AI 行业深度总结笔记

模型同质化

Gemini、OpenAI、Claude 三家头部玩家，没有任何一家会担心自己追不上。

从 paper benchmark 上差异已极小（80% 附近 ±1~2 个百分点属于噪声），但用户体验层面仍有清晰区别：

Claude—agent/通用工具使用最佳
Gemini—纯推理与日常使用较好
Claude（Cox）—纯 coding 上快速追近

纸面上大家都比较相近，高一点低一点主要是噪声而不是信号。

Open Cloud 现象

行业内未有太多惊讶——Open Cloud 展示了控制多个模型做很长 horizon 工作的可能性。技术上非新突破，但让业界的共同认知变得普遍。

Minus 与 Open Cloud 最终都出售给了模型公司（Meta 与 OpenAI），说明：

目前壁垒仍在模型侧，产品侧壁垒尚未形成。

大公司难以做出这类产品：打磨、法务、品牌、资源均是负担；个人/开源项目反而轻快。

Scaling 未到头

模型进步完全没有放缓。过去四个月预训练持续变强，未来四个月也看不到到头迹象。

判断方法：

遇到 bug 认为一定可解 → 没到头
系统性做 ablation（消融实验）是排除可能性的关键方法
从 50% 到 60% 是优化，70% 到 75% 的进步可能比 50 到 60 还大

趋势：预训练持续增强 多模态仍未想清楚

Coding 场景为何最快

奖励清晰且可测试—输入输出自动判断
数据现成—GitHub 提供海量高质量代码
产品简单—优秀程序员对“好代码”有共识

嘉宾自估 90% 以上（甚至 99-100%）代码由模型生成；研究效率较一年半前 20~50 倍加速。

Coding 是第一个 AI 真正原生的场景，因为它奖励清晰、数据现成、需求简单。

未来程序员

核心不是写代码，而是设计实现方案，以及与 AI 的有效协作。

2026 年预判

“用有限 context 训练，使用时接近无限 context”将解锁
个人助理类应用将被激活
技术路线尚未收敛，多条路径可能同时跑通
新未来：短 context 训练，长 context 做的事——选择性遗忘与检索

中美差距

过去一年半明显缩小。算力劣势反而逼出了对蒸馏的擅长。

硬蒸（直接取 token 训练）：不道德且愚蠢
软蒸（评审判等灰色操作）：技术上有趣
国内头部模型早期或有过硬蒸，现在已转向软蒸
“感觉蒸馏比较少的是字节”

中国人才观：AI 人才储备丰富，产品人才本质上比美国更好。

个人成长之路

姚舜宇 · Google DeepMind 研究员

清华物理本科 → 斯坦福理论高能物理博士（量子信息/黑洞方向）
Berkeley 短暂 postdoc 后迅速转向
加入 Topology 一年，后加入 Gemini
另一位姚舜宇：清华姚班，OpenAI → 腾讯首席 AI 科学家

学术到产业的关键转折：

动手能力弱，量子计算硬件方向不适合
AI 数值实验方式，与理论物理思维高度相似
从朋友获得 Anthropic 面试机会（创始团队有 3 位技术高管，两位物理出身）
手搓 Karpathy GPT 训练项目，附加课程学习，快速拿到 offer

你不争取是永远得不到的；争取了有可能得不到，但不争取就绝对得不到。

Anthropic 手记

加入时约 800 人，离开时近 2000 人
加入 10 人以下强化学习大组（Horizon）
参与 Claude 3.7 开发：研究约 2-3 个月 + 训练基建约 2 个月
3.7 为后训练 scaling 的里程碑（“分水岭式模型”）
离职原因：Dario（）极端反华立场约 40% 权重 + 文化冲击 + 学习需求

AI 没有到平台期的原因不是技术不够，而是人类作为老师不知道下一个该教什么。

行业格局观察

OpenAI：预训练组、RL 组（草莓）、post-training 组；post-training 兼有产品与模型训练属性
Google：传统 bottom-up 转向工程化 top-down；TPU 三维互联 vs GPU NVLink 互联
Anthropic：相对更 bottom-up，快速决策的 startup 打法
技术一号位的公信力 > CEO 公信力

大公司减少赌的成分，方方面面储备；startup 则必须赌一件事。

组织管理

面试题设计：24 小时从 0 到 1 构建 RL 项目（考察 AI 使用 + 是否真懂模型做了什么）
系统化做 AI 三要素：科学态度、可靠不负责任、理解系统运作
单点技巧分享容易误导人——一个东西有用与否取决于系统为何需要它

中美产品差异

美国 C 端产品能力远不如中国（正面反馈来自 to B，挣钱太容易）；中国擅长复杂间接变现（免费 + 广告/直播/电商），模式转动后极难被插入。

Benchmark 饱和

SWE-bench普遍 80+，无人超 83；Reasoning 赛道 AIME：十几 → GPT-3 三十 → Claude 4.5 六十 → Gem 3 Deep 破 80。指标已打满。

模型发布节奏明显加速，说明“大家都知道怎么做，没有秘密了”。

值得记住的话

这个行业最重要的特质就是靠谱，就是做事儿细，然后对自己做的事负责任。

大家都已经开始不那么担心 AI 是不是能够做得到，而是担心这件事是不是被良好定义。

我不认为模型撞到头；绝大多数撞到墙的人是因为自己的代码有 bug，没发现而已。

过去大家觉得最智力上有挑战的工作（数学、写代码、科研）反而更容易被 AI 做好——因为一旦想清楚怎么评价，就知道怎么训练。

AI 是一个很 centralized 的 technology——它会让少部分人变得更强，但让大部分人失去独特价值。

个人英雄主义时代已经过去了。这不是一个需要太多脑子的领域，而是一个需要靠谱、坚持和系统思考的领域。

世界在推着我们前进，而不是我们在推着世界前进。

给当下做 AI 的人

纯做语言模型不是蓝海，末班车已发车；做现在最热火的事不是正确选择，现在没人做的事才是
“壳”公司有两条路：逃逸速度足够快（先占领心智再自研模型），或切一个小到模型公司看不上的市场（如 Midjourney）
直接表达想法，短期或有人恨你，长期被欣赏
组织运行好坏归根结底是技术 leader 的问题；最好的状态往往最不稳定，需要救火能力与理解人的能力

AI 行业深度洞察