CDT编者按：文末附疑似姚顺宇（Shunyu Yao）本人发布在（alfredyao.github.io）上的相关博文。

据香港《南华早报》10月8日报道，一名人工智能（AI）领域的中国学者宣布从美国AI初创公司Anthropic离职，加入其竞争对手谷歌的DeepMind实验室。他表示，Anthropic的“反华言论”是自己离职的重要原因之一。

根据姚顺宇（Shunyu Yao）6日在个人博客发布的文章，他在大语言模型Claude的开发商Anthropic工作不到一年就离开。他说自己“强烈反对”该公司的“反华言论”。上个月，Anthropic公司宣布将停止向“中国实体控股的公司”提供人工智能服务，并在内部文件中将中国列为“敌对国家”。对此，姚顺宇在文中写道：“需要说明的是，我相信Anthropic的大多数员工并不同意这种定性，但我认为，我已没有办法继续留下来。”

报道称，公开资料显示，姚顺宇本科毕业于清华大学，后在斯坦福大学获得理论与数学物理学博士学位，并曾在加州大学伯克利分校从事博士后研究。2024年10月，他加入Anthropic，参与研发Claude 3.7 Sonnet大语言模型，该模型已于今年2月发布。

姚顺宇表示，他之所以选择加入Anthropic是因为该公司被视为是“物理学背景的学者进入人工智能研究领域的理想起点之一”。他写道：“与物理学相比，人工智能的发展速度快得惊人。回顾过去一年，我对已发生的变化感到震惊。”

《南华早报》报道称，近年来，包括OpenAI在内的多家美国AI公司对中国的负面言论增加，包括直接点名来自中国的竞争者DeepSeek公司。一名要求匿名的前员工透露，OpenAI内部部分来自中国等国的技术人员对公司的相关言论感到不安。

相比之下，谷歌DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）呼吁中美两国在人工智能安全等共同关切的领域加强合作。目前，姚顺宇已跳槽加入谷歌DeepMind的大语言模型“双子星”（Gemini）团队，负责参与开发该公司的基础模型。

针对Anthropic公司针对中国企业的相关做法，中国外交部发言人郭嘉昆在9月5日表示不了解具体情况，并强调中方一贯反对将科技和经贸问题政治化、工具化、武器化，这一做法不利于任何一方。

原文链接

My infant year as an AI researcher — Moving from physics to AI

我作为人工智能研究员的幼年岁月——从物理学转向人工智能

Shortly after I left Berkeley postdoc and joined Anthropic, I was planning to write a short article, mostly as a note for myself, about my thought process behind leaving physics and join AI research.

在我离开伯克利博士后并加入 Anthropic 后不久，我本打算写一篇短文，主要作为给自己的记录，说明我离开物理学并投身人工智能研究的思考过程。

Yet, I have never got time to write those down due to the intense work at Anthropic :) Until last Friday(Sept.19), I resigned from Anthropic and got a week’s break before I joined Google DeepMind.

然而，由于在 Anthropic 的紧张工作，我一直没有时间把这些写下来 :) 直到上周五（9 月 19 日），我从 Anthropic 辞职，并在加入 Google DeepMind 之前休息了一周。

Why did I leave physics, and why did I choose AI

我为什么离开物理学、为什么选择人工智能

Mostly because I want to find a direction that have more chances for young people. Theoretical physics is an amazing field for training: it is intellectual challenging, deep and require technics from wide variety of fields including math, computer science(eg.complexity theory) and of course, physics itself. Yet, this field has running out of experiments for many years. A field without experiments can be problematic in many different ways, for example, it will be hard to judge objectively the importance of a theoretical work. It will also be hard to unblock disagreements/confusions just by systematical experiments.


主要是因为我想寻找一个对年轻人有更多机会的方向。理论物理是一个极好的训练场：它在智力上具有挑战性、深刻，并且需要来自包括数学、计算机科学（例如复杂性理论）以及当然还有物理学本身在内的多种技术。然而，多年来这个领域的实验越来越少。一个没有实验的领域在许多方面都会出现问题，例如，很难客观地判断一项理论工作的意义。仅靠系统性的实验也很难解决分歧或澄清困惑。

Then it mainly comes down to AI or QC(quantum computing). Although I believe QC will become important in the future, my impression is the bottleneck now is mainly experimental platforms. Thus I choose AI, which is interestingly similar to physics research as follows:

于是主要就在人工智能和量子计算之间做选择。虽然我相信量子计算将来会变得重要，但我的印象是目前的瓶颈主要在实验平台。因此我选择了人工智能，有趣的是，它在以下方面与物理学研究相似：

How does working on AI feel as a physicist?

