AI 姚顺宇

纸面上的ai比较 benchmark （评估基准） SWE-bench 数学会比aime ai 难一点的会想IMo

纸面都是百分之八十附近 大家其实都比较接近 但是使用上也有区别

Claude 通用的工具使用的agent表现较好 Codex 在coding方面比较好 Gemini 在纯reasoning和一些日常使用方面具有优势 在coding和agent上还处于一个追赶者的角色

infra

openclaw这个产品虽然在今年年初才出现在大家视野中 能依赖模型做很多事情 但是那些事情的能力其实早在去年Opus发布4.5（Claude系列）的时候 【彼时的Opus其实比OpenAI和Gemini 3 在toolus上的能力都要强一些】 openclaw的基础条件就已经具备 可以展示出来的 模型能力的自然溢出 其实业内对它的能力并没有太多的惊讶

从manus到openclaw 发展壁垒 目前主要在模型侧 未来也可能会出现产品侧

数据飞轮

目前除了agent coding 没有 哪一个是ai真正原生的场景变得非常成功的

从某种意义上来说 chatbot 其实是搜索的一个延申

活下来的方式

壳 在目前情况下 可能有两种能活下来的方式

增长速度足够快

在模型公司反应过来后 就已经占据了大部分用户的心智 在模型公司追赶你产品形态的时候 自己又演化出自己的模型 目前cursor应该就是在试图走这条路 cursor 现在试图在做自己的模型 努力训练自己的composer

anthropic 做claude code得很成功

coding这种是属于专业人士的效率工具 而效率工具有一个很容易出现的场景就是 赢家通吃

市场足够的小

小到模型公司根本懒得去管 比如 midjourney

Lovart 有机会逃逸

leader 要不要抱着万分之一的生存几率 去赌一票大的 还是抱着百分之一的生存几率 去先吃一个小的 吃一个有想象空间的小的

openai 收 oepnclaw meta 收 manus Google 收windsurf的人

展望2026

模型做到 train with finite context use as infinite context （训练是有限的，但用起来像无限的） 即 模型用有限的context length 去训练它 但是在用的时候可以用非常长 甚至接近于无限的context length

这可以让模型持续的进行交互 获得你的信息 然后在运行的过程中 模型会根据当前的场景和你的会话 自动扔掉一些觉得不重要的信息 即梦想中的个人助手

目前模型的发展并没有变慢的关键点在于 以前让模型学一些东西可能要动很多脑筋 而现在不需要动太多想法了 重要的是描述清楚问题 接着去构建合适的数据

预训练 变强 预训练的scaling law缩放定律 是不是已经到头了 而姚顺宇认为 未来四个月内也没有到头的迹象

一个人觉得 一个规律到头了无非下列三种情况

规律的适用范围到头了 从根本意义上讲 scaling law就是没有办法无穷延展下去的

规律其中的某个条件无法满足了 数据已经撞墙了 完全无法向下延展

工作中有一个bug 但是他自己并没有发现
scaling law做的过程中 一些科学的假设并没有作对 比方说选什么样的token horizon 就是每一个大小模型选什么样的这个期待的训练的数据量 这些数据从哪里选 可能这些比较科学的选择没有选清楚是一种可能性 还一种可能性就是纯粹有个bug

当你遇到做一个事情和你预测的不一样 的时候 你能不能系统的排除各种可能性这也是genmin和anthpic做得比较好的事情

数据和算力 两者相辅相成

算法是相变的 算法有一阶段是你完全没有搞清楚该怎么做 那个阶段就是算法很关键 没想好怎么做就没法去scale up 然后就卡住 而当能做出来后 算法带来的提升就趋于一种平滑的态势

在清晰的框架下面 主要的驱动力就是数据和算力 而清晰的框架就是指 预训练和后训练

不管是基于强化学习的后训练还是基于supervised learning就是监督学习的后训练 在这两个比较清晰的paradigm 范式 下 算力的数据确实是主要的驱动力

多模态形成 在算法上还没有想清楚的一件事

coding这个场景有两个巨大的优势 从模型的角度上来说 reward signal回馈信号 是很好定义的 回馈信号非常清晰 输入和输出能够对的上 那就说明你的实现是成功的

数据有一个非常天然的基础 即GitHub

从产品的角度上来 coding的产品需求是比单一的

优秀的代码在标准上是有一些共识的 比方说代码简洁 结构清楚 适于未来的开发 有合理的抽象

self-driven

sendance

豆包没有genmin和claude聪明 但是语音生成非常强

量子物理

非厄米系统

量子力学一个最基本的假设就是 一个孤立系统的演化被幺正演化所描述 幺正演化就是一个线性的过程，它可以被一个叫做哈密顿量的算子来描述【哈密顿量从某种意义上来说它有点像这个体系的能量，但不完全是 有点类似于，所以它决定了整个体系随着时间的演化】

如果是个孤立系统的话 这个哈密顿量就会一个厄米的矩阵 【厄米的矩阵就是你转置一下 然后做一下共轭 它和原来是一样的】

但是真实的系统绝大多数都不是孤立的 会和外界有各种各样的交互 孤立系统就不会被一个幺正的过程去描述

它所对应的哈密顿量也不会是一个厄米的哈密顿量 这就是非厄米这个词的来源。

其本质上是为了研究开放量子系统 就是和外界有交换的量子系统 它的行为。