本文来自微信公众号：字母 AI，作家：苗正，裁剪：王靖，题图来自：视觉中国

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

这个技俩，正是姚顺宇加入谷歌后参与的第一个分量级技俩。

行为谷歌的敌手之一，xAI 的首创东谈主马斯克都不由得在这条贴文里留住了一句"令东谈主印象深入"，皮查伊则报告给他一个"大拇指"色彩。

关联词，当东谈主们翻看姚顺宇的阅历时，往往都会以为我方搜错名字了。

但你莫得看错，姚顺宇真的莫得任何诡计机配景，他本人是一位表面物理学家，他的博士探究方针是量子引力和量子信息侵扰。

正所谓遇事未定量子力学。

当 Scaling Law 肃穆失效，AI 产业正在经历的一场变革。

实在能给 AI 带来冲破，带着东谈主们走向 AGI 的，好像反而是那群懂得用物理，来厚实"智能"这个词实质的东谈主。

一、这孩子打小就可爱物理

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取，随后便运转了他开挂般的东谈主生。

2015 年，他考入清华大学物理系。

只不外那时没东谈主能猜想，这个物理系重生，会在 10 年后给扫数这个词 AI 界带来不小的震荡。

进入清华后，姚顺宇的施展运转不一样了。

大二放学期，当大多数同学还在为基础课程猝不及防时，他如故运转上博士生的凝合态物理课程。

那一年，姚顺宇被周期驱动系统（Floquet systems）诱导了。

这是个极其前沿的探究限制，波及复杂的数学和物理倡导。他和导师汪忠陶冶一皆，写了篇 50 多页的长著作，完成了对高维、一般对称性下 Floquet 周期驱动系统的拓扑分类。

这项使命为这一探究方针设立了完好意思的表面框架，是一项格外系统的里程碑式拓扑分类使命。

而况，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设置。

物理系主任王亚愚陶冶其后回忆说，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。

但实在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，并准确瞻望了斟酌表象。

浅易说，他发当今绽放量子系统中，电子态会神奇地"挤"到材料界限，这种表象被称为"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。

这项使命发表在 Physical Review Letters 上，并赢得了裁剪保举。

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，清华大学本科生稀奇奖学金答辩会举行。

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。

前者被同业觉得是最有后劲变调物剃头展方针的顶尖后生科学家，后者则是弦表面限制的听说东谈主物。

在斯坦福期间，姚顺宇探究量子引力和量子信息侵扰（quantum scrambling），这是表面物理中最前沿、也最玄虚的限制之一。

博士毕业后，他在加州大学伯克利分校作念博士后探究。限定面前，他的总援用次数卓越 5000 次，h 指数 14。

二、一个学物理的凭什么能探究 AI?

天然许多东谈主大学选的专科，和他们毕业出来后找的使命都莫得平直关联，然而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斟酌的使命。

然而姚顺宇偏巧弃取了 AI。

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

一个探究量子引力的物理学者，凭什么能谨慎起寰宇顶尖 AI 公司的研发使命？

谜底其实不复杂。

大模子的中枢本领实质上是数学密集型的使命。磨真金不怕火大模子需要治理高维空间中的优化问题，这跟物理学中的变分法、统计力学有很深的斟酌。

姚顺宇探究的拓扑物理、非厄米系统，用的数学用具，比如概率论、线性代数、张量诡计、能源系统表面，它们跟深度学习高度重合。

更重要的是，表面物理和机器学习处理的是并吞类问题：高维、非线性、走漏性强的复杂系统。

统计物理学中的吉布斯永诀，就是机器学习中概率推断的表面基础。深度神经集结的磨真金不怕火经由，不错看作是在高维参数空间中找能量最小值，这跟统计物理中的解放能最小化道理一个道理。

比年来越来越多探究标明，统计物理的用具不错用来厚实深度学习中的许多表象。

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，大都粒子相互作用时，会走漏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相互作用时，雷同会走漏出超出预期的效果。

