近千次，成為姚順宇學術影響力最高的作品。

2018年11月8日，清華大學本科生特等獎學金答辯會舉行。

這是清華授予本科生的最高榮譽，每年全校不足十人，在這之中便有姚順宇。

他也成為了物理系當年唯一獲此殊榮的學生。

2019年，姚順宇去斯坦福大學讀理論與數學物理博士。

他的導師是Douglas Stanford和Stephen H. Shenker。

前者被同行認為是最有潛力改變物理發展方向的頂尖青年科學家，后者則是弦理論領域的傳奇人物。

在斯坦福期間，姚順宇研究量子引力和量子信息擾亂（quantum scrambling），這是理論物理中最前沿、也最抽象的領域之一。

博士畢業后，他在加州大學伯克利分校做博士后研究。截至目前，他的總引用次數超過5000次，h指數14。

二、一個學物理的憑什么能研究AI?

雖然很多人大學選的專業，和他們畢業出來后找的工作都沒有直接關聯，但是像姚順宇這樣一直在鉆研物理學的人，理論上應該找個物理相關的工作。

但是姚順宇偏偏選擇了AI。

2024年10月，姚順宇加入Anthropic，參與大模型Claude Sonnet框架的研發。

一個研究量子引力的物理學者，憑什么能負責起世界頂尖AI公司的研發工作？

答案其實不復雜。

大模型的核心技術本質上是數學密集型的工作。訓練大模型需要解決高維空間中的優化問題，這跟物理學中的變分法、統計力學有很深的聯系。

姚順宇研究的拓撲物理、非厄米系統，用的數學工具，比如概率論、線性代數、張量計算、動力系統理論，它們跟深度學習高度重合。

更關鍵的是，理論物理和機器學習處理的是同一類問題：高維、非線性、涌現性強的復雜系統。

統計物理學中的吉布斯分布，就是機器學習中概率推斷的理論基礎。深度神經網絡的訓練過程，可以看作是在高維參數空間中找能量最小值，這跟統計物理中的自由能最小化原理一個道理。

近年來越來越多研究表明，統計物理的工具可以用來理解深度學習中的很多現象。

量子多體系統和大模型在數學結構上很相似。

在量子物理中，大量粒子相互作用時，會涌現出單個粒子層面無法預測的集體行為。

在大模型中，數十億個神經元參數相互作用時，同樣會涌現出超出預期的效果。

事實上現在咱們常說的思維鏈推理、上下文學習、指令遵循，也都是依靠這種涌現的方式才誕生的。

這種從微觀到宏觀的涌現現象，也正是物理學家最擅長研究的。

因此，基于物理訓練出來的“物理直覺”，恰恰是AI研究最需要的。

從復雜現象中抽象出數學模型，這是物理學家的基本功。

在AI領域，這意味著能理解神經網絡的本質，而不是停留在調參層面。

物理學家習慣在不同尺度上思考問題，從微觀粒子到宏觀宇宙。這種跨尺度建模的能力對應到AI中，就是理解從單個神經元到整體的全景圖。

姚順宇在斯坦福研究的量子信息擾亂（quantum scrambling），關注的是量子信息如何在復雜系統中擴散和混亂化，這套數學框架跟神經網絡中信息的傳播和處理有相似的結構。

那么當他轉去做AI相關的研究時，這些看似抽象的物理理論，就順理成章地變成了理解大模型行為的工具。

更直接的聯系來自強化學習這個概念本身。

姚順宇在Anthropic主要做強化學習研究，而強化學習的理論基礎本身就源于物理學。

最優控制理論恰好是來自經典力學的變分原理，路徑積分方法直接借鑒量子力學的費曼路徑積分，熵正則化來自統計物理的自由能概念。

對一個理論物理學家來說，這些不是需要學習的新知識，而是已經內化在思維方式里的工具。

這種從物理到AI的轉變，不是姚順宇一個人的個案。

卷積神經網絡的發明者楊立昆（Yann LeCun），在進入AI領域之前，學的就是工程物理教育。

深度學習的奠基人杰弗里·辛頓（Geoffrey Hinton），他提出的玻爾茲曼機（Boltzmann Machine），名字就來自統計物理學家路德維希·玻爾茲曼。