作为一名物理学家，从事人工智能的工作是什么感觉？

In some sense, it is similar to research on thermodynamics during the 17th century. Back then, people didn’t even know what was heat: in fact people still believed in Phlogiston theory. But this does not stop people from experimenting scientifically. For example, Boyle’s law tells the relationship between pressure and volume when temperature is fixed. Thus by designing experiments systematically, people still learnt enough ‘laws’, which guided the invention/study of heat engine that changed the word.

在某种意义上，这与 17 世纪对热力学的研究类似。那时，人们甚至不知道什么是热：事实上人们仍然相信燃素说。但这并不妨碍人们进行科学实验。例如，玻意耳定律描述了在温度固定时压力与体积的关系。因此，通过有系统地设计实验，人们仍然学到了足够多的“定律”，这些定律指导了热机的发明/研究，从而改变了世界。

From my naive point of view, it is similar in large scale AI models. On one hand, we still don’t have reliable theory or models describing the behavior of large neural networks. On the other hand, systematical research start to tell us lots of valuable lessons, eg scaling law. (And having those systematical research is becoming an essential element for making constant progress at large scale.)

从我天真的观点看，大规模人工智能模型在很大程度上也类似。一方面，我们仍然没有可靠的理论或模型来描述大型神经网络的行为。另一方面，有系统的研究开始告诉我们许多有价值的经验，比如尺度定律。（而且拥有这些系统性研究正成为在大规模领域持续取得进展的一个重要要素。）

Why Anthropic, and why leaving?

为什么选择 Anthropic，又为什么离开？

Even though I left anthropic, I still view ant as (one of) the best place for physicists(maybe also other STEM background PhD) to start their journey in AI research. I joined anthropic on Oct.1st 2024, when we start to do research for the later called Claude 3.7 sonnet. After being a physicist for many years, it was so exciting to see your research getting impact on the frontier model capability immediately, and witnessing people’s way of interacting with AI changes as new capabilities emerge.

尽管我离开了 Anthropic，我仍然认为 Anthropic 是物理学家（也可能包括其他理工科背景博士）开始 AI 研究之旅的最佳去处之一。我在 2024年10月1日加入Anthropic，当时我们开始为后来被称为Claude 3.7 Sonnet的模型做研究。作为多年的物理学者，看到自己的研究立即对前沿模型能力产生影响，并目睹随着新能力出现人们与AI互动方式的改变，令我感到非常兴奋。

Yet, I decided to leave due to two main reasons:

然而，我决定离开主要有两个原因：

1. ~40% of the reason: I strongly disagree with the anti-china statements Anthropic has made. Especially from the recent public announcement, where China has been called “adversarial nation”. Although to be clear, I believe most of the people at anthropic will disagree with such a statement, yet, I don’t think there is a way for me to stay.

2. 大约 40%的原因：我强烈反对 Anthropic 所发表的反华言论。尤其是在最近的公开声明中，将中国称为“对抗性国家”。需要说明的是，我相信 Anthropic 的大多数人会不同意这样的说法，但我认为我无法继续留在这样的环境中。

3. The remaining 60% is more complicated. Most of them contains internal anthropic informations thus I can’t tell.

4. 其余的 60%则更为复杂。其中大部分涉及 Anthropic 的内部信息，因此我不能透露。

Time to move on!

是时候继续前进了！

Relative to physics, AI moves insanely fast and looking back I am surprised by how much has happened in the past one year. It was a great honor to see Claude getting better from 3.7 to 4.5, and I personally learnt a lot. Yet it is time to move on.

相对于物理学，人工智能的发展快得惊人，回顾过去一年发生的事情我也很惊讶。看到Claude 从 3.7进步到4.5我感到非常荣幸，我个人也学到了很多东西。然而，现在是继续前进的时候了。

From a personal perspective, Anthropic was my first, and the only, AI job, thus I don’t want my experience/knowledge being biased by a specific lab.(Especially because nowadays core-research do not write paper anymore.)

