英雄主义已经过去：训过两年大模型，他给了 5 个反共识判断

一句话总结：训过 Claude 3.7、4.5 和 Gemini 的姚舜禹给出 5 个反共识判断——Scaling Law 没到头、撞墙多半是有 bug、AI 不需要脑子需要的是「靠谱、细、负责」、英雄主义已经过去、字节是被严重低估的公司。一句话：AI 是集体主义工程，不是天才英雄秀。

开场

硅谷有两个姚舜禹。一个本科是清华姚班、普林博士，在 OpenAI 后跳腾讯做首席 AI 科学家。这篇文章的主角是另一个——本科清华基科班学物理、斯坦福理论物理博士、Anthropic 待一年训了 Claude 3.7，然后 2024 年 9 月跳去 Google DeepMind，参与 Claude 4.5 后续和 Gemini 训练。

他没有”出圈”——你在中文媒体上几乎找不到他的长访谈。但他参与了过去 18 个月里两条最重要的前沿模型管线。这种一线工程师视角的判断，往往是最值钱的。

行业里的”共识”大多是从二手转述里凝固出来的——Scaling Law 到头了、AI 拼天才、字节追不上 OpenAI。这些共识对吗？

答案是一句话：大部分共识都错了。AI 是集体主义工程不是英雄秀；Scaling Law 没到头；撞墙的人多半是有 bug；AI 不需要脑子需要靠谱；字节被严重低估。下面分五层展开。

金字塔总览

mindmap
  root((训模型 2 年<br/>5 个反共识判断))
    一·Scaling Law 没到头
      预训练仍在变强
      未来 4 个月没到头迹象
      共识被误读了
    二·撞墙多半是有 bug
      规律到头 数据墙 有 bug
      修 bug 大于加技巧
      系统性 ablation 才靠谱
    三·AI 不需要脑子
      需要靠谱 细 负责
      本科生就能干
      不再是天才游戏
    四·英雄主义已过去
      集体主义工程
      idea is cheap
      靠 execution 不靠想法
    五·中美格局
      美国 to B 强
      中国 to C 强
      字节被严重低估

一、Scaling Law 没到头：撞墙的人多半是工作里有 bug

几乎整个 2025 年，“预训练 Scaling Law 已经到头”是行业共识。OpenAI 公开转向后训练强化学习作为”第二个金矿”。姚舜禹反共识地判断——没到头。

1.1 一线观察

1.2 觉得”到头了”通常是三种原因之一

“我的猜测是——绝大多数撞到墙的人是第三种。“

1.3 修 bug 比加技巧重要

bug 的常见类型：

• Scaling Law 实验的科学假设没选对（如 token horizon、数据来源）
• 纯粹的代码 bug

“在业界这其实并不惊奇——很多时候修好一个 bug，带来的进展远大于一些很神奇的技巧。“

1.4 信念 + 系统性 ablation 才能识别真假撞墙

金句：“到头了”是信念问题不是技术问题——你认为它能解就能解，认为不能解就到头了。修 bug 比加技巧值钱十倍。

二、算力和数据是主驱动，算法只在相变点关键

第二个反共识——大部分人以为算法是模型能力的关键，姚舜禹给的排序是：数据 + 算力 > 算法。

2.1 三个驱动力的真实地位

2.2 Transformer 之后，算法的作用变小了

• Transformer 之前——完全不知道怎么 scale，算法是天花板
• Transformer 之后——慢慢平滑提升对算力、数据的利用效率

“在现在比较清晰的 paradigm（预训练 / 后训练）下，主要驱动力其实是算力和数据。“

2.3 现在的瓶颈不在技术，在「教什么」

模型已经像一个非常聪明的小孩——人类作为老师，不知道下一个要教什么。

• 我们知道有 chatbot 可以聊天
• 我们知道有 coding agent 可以写代码
• 下一个能教的有用任务是什么？——这才是当下真正的瓶颈

金句：算法只在相变点关键——日常竞争里，算力 + 数据是 90% 的胜负手。

三、AI 不需要脑子——它需要靠谱、细、对自己做的事负责

姚舜禹本科清华、斯坦福理论物理博士，按”硅谷神话”标准是天才。但他亲口说——

“AI 这事本来也不太需要脑子。真的不太需要脑子。“

3.1 那需要什么？

“都是一些本科生就能干的活。“

3.2 为什么这个 insight 重要——AI 训练是系统工程

姚舜禹举了一个具体例子——很多人问 Anthropic / Gemini 怎么训模型，他不愿意答，因为答了也是误导：

“现代 AI 训练是一个大系统——你要了解的是这个系统的方方面面，才能有全局认识。问 tips 是没用的。“

3.3 优秀研究员 ≠ 聪明

金句：AI 不需要脑子，需要靠谱、细、对全局负责——本科生就能干，但要有这套素质。

四、英雄主义已经过去——这是集体主义工程

第四个反共识，也是访谈最锋利的一刀。

4.1 他在 AI 行业没有偶像

“我感觉我来这个行业的时候，个人英雄主义时代已经过去了。所以也没有什么英雄。有时候你甚至觉得旧时代英雄有点蠢。”

他在物理博士时是有偶像的——他的年轻 PI 让他觉得”比我聪明太多了，有他在这个领域也没我的事”。这是他最终跑出物理学去 AI 的真实原因——不是降维打击，是认怂转赛道。

“AI 这事本来也不需要脑子嘛。“

4.2 早期 Anthropic 是什么样的”集体主义”

“idea is cheap——很多想法所有人都知道，难的是把它变成一个个可实现的小步骤，做出来。“

4.3 公司治理：自上而下 vs 自下而上

姚舜禹的判断：好的组织最终是技术 leader 的问题。优秀的 leader 要有两个特质：

1. 能救火——遇到困难能自己下场带人解决，不光嘴上说
2. 能容人——理解为什么别人做的事虽然不是自己的方向，但很重要

4.4 「拉不下脸」的责任感

记者问他对全局负责的自觉性从哪里来：

“我可能就是拉不下脸——你对一个公司负责是你跟它的契约的一部分。这么做是没有原因的。”

简单、毫无矫饰，但比所有讲”使命愿景价值观”的话都到位。

金句：英雄主义已经过去——AI 这事真的不需要脑子，需要的是一群拉不下脸不为公司负责的人组成集体。

五、中美 AI 格局：to B 美国强，C 端字节被严重低估

最后一个反共识，关于中美。

5.1 美国擅长「直接收费」，中国擅长「间接变现」

5.2 美国的 to B 市场太大，挤掉了 C 端基因

• 美国 C 端长期只有 ChatGPT 一家，“也没啥油水”
• 大家都把重心放在 enterprise / 效率软件
• 过去 10 年美国所有正反馈都来自 to B
• 结果：美国做 C 端产品的人能力比中国差远了

5.3 字节是被严重低估的公司

5.4 关于”new lab 潮”

硅谷最近大量从大厂跳出来成立 new lab：

“我的感觉是——绝大多数 new lab 都会死。有少数是真的有好的人，但有些 new lab 我完全不知道他们要干嘛——这俩人其实已经远离这个专业好久了。”

金句：美国的钱太好挣，所以反而做不出能让你离不开的 C 端产品——而字节因为在挣钱难的中国长出来，反而有了别人复制不来的”圈一旦转起来谁也插不进去”的能力。

一页速览

一句话收束

英雄主义已经过去——这事不需要脑子，需要的是一群「拉不下脸不替公司负责」的人，在 Scaling Law 还没到头的赛道里，把每个 bug 修干净。