前 Anthropic、现 Gemini 研究员姚顺雨：AI 行业不需要脑子，需要可靠

姚顺雨是张小珺最新一期播客的嘉宾。清华本科、斯坦福理论物理博士、伯克利做了两周博士后就辞职，去 Anthropic 待了一年，2025 年九十月加入 Google DeepMind 的 Gemini。他和「另一个姚顺雨」（前 OpenAI、现腾讯首席 AI 科学家）同名，但路径完全不同。

整场访谈最反常识的一句留给了 AI 行业的从业者画像：「这个行业其实不需要脑子，真的不需要太多脑子。」这一波 AI 浪潮里每个人本质上都是冲浪者，浪本身才是关键——在这种格局下最稀缺的不是聪明，而是可靠、对细节较真、对自己做的事负责。

大公司的包袱 vs. 创业公司的押注

Anthropic 那种相对 top-down 的机制别家学不来，「OpenAI 做不到，Gemini 也很难。」区别不在能力，而在结构性约束：

• 创业公司必须押注——选对方向就活，押错就死
• 大公司必须背包袱——合规、品牌、资源分配的成本远高于研发本身

Google 不会发布 Claude Code 早期那种「用了可能把电脑搞崩、需要单独再买一台机器」的工具。这也是为什么 Manus、OpenClaw 这一类 agent 产品都不是大厂出的：能承担失败风险的是个人和小公司。

Pre-training「party is over」是误判

姚顺雨顺手纠正了一个流行判断——pre-training 已经到顶。

他承认自己加入 Anthropic、做 Claude 3.7 那阵也有过这种感觉，但深入之后发现 pre-training 不是「越堆越大」那么简单，而是一个相当系统的框架，能告诉你哪些方向更有效。Anthropic 和 Gemini 的 pre-training 都在持续推进；只有 OpenAI 卡了很久才追上。

技术层面 pre-train 和 post-train（含 SFT 与 RL）的本质区别不在算法、而在数据分布：

	pre-training	post-training
数据分布	要广	可以窄
数据质量	门槛不必极高	门槛极高
当下适合谁	top-down 工程能力强的玩家	还在试错的玩家

他抛了一个判断：pre-training 现在进入了 Google 的「工程舒适区」——Google 最擅长 top-down 把一个明确范式做扎实。post-training 仍然偏 bottom-up，留给大家试。

模型没有到顶，是我们不知道下一件该教什么

现在不是模型学不动了，是我们不知道下一件该教什么。

两个具体的短期判断：

1. 「finite context 训练 / infinite context 使用」 今年大概率能跑通。跑通后会解锁真正意义上的个人助理——模型可以持续接收用户信息、自动判断哪些丢弃、哪些保留
2. product manager 反而最难被 AI 替代——能 train 的前提是能 evaluate，而「什么是好产品」根本没有 metric

对程序员，他直接预测：会逐步替换，最终可能是千分之一的人做以前所有人的工作，拿一百倍的工资。

离开 Anthropic 时的悲观判断（事后被推翻）

他离开 Anthropic 时其实对公司很悲观，理由是当时 Anthropic 主要靠 API 卖 token，而「卖 token 这门生意只对 Google 一家是好生意——最终一定打价格战。」

事后证明判断失误：Claude Code 是 Boris Cherny 出于自用动机做出来的「个人英雄主义」产品，最终把 Anthropic 从 API 公司拉到了产品公司。Anthropic 的产品意识从那个节点起开始与 OpenAI 拉开差距。

中美 AI 消费产品 DNA 的根本差异

最后一段掷地有声：美国过去十年的正反馈都来自 B2B 和企业软件。

利润太高、太好赚，没人会绞尽脑汁想怎么从消费者口袋里掏钱。

而中国互联网十年磨出来的是把抖音、豆包这种「看起来不收你钱、实际上一直在收你钱」的复杂产品形态做透。结果是美国短期内做不出 Doubao 一类的 AI 消费产品——他给出的总结很狠：

Meta 干脆抄 Doubao 算了——但 Meta 也做不出来。

这条 DNA 差异短期内难以补足，因为它是十年用户产品经验的结果，不是一两次「copy 一下」能解决的。