而這套系統的核心邏輯，便是用統計物理中的能量函數來描述神經網絡的狀態分布。

事實上，姚順宇在加入Anthropic后，深度參與了Claude 3.7 Sonnet與Claude 4系列的強化學習模塊研發，是這兩代模型能力躍升的關鍵貢獻者。

這不是“跨界”，而是把物理工具應用到新領域。

當AI產業逐漸從“暴力堆算力”的Scaling Law時代，轉向新階段時，反而需要這樣的物理學者。

三、新征程

2025年9月19日，姚順宇在個人博客上發了篇文章，宣布離開 Anthropic。

在這篇文章里，他很坦誠地說明了離職原因，并給出了一個精確的比例：40%和60%。

40%指的是可以公開的原因，來自于姚順宇和Anthropic之間價值觀上的沖突。

2025年9月5日，Anthropic在內部文件中把中國列為“adversarial nations”（敵對國家），并宣布停止向“中國實體控股的公司”提供AI服務。

姚順宇在博客中寫道：“我強烈反對 Anthropic 發表的反華言論。盡管我相信 Anthropic 的大多數人都會反對這樣的言論，但我認為我沒有辦法繼續留在公司。”

這段話寫得很克制，但能看出他的失望和無奈。

他特別強調“大多數人都會反對”，說明他理解這個政策不是來自公司內部的普遍共識，更多是外部壓力和公司高層決策的結果。

60%指的是那些涉及“內部的機密信息”，不可公開的信息。姚順宇因保密協議無法詳細透露。

但他強調，自己“不希望經驗與知識受到特定實驗室偏見的限制，尤其是在核心研究已無需依賴論文發表的當下，更需要開放、平等的科研環境”。

說起來像是個笑話，但實際情況就是，在AI研究日益商業化、封閉化的今天，學術自由和開放合作正在受到越來越多限制。

在博客結尾，他用了句意味深長的話：“It was good with you， but it is better without you.”（和你在一起很好，但沒有你更好）這句話既是對過去一年工作的肯定，也是對未來道路的期待。

這件事反映了在全球AI競爭的大背景下，華裔科學家面臨的復雜處境。

一方面，美國有世界上最先進的AI研究資源和最優秀的科研團隊。

可另一方面，受地緣影響，很多華裔科學家的身份成了職業發展的障礙。

但故事沒有在離職中結束。離開Anthropic僅10天后，姚順宇就加入了Google DeepMind，擔任高級研究科學家（Senior Staff Research Scientist），且直接進入核心Gemini團隊。

這速度之快，說明DeepMind早就看中了他的能力。

無論是谷歌CEO皮查伊，還是DeepMind CEO哈薩比斯，他倆在國際合作方面采取了更開放的立場。

尤其是后者，他一直在倡導國際合作，認為AI安全問題需要全球科學家共同努力。

因此，即便同樣受到美國出口管制約束，谷歌依然沒有完全切斷與中國研究機構的聯系。

加入DeepMind后，姚順宇立即投入Gemini團隊的工作。

僅僅5個多月后，谷歌就推出了Gemini 3 Deep Think的重大升級。

這是姚順宇加入谷歌后參與的首個項目，成績足以讓整個AI圈震驚。文章開頭處就提到，這次更新甚至讓馬斯克也對其稱贊。

Gemini 3 Deep Think在多項基準測試中刷新了紀錄。

比如在ARC-AGI-2測試中，它達到了84.6%的成績。ARC-AGI是專門測試 AI 的抽象推理能力，測試的目標是檢測AI在面對從未見過的新問題時，能否識別模式并找到解決方案。

這種能力被認為是真正智能的標志，而不是簡單的模式記憶。

Gemini 3 Deep Think的成績，比第二名Claude Opus 4.6的68.8%高出15%，比GPT-5.2 的 52.9% 更是高出30%。

在Codeforces編程平臺上，Gemini 3 Deep Think獲得了3455分的Elo評分，達到“傳奇大師”(Legendary Grandmaster）級別，世界排名第8。