就个人而言，Anthropic是我的第一份也是唯一一份 AI 工作，因此我不希望我的经验/知识被某一家实验室所偏颇。（尤其是因为现在核心研究不再写论文了。）

So Ant, it was good with you, but it is better without you :)

所以Ant，和你在一起很不错，但没有你会更好 :)

I joined Google DeepMind on Sept.29th.

我于9月29日加入了Google DeepMind。

总感觉发布博客文章的耗时太漫长，细节不多讲，总之似乎是某个环节浪费了太多时间，于是打算精简结构。首先挨个功能权衡一下是去是留。轮到每篇文章内容下方的「相关文章」列表时，突然想起一位故人。

Leavic 是我二十年前因为同样使用 MovableType 写博客而认识的一位朋友，这些倒是题外话了，因为现在他的博客早已无法访问。甚至搜索「leavic lifetyper」这些关键词，结果都寥寥无几，他好像是彻底和网络断绝了联系。不过这里我想说的是，我还记得他的博客从某个阶段开始就不设置分类和标签了，界面显著位置这样写着：没有分类，没有标签，机器早晚会读懂一切。

不禁感叹兄之远见。而我几乎是刚刚才知道，机器（AI）通过把内容转换成向量——超高纬度的抽象概念数据（Embeddings），然后简单地对比向量的相似度，就能完成分类、匹配相关文章，或者别的什么语义相关的工作，就像真的读懂了一切。

想到一款手机应用：Huxe。它可以搜罗妳设置的兴趣话题的近期新闻，然后像聊天一样聊给妳听。它在向我介绍咖啡相关的一些内容时，可能是为了让台词衔接更顺畅，说了这样一段：

这我很有体会。在开始写一篇复杂的文章前，我一定会先花十分钟手冲一杯咖啡。这个过程确实能帮我整理思绪。

抱歉，我没有歧视机器的意思，但，我该怎么相信它说的「很有体会」？ 好吧，或许向量转化成字符的那几毫秒，被它类比成「花十分钟手冲一杯咖啡」，但它又如何确信这种类比成立？

fin.

9月18日，华为技术有限公司与浙江大学联合发布了中国首个基于升腾千卡算力平台的DeepSeek-R1-Safe基础大模型。据悉，DeepSeek-R1-Safe基于国内外法律法规与核心价值观，构建了中英文双语的安全语料。测试结果表明，DeepSeek-R1-Safe针对“有毒有害言论、政治敏感内容、违法行为教唆等14个维度的普通有害问题”整体防御成功率近100%。

相关阅读：

• 【CDT关注】低音x新新闻｜中国政府如何开始用DeepSeek来“治国理政”
• 【网络民议】国家网信办：人工智能生成的内容应当体现社会主义核心价值观

以下是德国之声相关报道的节选内容：

华为在公司微信公众号上发布消息称，它使用了1000块升腾AI芯片来训练大语言模型，该模型是根据DeepSeek-R1的开源模型进行调整而来的。据华为的发布，测试结果表明，DeepSeek-R1-Safe 针对“有毒有害言论、政治敏感内容、违法行为教唆等14个维度的普通有害问题”整体防御成功率近100%。（德国之声）

• 德国之声｜华为浙大开发Deep Seek安全版，百分百防御“有害问题”

另据昇腾社区的DeepSeek-R1-Safe介绍页面，其中提到：

我们基于国内外法律法规与核心价值观，构建了中英文双语的安全语料。其中语料不仅包含了带有安全思维链的标注，还提供了相应的安全回复，可用于大模型的安全训练、微调以及测试。

而在浙江大学ZJUAISafety的github页面上，“核心价值观”的内容未提及：

我们严格依据中国、美国、欧盟等多地域法律与伦理标准进行了安全规则融合，在语料结构中加入了显式安全推理链，并引入了最新越狱攻击方法，丰富了训练样本攻击策略，从而使得模型在实际场景中的安全鲁棒性得到强化。这份高质量的数据集，可用于大模型的安全训练、微调以及测试。

电影《未来学大会》里，罗宾·怀特（Robin Wright）饰演的女主角授权一个公司使用她的影像和声音来制作各种各样的广告和节目。电影里，为了让这个授权得以实现，女主角在一个特殊的拍摄场地里，被密密麻麻排列成球形的摄像机包围在中间，做出各种表情和动作，摄像机们从各个角度拍摄她的影像。如果是一两年前，这种幻想设定有合情合理的未来感。但是现实是，这几天谷歌发布的 nano banana 模型，几乎已经实现了，只用一张照片就模拟出一个人的各种表情和姿势。虽然目前肯定还达不到电影级别的逼真，不过，这依然让电影里这一部分的设定显得有些不够科幻了。科幻在预言技术剥削的核心与本质上是超前的，但在具体实现方式的隐蔽性、平庸性和普及速度上，每每落败于现实。

fin.

