AI正在研究AI，留给人类的时间不多了

2026年Q1，科技圈有一种“大繁荣后的宿醉感”。巨头重组、模型迭代、并购传闻、资本回报，几条线缠在一起，最后都落到同一个问题上：AI是不是慢下来了？

姚顺宇出身清华、斯坦福，横跨理论物理与前沿AI，曾在 Anthropic 与 Google DeepMind 的大模型研发一线工作。他看AI，不太像看一门普通技术，更像看一个不断扩张的物理系统。

所以他的判断里，很少有“天才叙事”，更多是尺度、相变、排障、反馈闭环。听起来不浪漫，但可能更接近今天大模型工业化的真实现场。

01别再找“神”了，AI不需要天才，需要靠谱

过去几年，科技圈很喜欢寻找下一个“奥本海默”。我们迷恋灵光一现，迷恋某个超级大脑突然写出改变世界的公式。

但到今天，姚顺宇给出的判断很冷：“AI这个事不太需要‘脑子’，它需要的是做事，然后对自己做的事负责。”

这句话不好听，却点中了AI研发进入新阶段后的变化：AI开发早就不是少数天才的灵感游戏，而是一场极度精密的系统工程。

姚顺宇用物理里的“相变”来描述这件事。当计算量、数据规模和工程能力跨过临界点，挑战就会从“寻找框架”，转向“扩展框架”。

这时候，最重要的不是提出一个漂亮概念，而是把巨大系统稳定跑起来。把异常追到底，把细节做到没有短板，把每一次实验的偏差解释清楚。草莽时代拼天赋，工业时代拼靠谱。

02Scaling Law没有死，它只是被人写上了Bug

这两年，“大模型撞墙”的声音越来越多。有人说预训练红利耗尽了，有人说参数规模不再有效，也有人说 Scaling Law 已经走到尽头。

姚顺宇的看法更尖锐：很多时候，那不是物理极限，而是工程失败。

他把“撞墙”大致拆成三类：一是误判规律适用范围，二是数据条件变了，三是最常见也最隐蔽的一类，代码里有 Bug。

这句话真正有杀伤力的地方，是它把很多看似高深的争论拉回了训练现场。不是 Scaling Law 死了，而是你的实验可能没跑对，数据可能没处理干净，评估链路可能已经偏了。

用物理学里的“重整化群”来理解，就是尺度变了，本质也会变。如果还拿小模型时代的直觉审视新尺度模型，就很容易把工程疏漏导致的停滞，误认为物理极限。

03程序员消亡与新生：99%的代码已由AI生成

AI对软件工程的改造，已经不是未来时。在最前沿的AI实验室里，研究员写代码的方式已经变了：大量代码由AI生成，人更多是在设计逻辑、提供上下文、审查结果和修正方向。

人的角色正在从“码字员”，变成“逻辑设计者”和“上下文提供者”。

为什么最先被AI爆破的是 Coding？原因很简单：编程有近乎完美的闭环。GitHub 沉淀了海量代码，错误信息和测试结果能提供清晰反馈，代码能不能跑，一测便知。

这并不意味着程序员会一起消失。相反，强程序员的杠杆会被继续放大。写代码变便宜以后，真正稀缺的是理解复杂业务、拆解系统逻辑、组织上下文、判断AI输出质量的能力。普通程序员的空间被压缩，顶级程序员的产出会被放大到过去难以想象的程度。

04别吹聊天机器人了，它是挡在AI面前的“窄带”

今天，大多数人接触AI，仍然是通过 Chatbot：一个输入框，一段对话，一来一回。

姚顺宇对这种形态并不满意。他认为，聊天框本质上是一条很窄的带宽。模型明明有很强的能力，却只能通过自然语言这个狭窄通道与人协作。面对复杂任务，这种交互太慢，也太容易丢上下文。

这也是为什么，真正率先跑出商业闭环的AI原生场景，不是“万能生活助理”，而是 Agentic Coding。智能编码有清晰目标，也有客观反馈：代码能不能运行，测试能不能通过，Bug 有没有修掉，系统有没有变快。

所谓通用助理的问题在于，它常常没有明确评价标准。什么叫“帮得好”？什么叫“理解我”？这些东西很难稳定定义，也就很难形成可靠反馈。AI真正的进化方向，可能不是陪人聊天，而是进入更高带宽的协作环境。

05AI研究AI的闭环，正在形成

姚顺宇对未来一年最激进的判断，是科研自动化正在逼近临界点。

这条链条已经能看见轮廓：提出假设，编写代码，运行实验，分析错误，修正偏差，然后继续循环。今天它还有断点，但断点正在减少。

一旦这条链条变得稳定，AI就不再只是回答问题的工具，而会成为一个可以持续试错、持续改进、持续发现新规律的研究系统。

这也解释了为什么“聪明蒸馏”会变得重要。以 ByteDance、豆包等团队为代表的路径，不只是机械模仿大模型输出，而是把模型放进评价、反馈、协作链路里。不同模型在同一个系统中互为教练，多Agent进化就不再只是概念。

06Anthropic vs. Google：两种野蛮与秩序

姚顺宇在 Anthropic 和 Google DeepMind 两种完全不同的组织里工作过。这让他能从内部看到两种AI公司的基因差异。

Anthropic更像一种自上而下的豪赌。创始核心拥有很强公信力，一旦捕捉到关键技术信号，组织可以迅速压上资源。它极度敏捷，也极度依赖少数核心判断。

Google则是另一种存在。它有成熟的工程体系、人才密度和基础设施能力，擅长把确定性的技术方向转化成高度可控的流水线，用规模、流程和细节优化不断追赶甚至反超。

如果说 Anthropic 是在寻找相变点，那么 Google 是在优化整个物理场。AI竞争不只是模型竞争，也是组织形态竞争。

07浪潮之下，保护你的“无意义创造力”

站在姚顺宇的坐标系里，AI的进程不像一场普通技术革命，更像一场不可逆转的物理过程。它不因为焦虑而停止，也不因为怀疑而减速。

当AI逐渐学会所有理性逻辑，人类会被迫退到最后的阵地。那个阵地，是“无标准价值”：那些无法被损失函数量化、没有明确评价标准、甚至看起来不太实用的东西。

如果AI已经能优化所有“正确”的事情，那么人类真正要保护的，也许不是更正确，而是更鲜活。

未来最稀缺的，可能不是答案。是有人愿意定义一个没有标准答案的问题。