本文来自微信公众号：字母AI，作家：苗正开yun体育网，裁剪：王靖，题图来自：视觉中国

谷歌CEO皮查伊在X上高调文书，Gemini 3 Deep Think在最难的挑战上，取得了前所未有的获利。

这个神气，正是姚顺宇加入谷歌后参与的第一个分量级神气。

看成谷歌的敌手之一，xAI的独创东谈主马斯克都不由得在这条贴文里留住了一句“令东谈主印象长远”，皮查伊则回应给他一个“大拇指”神气。

关联词，当东谈主们翻看姚顺宇的阅历时，频繁都会以为我方搜错名字了。

但你莫得看错，姚顺宇确实莫得任何计较机布景，他自己是一位表面物理学家，他的博士盘算推算标的是量子引力和量子信息淆乱。

正所谓遇事未定量子力学。

当Scaling Law逐渐失效，AI产业正在经历的一场变革。

真实能给AI带来冲突，带着东谈主们走向AGI的，大致反而是那群懂得用物理，来统一“智能”这个词本色的东谈主。

一、这孩子打小就心爱物理

姚顺宇小时候随父母从宁夏来到上海，就读于浦东新区的上南中学东校。初三时，他在浦东新区物理竞赛中拿了个三等奖。

有一说一，这获利不算特别亮眼，我小时候拿过物理竞赛的一等奖。

2012年，姚顺宇以保举生身份被上海市格致中学提前考中，随后便开动了他开挂般的东谈主生。

2015年，他考入清华大学物理系。

只不外其时没东谈主能意想，这个物理系更生，会在10年后给统共这个词AI界带来不小的颠簸。

进入清华后，姚顺宇的推崇开动不一样了。

大二放学期，当大多数同学还在为基础课程束手待毙时，他仍是开动上博士生的凝华态物理课程。

那一年，姚顺宇被周期驱动系统（Floquet systems）劝诱了。

这是个极其前沿的盘算推算规模，波及复杂的数学和物理见识。他和导师汪忠教诲一谈，写了篇50多页的长著述，完成了对高维、一般对称性下 Floquet周期驱动系统的拓扑分类。

这项职责为这一盘算推算标的建造了好意思满的表面框架，是一项相配系统的里程碑式拓扑分类职责。

何况，姚顺宇以第一作家身份，将这篇论文发表在了物理学顶级期刊Physical Review B上。

对一个本科生来说，这简直是不可能完成的树立。

物理系主任王亚愚教诲其后回忆说，在这门主要面向博士生的课程中，姚顺宇是十年来给我方印象最深的两名学生之一。

但真实让姚顺宇在物理学界出名的，是他在非厄米系统方面的发现。

在清华期间，他初度在国外上给出了对于非厄米系统的拓扑能带表面，并准确瞻望了筹商步地。

浅薄说，他发当今灵通量子系统中，电子态会神奇地“挤”到材料范畴，这种步地被称为“非厄米趋肤效应”(Non-Hermitian Skin Effect)。这个发现颠覆了传统拓扑物理的表面框架。

这项职责发表在 Physical Review Letters 上，并获取了裁剪保举。

这篇题为《Non-Hermitian Skin Effect and Chiral Damping in Open Quantum Systems》的论文，其后被援用近千次，成为姚顺宇学术影响力最高的作品。

2018年11月8日，清华大学本科生罕见奖学金答辩会举行。

这是清华授予本科生的最高荣誉，每年全校不及十东谈主，在这之中便有姚顺宇。

他也成为了物理系当年独一获此盛誉的学生。

2019年，姚顺宇去斯坦福大学读表面与数学物理博士。

他的导师是Douglas Stanford和Stephen H. Shenker。

前者被同业合计是最有后劲调动物剪发展标的的顶尖后生科学家，后者则是弦表面规模的听说东谈主物。

在斯坦福期间，姚顺宇盘算推算量子引力和量子信息淆乱（quantum scrambling），这是表面物理中最前沿、也最空洞的规模之一。

博士毕业后，他在加州大学伯克利分校作念博士后盘算推算。已矣面前，他的总援用次数非常5000次，h指数14。

二、一个学物理的凭什么能盘算推算AI?