這意味著在算法競賽和系統架構方面，全世界只有7個人類程序員能超越它。

在奧林匹克競賽水平測試中，Gemini 3 Deep Think在數學、物理、化學三個學科都達到了金牌水平。

更重要的是，Gemini 3 Deep Think還處理那些缺乏明確指導原則、答案不唯一、數據雜亂或不完整的現實挑戰。

這其實是當前所有AI都面臨的短板。這些大模型雖然在標準化測試中表現出色，但面對真實世界的復雜問題時，往往表現糟糕。

雖然我們無法確切知道姚順宇在Gemini 3 Deep Think項目中具體負責了哪些工作，但從時間線上看，他在自己的X上，第一時間宣布了Gemini 3 Deep Think的發布。

我個人認為，姚順宇在Anthropic積累的強化學習經驗，以及他作為物理學家對復雜系統的理解，為Gemini團隊帶來了新的視角和方法。

四、兩個“Shunyu Yao”的平行宇宙

說到Shunyu Yao，其實在AI研究圈里，有兩位知名研究者都叫Shunyu Yao，發音完全一樣，都跟在頂尖的AI公司做研究工作，也都畢業于清華大學。

每次有關于“姚順宇”的新聞，總有人問：“是哪個姚順Yu？”

跟本文的主角不同，另一位姚順宇是正兒八經的計算機背景。

他是清華姚班畢業，普林斯頓大學計算機科學博士，曾在OpenAI工作，目前已加入騰訊。

姚順宇在AI圈的名氣，要比物理學家姚順宇更大。

他提出的ReAct框架（Reasoning and Acting），是近年來最有影響力的提示工程方法之一。

這個框架的核心思想是讓AI“邊思考邊行動”，不是先完成所有推理再執行，而是在推理和行動之間交替進行，就像人類解決問題時的思維過程。

ReAct論文發表于2022年10月，到2025年已經被引用超過4000次，成了提示工程領域的經典工作。

姚順宇的另一項重要貢獻是思維樹（Tree of Thoughts）。

如果說思維鏈是讓AI學會了“一步步思考”，那思維樹就讓 AI 學會了“探索多條思路”。

在面對復雜問題時，AI不再只沿著一條路徑推理，而是可以同時探索多個可能的解決方案，評估每條路徑的前景，然后選擇最有希望的方向深入。

姚順宇在谷歌Scholar上的引用數超過15000次，遠高于物理學家姚順宇的5000次。

但我認為這不奇怪，計算機科學領域的論文引用速度，本來也要比物理學快得多，而且姚順宇的工作更接近應用層面，影響范圍更廣。

但引用數不能完全衡量一個科學家的價值，兩個Shunyu Yao都在各自領域做出了重要貢獻。

如果說姚順宇是從“量子力學”出發來研究 AI，那姚順宇就是從“讓AI像人類一樣思考和行動”的角度切入。

兩個人的研究方法、思維方式、甚至用的數學工具都不一樣，但他們都在用自己的方式，去實現AGI。

姚順宇在騰訊的工作，目前來看，是主要集中在agent上的。他發布的論文《CL-bench》，就是一個用于評估AI agent能力的基準測試。

它相當于一個給AGI研究者們明確一個方向，只要你的研究成果能在CL-bench上拿高分，那就說明你接近AGI。

姚順宇則是更為直接，因為他認為真正的智能需要理解世界的底層規律。

物理學提供了描述宇宙運行的數學語言，從量子力學到統計物理，從信息論到復雜系統，這些都是構建真正智能系統的理論基石。

那么通過物理學，便可以讓AI的智能水平更上一層樓，靠近AGI。

但無論如何，沒有哪一種方法是唯一正確的，沒有哪一個學科能獨自解決所有問題。

物理學家的理論洞察和計算機科學家的工程創新，都是推動AI發展不可或缺的力量。

兩個Shunyu Yao，兩條道路，同一個目標。

就像集齊龍珠可以召喚神龍一樣，或許有這么一家公司，集齊了所有的Shunyu Yao，那么它也就實現了AGI。

本文來自微信公眾號：字母AI，作者：苗正，編輯：王靖

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4835161.html?f=wyxwapp