事实上圈套今我们常说的想维链推理、高下体裁习、指示除名，也都是依靠这种走漏的状貌才出生的。

这种从微不雅到宏不雅的走漏表象，也正是物理学家最擅长探究的。

因此，基于物理磨真金不怕火出来的"物理直观"，恰正是 AI 探究最需要的。

从复杂表象中玄虚出数学模子，这是物理学家的基本功。

在 AI 限制，这意味着能厚实神经集结的实质，而不是停留在调参层面。

物理学家民风在不同圭臬上想考问题，从微不雅粒子到宏不雅天地。这种跨圭臬建模的智商对应到 AI 中，就是厚实从单个神经元到举座的全景图。

姚顺宇在斯坦福探究的量子信息侵扰（quantum scrambling），矜恤的是量子信息如安在复杂系统中扩散和雄伟化，这套数学框架跟神经汇汇聚信息的传播和处理有相似的结构。

那么当他转去作念 AI 斟酌的探究时，这些看似玄虚的物理表面，就振振有词地酿成了厚实大模子步履的用具。

更平直的斟酌来自立化学习这个倡导本人。

姚顺宇在 Anthropic 主要作念强化学习探究，而强化学习的表面基础本人就源于物理学。

最优摆布表面碰劲是来自经典力学的变分道理，旅途积分方法平直鉴戒量子力学的费曼旅途积分，熵正则化来自统计物理的解放能倡导。

对一个表面物理学家来说，这些不是需要学习的新学问，而是如故内化在想维状貌里的用具。

这种从物理到 AI 的振荡，不是姚顺宇一个东谈主的个案。

卷积神经集结的发明者杨立昆（Yann LeCun），在进入 AI 限制之前，学的就是工程物理栽植。

深度学习的奠基东谈主杰弗里 · 辛顿（Geoffrey Hinton），他提议的玻尔兹曼机（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，即是用统计物理中的能量函数来描述神经集结的情状永诀。

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，是这两代模子智商跃升的重要孝敬者。

这不是"跨界"，而是把物理用具运用到新限制。

当 AI 产业肃穆从"暴力堆算力"的 Scaling Law 期间，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作，幸运飞艇app下载晓示离开 Anthropic。

在这篇著作里，他很坦诚地评释了下野原因，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 "（脑怒国度），并晓示住手向"中国实体控股的公司"提供 AI 办事。

姚顺宇在博客中写谈："我浓烈反对 Anthropic 发表的反华言论。尽管我战胜 Anthropic 的大多数东谈主都会反对这样的言论，但我觉得我莫得办法连接留在公司。"

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"，评释他厚实这个战略不是来自公司里面的遍及共鸣，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"里面的玄机信息"，不可公开的信息。姚顺宇因守密合同无法详备走漏。

但他强调，我方"不但愿陶冶与学问受到特定实验室偏见的限制，尤其是在中枢探究已无需依赖论文发表确当下，更需要绽放、对等的科研环境"。

提及来像是个见笑，但推行情况就是，在 AI 探究日益买卖化、封锁化的今天，学术解放和绽放调解正在受到越来越多限制。

在博客收尾，他用了句苦心婆心的话：" It was good with you， but it is better without you. "（和你在一皆很好，但莫得你更好）这句话既是对往常一年使命的详情，亦然对未来谈路的期待。

这件事反应了在公共 AI 竞争的大配景下，华侨科学家濒临的复杂处境。

一方面，好意思国有寰宇上开端进的 AI 探究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事业发展的破裂。

但故事莫得在下野中斥逐。离开 Anthropic 仅 10 天后，姚顺宇就加入了 Google DeepMind，担任高档探究科学家（Senior Staff Research Scientist），且平直进入中枢 Gemini 团队。

这速率之快，评释 DeepMind 早就看中了他的智商。

无论是谷歌 CEO 皮查伊，如故 DeepMind CEO 哈萨比斯，他俩在国外调解方面遴荐了更绽放的态度。

尤其是后者，他一直在倡导国外调解，觉得 AI 安全问题需要公共科学家共同英勇。

因此，即便雷同受到好意思国出口照顾欺压，谷歌依然莫得透顶堵截与中国探究机构的斟酌。

加入 DeepMind 后，姚顺宇立即进入 Gemini 团队的使命。

只是 5 个多月后，谷歌就推出了 Gemini 3 Deep Think 的首要升级。

这是姚顺宇加入谷歌后参与的首个技俩，获利足以让扫数这个词 AI 圈恐惧。著作开端处就提到，此次更新致使让马斯克也对其传诵。

Gemini 3 Deep Think 在多项基准测试中刷新了记录。

比如在 ARC-AGI-2 测试中，它达到了 84.6% 的获利。ARC-AGI 是特意测试 AI 的玄虚推明智商，测试的指标是检测 AI 在面对从未见过的新问题时，能否识别方法并找到治理决议。