固然许多东谈主大学选的专科，和他们毕业出来后找的职责都莫得径直关联，然则像姚顺宇这样一直在钻研物理学的东谈主，表面上应该找个物理筹商的职责。

然则姚顺宇偏巧选用了AI。

2024年10月，姚顺宇加入Anthropic，参与大模子Claude Sonnet框架的研发。

一个盘算推算量子引力的物理学者，凭什么能提神起寰宇顶尖AI公司的研发职责？

谜底其实不复杂。

大模子的中枢本领本色上是数学密集型的职责。试验大模子需要科罚高维空间中的优化问题，这跟物理学中的变分法、统计力学有很深的筹商。

姚顺宇盘算推算的拓扑物理、非厄米系统，用的数学器具，比如概率论、线性代数、张量计较、能源系统表面，它们跟深度学习高度重合。

更关键的是，表面物理和机器学习处理的是统一类问题：高维、非线性、涌现性强的复杂系统。

统计物理学中的吉布斯散布，就是机器学习中概率接洽的表面基础。深度神经网罗的试验经过，不错看作是在高维参数空间中找能量最小值，这跟统计物理中的开脱能最小化旨趣一个理由理由。

连年来越来越多盘算推算标明，统计物理的器具不错用来统一深度学习中的许多步地。

量子多体系统和大模子在数学结构上很相似。

在量子物理中，多数粒子互相作用时，会涌现出单个粒子层面无法瞻望的集体步履。

在大模子中，数十亿个神经元参数互相作用时，一样会涌现出超出预期的效果。

事实受骗今我们常说的念念维链推理、高下体裁习、指示罢黜，也都是依靠这种涌现的格式才出生的。

这种从微不雅到宏不雅的涌现步地，也正是物理学家最擅长盘算推算的。

因此，基于物理试验出来的“物理直观”，恰正是AI盘算推算最需要的。

从复杂步地中空洞出数学模子，这是物理学家的基本功。

在AI规模，这意味着能统一神经网罗的本色，而不是停留在调参层面。

物理学家民俗在不同圭臬上念念考问题，从微不雅粒子到宏不雅寰宇。这种跨圭臬建模的本领对应到AI中，就是统一从单个神经元到举座的全景图。

姚顺宇在斯坦福盘算推算的量子信息淆乱（quantum scrambling），见原的是量子信息如安在复杂系统中扩散和唠叨化，这套数学框架跟神经网罗中信息的传播和处理有相似的结构。

那么当他转去作念AI筹商的盘算推算时，这些看似空洞的物理表面，就严容庄容地酿成了统一大模子步履的器具。

更径直的筹商来自立化学习这个见识自己。

姚顺宇在Anthropic主要作念强化学习盘算推算，而强化学习的表面基础自己就源于物理学。

最优适度表面刚巧是来自经典力学的变分旨趣，旅途积分步伐径直模仿量子力学的费曼旅途积分，熵正则化来自统计物理的开脱能见识。

对一个表面物理学家来说，这些不是需要学习的新学问，而是仍是内化在念念维格式里的器具。

这种从物理到AI的升沉，不是姚顺宇一个东谈主的个案。

卷积神经网罗的发明者杨立昆（Yann LeCun），在进入AI规模之前，学的就是工程物理教诲。

深度学习的奠基东谈主杰弗里·辛顿（Geoffrey Hinton），他建议的玻尔兹曼机（Boltzmann Machine），名字就来自统计物理学家路德维希·玻尔兹曼。

而这套系统的中枢逻辑，等于用统计物理中的能量函数来刻画神经网罗的情状散布。

事实上，姚顺宇在加入Anthropic后，深度参与了Claude 3.7 Sonnet与Claude 4系列的强化学习模块研发，是这两代模子本领跃升的关键孝敬者。