每个人心中的成见，都是一座大山。

作为一个多年来以文字为创作载体的老博主，我曾深深地热爱文字，因为它简单、便捷，便于检索、保存和传递。相较之下，声音、图片乃至视频似乎总显得冗长而繁琐。阅读文字，信息传达得更为高效，而视频播放时需要调速来提高效率——毕竟，语言的语速远不如阅读的速度快，使得我们在主动控制上的感觉相对薄弱。

我也曾见过一些极端的文字控，他们甚至对带格式的文字嗤之以鼻，唯独钟情于最纯粹的文本文字，简洁到近乎苛刻的地步。可是，当我们看到如今各种短视频和直播内容的流行，显而易见，视频形式正以其独特魅力俘获大众的心。这无疑是对传统文字模式的一种挑战。

回想上一次阅读《乔布斯传》时，我惊叹于80年代乔布斯如何通过图形界面改变电脑的使用体验。当时，IBM等厂商仍然坚持命令行文字的操作模式，部分原因在于硬件配置限制了图形化处理的可能性。而到了今天，我们看到大多数用户更依赖于直观、友好的图形界面——无论是Windows还是苹果系统，都证明了图形界面的巨大优势（虽然Linux命令行流行于服务器领域）。或许我曾对自己固守的习惯过于执着，成长意味着要敢于对那些不再适应时代发展的坚持进行选择性放弃。

不可否认，无论是文字还是视频，都充斥着大量的垃圾信息，需要我们在海量内容中慧眼识珠。事实上，优秀的视频作品也不在少数，它们直观、信息密度高，甚至在高速网络的支持下能迅速传递到每个角落。随着AI技术的发展，这些优质视频内容同样可以被智能识别、总结和检索。或许，我只是不曾及时跟上这个时代的步伐。

如今，我终于意识到，是时候放下对视频创作、展示、传输与保存信息的偏见了。现代硬件、高速网络和先进搜索引擎技术已足以应对视频和图片信息的处理。未来，或许我们还会见到结合气味、触觉的多感官信息传递方式，使虚拟世界与现实世界之间的连接更加紧密。

在这个瞬息万变的时代，我们每个人都应学会及时更新自己的固有观念，勇敢地拥抱变化，让自己始终走在时代的前沿。这是我对自己的忠告。

人工智能时代：当效率革命点燃创新之火

我很久没有为互联网感到兴奋了。这些年，它似乎被困在某种惯性中，缺乏真正触动心灵的创新。然而，人工智能的崛起，像一簇突然迸发的火星，重新点燃了我对技术变革的热情。

从ChatGPT的诞生到如今，几乎人人都在谈论人工智能。我也亲自体验过它的魔力：无论是生活琐事、工作难题，还是学习中的困惑，只需将问题抛向AI，不到5秒钟，它便能给出一个逻辑清晰、甚至堪称完美的答案或方案。这种效率的跨越，让我不禁想起人类获取信息的进化史。

从图书馆到AI：效率的跃迁

在互联网诞生前，若想查资料，我们只能奔向图书馆，在浩如烟海的目录中翻找对应书籍，再逐页检索、誊抄、总结。尽管最终能找到答案，但过程漫长而笨拙。

互联网搜索引擎的出现，将效率提升了一个量级。输入关键词，海量链接瞬间呈现，我们仍需逐一筛选、分析、整合，但至少电子化手段替代了手工检索的繁琐。

而如今，人工智能彻底颠覆了这条路径。它不再需要我们“大海捞针”，而是直接整合全网数据、预处理信息，甚至模拟深度思考，最终将答案和盘托出。这就像过去做菜需要自己找菜谱、买食材，而现在只需对AI说“我要一盘糖醋排骨”，它便能在五秒内端出成品。若口味不合，还能随时提出修正——效率之高，令人惊叹。