这种智商被觉得是实在智能的记号，而不是浅易的方法挂牵。

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

在 Codeforces 编程平台上，Gemini 3 Deep Think 赢得了 3455 分的 Elo 评分，达到"听说巨匠" ( 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，全寰宇唯独 7 个东谈主类关节员能超越它。

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。

更要紧的是，Gemini 3 Deep Think 还处理那些空泛明确指挥原则、谜底不独一、数据参差或不完好意思的现实挑战。

这其实是面前扫数 AI 都濒临的短板。这些大模子天然在秩序化测试中施展出色，但面对真实寰宇的复杂问题时，常常施展晦气。

天然我们无法实在知谈姚顺宇在 Gemini 3 Deep Think 技俩中具体谨慎了哪些使命，但从时刻线上看，他在我方的 X 上，第一时刻晓示了 Gemini 3 Deep Think 的发布。

我个东谈主觉得，姚顺宇在 Anthropic 累积的强化学习陶冶，以及他行为物理学家对复杂系统的厚实，为 Gemini 团队带来了新的视角和方法。

四、两个" Shunyu Yao "的平行天地

说到 Shunyu Yao，其实在 AI 探究圈里，有两位驰名探究者都叫 Shunyu Yao，发音透顶一样，都跟在顶尖的 AI 公司作念探究使命，也都毕业于清华大学。

每次斟酌于"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诡计机配景。

他是清华姚班毕业，普林斯顿大学诡计机科学博士，曾在 OpenAI 使命，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。

他提议的 ReAct 框架（Reasoning and Acting），是比年来最有影响力的领导工程方法之一。

这个框架的中枢想想是让 AI "边想考边行动"，不是先完成扫数推理再奉行，而是在推理和行动之间瓜代进行，就像东谈主类治理问题时的想维经由。

ReAct 论文发表于 2022 年 10 月，到 2025 年如故被援用卓越 4000 次，成了领导工程限制的经典使命。

姚顺宇的另一项要紧孝敬是想维树（Tree of Thoughts）。

如若说想维链是让 AI 学会了"一步步想考"，那想维树就让 AI 学会了"探索多条想路"。

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治理决议，评估每条旅途的远景，然后弃取最有但愿的方针深入。

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

但我觉得这不奇怪，诡计机科学限制的论文援用速率，蓝本也要比物理学快得多，而且姚顺宇的使命更接近运用层面，影响范围更广。

但援用数不行透顶忖度一个科学家的价值，两个 Shunyu Yao 都在各自限制作念出了要紧孝敬。

如若说姚顺宇是从"量子力学"开赴来探究 AI，那姚顺宇就是从"让 AI 像东谈主类一样想考和行动"的角度切入。

两个东谈主的探究方法、想维状貌、致使用的数学用具都不一样，但他们都在用我方的状貌，去齐备 AGI。

姚顺宇在腾讯的使命，面前来看，是主要联结在 agent 上的。他发布的论文《CL-bench》，就是一个用于评估 AI agent 智商的基准测试。

它相等于一个给 AGI 探究者们明确一个方针，只消你的探究着力能在 CL-bench 上拿高分，那就评释你接近 AGI。

姚顺宇则是更为平直，因为他觉得实在的智能需要厚实寰宇的底层律例。

物理学提供了描述天地运行的数学话语，从量子力学到统计物理，从信息论到复杂系统，这些都是构建实在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，聚拢 AGI。

但无论若何，莫得哪一种方法是独一正确的，莫得哪一个学科能独自治理扫数问题。

物理学家的表面细察和诡计机科学家的工程立异，都是鼓励 AI 发展不可或缺的力量。

两个 Shunyu Yao，两条谈路，并吞个指标。

就像集皆龙珠不错召唤神龙一样，好像有这样一家公司，集皆了扫数的 Shunyu Yao，那么它也就齐备了 AGI。