这不是“跨界”，而是把物理器具愚弄到新规模。

当AI产业逐渐从“暴力堆算力”的Scaling Law时间，转向新阶段时，反而需要这样的物理学者。

三、新征途

2025年9月19日，姚顺宇在个东谈主博客上发了篇著述，文书离开 Anthropic。

在这篇著述里，他很坦诚地认知了辞职原因，并给出了一个精准的比例：40%和60%。

40%指的是不错公开的原因，来自于姚顺宇和Anthropic之间价值不雅上的冲突。

2025年9月5日，Anthropic在里面文献中把中国列为“adversarial nations”（仇怨国度），并文书罢手向“中国实体控股的公司”提供AI办事。

姚顺宇在博客中写谈：“我热烈反对 Anthropic 发表的反华言论。尽管我肯定 Anthropic 的大多数东谈主都会反对这样的言论，但我合计我莫得方针延续留在公司。”

这段话写得很克制，但能看出他的失望和无奈。

他特别强调“大多数东谈主都会反对”，认知他统一这个计谋不是来自公司里面的广大共鸣，更多是外部压力和公司高层决策的结果。

60%指的是那些波及“里面的神秘信息”，不可公开的信息。姚顺宇因守密契约无法详备清晰。

但他强调，我方“不但愿劝诫与学问受到特定实验室偏见的限定，尤其是在核情绪算已无需依赖论文发表确当下，更需要灵通、对等的科研环境”。

提及来像是个见笑，但执行情况就是，在AI盘算推算日益买卖化、禁闭化的今天，学术开脱和灵通勾通正在受到越来越多限定。

在博客收尾，他用了句理由深长的话：“It was good with you， but it is better without you.”（和你在一谈很好，但莫得你更好）这句话既是对曩昔一年职责的细目，亦然对畴昔谈路的期待。

这件事反应了在民众AI竞争的大布景下，华侨科学家濒临的复杂处境。

一方面，好意思国有寰宇上开始进的AI盘算推算资源和最优秀的科研团队。

可另一方面，受地缘影响，许多华侨科学家的身份成了作事发展的阻截。

但故事莫得在辞职中已矣。离开Anthropic仅10天后，姚顺宇就加入了Google DeepMind，担任高等盘算推算科学家（Senior Staff Research Scientist），且径直进入中枢Gemini团队。

这速率之快，认知DeepMind早就看中了他的本领。

不管是谷歌CEO皮查伊，如故DeepMind CEO哈萨比斯，他俩在国外勾通方面接收了更灵通的态度。

尤其是后者，他一直在倡导国外勾通，合计AI安全问题需要民众科学家共同致力于。

因此，即便一样受到好意思国出口管束拘谨，谷歌依然莫得富饶割断与中国盘算推算机构的筹商。

加入DeepMind后，姚顺宇立即插足Gemini团队的职责。

只是5个多月后，谷歌就推出了Gemini 3 Deep Think的要紧升级。

这是姚顺宇加入谷歌后参与的首个神气，获利足以让统共这个词AI圈恐惧。著述开始处就提到，此次更新致使让马斯克也对其推奖。

Gemini 3 Deep Think在多项基准测试中刷新了记载。

比如在ARC-AGI-2测试中，它达到了84.6%的获利。ARC-AGI是有利测试 AI 的空洞推理本领，测试的方针是检测AI在面对从未见过的新问题时，能否识别模式并找到科罚决策。

这种本领被合计是真实智能的符号，而不是浅薄的模式顾虑。

Gemini 3 Deep Think的获利，比第二名Claude Opus 4.6的68.8%跨越15%，比GPT-5.2 的 52.9% 更是跨越30%。

在Codeforces编程平台上，Gemini 3 Deep Think获取了3455分的Elo评分，达到“听说众人”(Legendary Grandmaster）级别，寰宇排行第8。

