如果你还在憧憬下一个AI「天才」，你可能已经落伍了。模型学会了自我成长，但个人英雄的光环却在消失。姚顺宇，一个从清华到斯坦福、从物理到AI的研究员，亲历了Anthropic与DeepMind两大巨头的变革浪潮。他的故事，是这个时代科技协作的缩影。
姚顺宇的世界，从公式推导到算力竞速，跨度极大。他曾埋首非厄米系统、量子物理、高能理论，习惯了在黑板前独自攻关。2024年，姚顺宇从理论物理转身投入Anthropic，成为前沿AI模型研发一线的研究科学家。次年，他又跳槽至Google DeepMind，参与Claude 3.7、4.5与Gemini 3等项目，见证了模型能力的极速迭代。一个物理学家，带着科学求真的细致，投身最炙热的AI实验场。
但，姚顺宇眼中的AI，不再是单打独斗的竞技场。「AI这个事本来也不太需要脑子，这个行业最重要的特质就是靠谱。」这句话令人意外地冷静。他并不推崇个人英雄主义，反而直言：「大家现在是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。」技术突破背后，是系统协作的力量，而非孤胆英雄的闪光。
在Anthropic，姚顺宇体验了极致的自上而下管理。「Anthropic的技术leader有公信力，能实行top-down决策。你会发现公司方向和信息流很清晰，核心成员根据CEO指令迅速推进，决策效率极高。」但这也带来一种紧绷感。姚顺宇坦言：「我当时不特别认同Anthropic CEO的某些极端言论，这是40%的离职原因。更大原因是想学不一样的东西。」
**跳槽到DeepMind后，一切变了。**DeepMind是大公司，研究自由度更高。「在DeepMind，你有机会接触更广泛的方向，比如多模态生成，大家可以bottom-up提出新想法。」但团队决策变得冗长，信息分散，每个人都在某个小点上深挖。两种模式的优缺点鲜明对照：Anthropic像高效军队，DeepMind则像松散学术联盟。姚顺宇发现，系统性排除可能性的能力，比任何单一技巧都重要。
然而，技术前沿依然扑朔迷离。有人说，预训练的Scaling Law已经触顶。但姚顺宇直接否定：「预训练Scaling Law，我觉得完全没有看到到头的迹象。很多撞到墙的人其实是因为有bug没发现，而不是真正到了极限。」他见证了模型学习能力的跃迁——只要数据和问题定义清晰，模型总能学出来。
2026年，姚顺宇最在意的突破，是模型「train with finite context，use as infinite context」——用有限上下文训练，却能在推理时无缝扩展上下文。这意味着什么？意味着AI助手能持续与你交互，动态记忆、丢弃无用信息，彻底改变人机关系。「这件事今年有机会实现。」姚顺宇笃定。无限上下文不只是技术细节，而是解锁全新应用生态的钥匙。
人们关心AI是否会取代程序员。姚顺宇坦率：「会有这一天。AI是一个非常centralized的technology，会让少部分人变得更强，但会让大部分人失去独特价值。可能最后1‰的程序员干了过去所有人的工作，拿着100倍的工资。」听上去冷酷，但这正是现实。**编程工作90%以上由模型完成，研究效率提升20-50倍。**这背后有两个关键原因——第一，代码的reward signal极其清晰：跑通就是成功。第二，GitHub沉淀了几十年优质代码，数据天然高质量。AI模型在这一领域「先天优势」明显，进步比其他复杂任务更快。
「这个时代，谈每一个个人的影响是一个很虚无缥缈的事情。在大系统里，不在于你这个人去干或不干，你不干自有别人一样能干出来。」姚顺宇的话，既是自谦，也是对现状的深刻洞察。真正决定AI进步的，是系统级协作和执行力。
回望自己的转型之路，姚顺宇更看重靠谱与责任感，而不是「聪明」。他在Anthropic学到，**「系统性排除可能性的能力」远比某个绝招更珍贵。**AI的世界不再是几个人的舞台，而是千百人共同编织的浪潮。每一个冲浪的人都重要，但更重要的是那个浪。
夜色渐深，姚顺宇坐在DeepMind的办公桌前，屏幕上闪烁着新一轮模型的训练日志。窗外是静谧的城市夜色。他知道，个人的光芒已经融入更大的系统。英雄主义的时代已经过去。新的AI浪潮，正在悄然酝酿。
你会成为那个「冲浪的人」吗？还是，成为浪的一部分？
答案，留给时代。