这意味着在算法竞赛和系统架构方面，全寰宇只须7个东谈主类身手员能超越它。

在奥林匹克竞赛水平测试中，Gemini 3 Deep Think在数学、物理、化学三个学科都达到了金牌水平。

更弥留的是，Gemini 3 Deep Think还处理那些缺少明确素质原则、谜底不独一、数据狼藉或不好意思满的现实挑战。

这其实是现时统共AI都濒临的短板。这些大模子固然在标准化测试中推崇出色，但面对真实寰宇的复杂问题时，往往推崇灾祸。

固然我们无法实在知谈姚顺宇在Gemini 3 Deep Think神气中具体提神了哪些职责，但从时候线上看，他在我方的X上，第一时候文书了Gemini 3 Deep Think的发布。

我个东谈主合计，姚顺宇在Anthropic积聚的强化学习劝诫，以及他看成物理学家对复杂系统的统一，为Gemini团队带来了新的视角和步伐。

四、两个“Shunyu Yao”的平行寰宇

说到Shunyu Yao，其实在AI盘算推算圈里，有两位著名盘算推算者都叫Shunyu Yao，发音富饶一样，都跟在顶尖的AI公司作念盘算推算职责，也都毕业于清华大学。

每次联系于“姚顺宇”的新闻，总有东谈主问：“是哪个姚顺Yu？”

跟本文的主角不同，另一位姚顺宇是正经八百的计较机布景。

他是清华姚班毕业，普林斯顿大学计较机科学博士，曾在OpenAI职责，面前已加入腾讯。

姚顺宇在AI圈的名气，要比物理学家姚顺宇更大。

他建议的ReAct框架（Reasoning and Acting），是连年来最有影响力的辅导工程步伐之一。

这个框架的中枢念念想是让AI“边念念考边活动”，不是先完成统共推理再履行，而是在推理和活动之间瓜代进行，就像东谈主类科罚问题时的念念维经过。

ReAct论文发表于2022年10月，到2025年仍是被援用非常4000次，成了辅导工程规模的经典职责。

姚顺宇的另一项弥留孝敬是念念维树（Tree of Thoughts）。

若是说念念维链是让AI学会了“一步步念念考”，那念念维树就让 AI 学会了“探索多条念念路”。

在面对复杂问题时，AI不再只沿着一条旅途推理，而是不错同期探索多个可能的科罚决策，评估每条旅途的出路，然后选用最有但愿的标的深入。

姚顺宇在谷歌Scholar上的援用数非常15000次，远高于物理学家姚顺宇的5000次。

但我合计这不奇怪，计较机科学规模的论文援用速率，蓝本也要比物理学快得多，而且姚顺宇的职责更接近愚弄层面，影响范围更广。

但援用数弗成富饶斟酌一个科学家的价值，两个Shunyu Yao都在各自规模作念出了弥留孝敬。

若是说姚顺宇是从“量子力学”动身来盘算推算 AI，那姚顺宇就是从“让AI像东谈主类一样念念考和活动”的角度切入。

两个东谈主的盘算推算步伐、念念维格式、致使用的数学器具都不一样，但他们都在用我方的格式，去完结AGI。

姚顺宇在腾讯的职责，面前来看，是主要会聚在agent上的。他发布的论文《CL-bench》，就是一个用于评估AI agent本领的基准测试。

它很是于一个给AGI盘算推算者们明确一个标的，只须你的盘算推算结果能在CL-bench上拿高分，那就认知你接近AGI。

姚顺宇则是更为径直，因为他合计真实的智能需要统一生界的底层规则。

物理学提供了刻画寰宇运行的数学谈话，从量子力学到统计物理，从信息论到复杂系统，这些都是构建真实智能系统的表面基石。

那么通过物理学，便不错让AI的智能水平更进一竿，围聚AGI。

但不管怎样，莫得哪一种步伐是独一正确的，莫得哪一个学科能独自科罚统共问题。

物理学家的表面洞悉和计较机科学家的工程革命，都是鼓励AI发展不可或缺的力量。

两个Shunyu Yao，两条谈路，统一个方针。

就像集皆龙珠不错召唤神龙一样，大致有这样一家公司，集皆了统共的Shunyu Yao，那么它也就完结了AGI。

本文来自微信公众号：字母AI，作家：苗正，裁剪：王靖