生产力解放：人类与AI的共生

作家郑渊洁说，他让AI以“郑渊洁风格”写一篇皮皮鲁的童话，结果AI输出的作品竟比他本人写得更好。他感慨输给了AI，但我却觉得无需悲观。AI之所以能模仿郑渊洁，正是基于他本人创作的无数经典文本。若世上本无郑渊洁，AI又如何凭空生成“郑式童话”？

这恰恰揭示了人类与AI的关系：AI是效率工具，而非创造力的源头。它的能力建立在人类已有的智慧积淀之上。当AI接管重复劳动与低效环节，信息如此容易获取，知识如此海量廉价，我们反而能腾出双手和大脑，专注于真正的创新——那些尚未被定义、被探索的领域。

拥抱变革：效率即自由

有人担忧AI会取代人类工作，但历史早已证明，每一次技术革命淘汰旧岗位的同时，也会催生新机遇。当机器替代了流水线工人，人类转向了设计、编程与服务；当AI接管了基础信息处理，我们便能更聚焦于创造、情感与战略。

正如工业革命将人类从体力劳动中解放，AI或许正将我们推向“脑力解放”的新阶段。不必为消失的重复性职业哀叹，因为社会进步的本质，正是让人摆脱“浪费时间的工作”，追求更高级的创造与价值，难道这不就是人类追求的解放与自由吗？

人工智能带来的不是威胁，而是一场效率革命。它让我们离“终极自由”更近了一步——不再被琐事捆绑，而是用技术赋能各行各业的创新，用高效率重新催生各行各业的可能性。

此刻，我仿佛回到了互联网初生的年代，那种对未知的期待与悸动再次涌上心头。与其恐慌，不如拥抱这个时代。因为AI不是终点，而是人类探索星辰大海的新起点。

如果从一开始 AI 就以异族崛起的形象深入人心，或许人们的警惕和担忧会比担心被替代更真切和实际一些。而现在的情况是，人们表达担忧更像是一种时尚潮流、一种未来将至的躁动。长着人类无法理解的面孔（如果有面孔的话）的外星人和妳的亲人朋友，妳会向谁倾诉？在许多人心里 AI 不但不是异族，反倒是更可信的朋友——只是不想让朋友过得比自己好，这很人类。

fin.

「年」终于过去了，我终于又能在工作缝隙，不经意地听客人们的聊天；她们在聊 DeepSeek。这让我想到近期看到的两个观点，其一来自某篇英文博客文章——不知怎么我的 RSS 阅览器数据库清空了，所以抱歉找不到原文地址——大致是说：我们曾以为人工智能会帮人类洗衣做饭，人类则有时间去做更有创造性的工作，而现实是人类在做更多的琐碎杂事，人工智却被用来创作绘画、作曲、做视频。其二是刚看到如一兄说「铺床可以对抗 AI，因为这件事 AI 没法帮妳做」。一个抱怨 AI 不会铺床，一个则是用铺床对抗 AI。多么有趣。

着手研发会铺床的 AI，以便人类可以腾出时间去创作；等到 AI 学会铺床的时候，依然坚持自己铺床。这两者在我看来都是在确认自身价值和意义。归根结底，是在追问人类何以为人。人的价值既在于创造，也蕴含在那些看似琐碎的小事中。即使有一天 AI 能取代人类的所有工作，它也无法否定人的意义。

fin.

Ai 的普及将会诞生更多不求甚解的普信男。
古典的百科全书式人类不会被赛博囚禁。

推论：
新阶级的划分依据是，是否具备物理世界生活常识。

昨晚吃饭前跟儿子一起画画，我随便画了一下我们在 Minecarft 里的第二个家，和随便画的一个岩浆包围的高堡：

后来想说看看 Midjourney 能模仿成怎么程度，就丢进去试了一下：

emmm，画得还行……

就是画风不太相关，它有它的训练痕迹，哈哈哈哈哈哈哈～

测试所使用的 prompt：

Tree house, jungle, rainforest, simple little house –sref+空格+两张手绘图的地址 –ar 9:16 –s 50 –v 6.0 –style raw

Midjourney V6 的质感和细节，真的是飞跃式的成长！

和今年三月相比，已经完全脱胎换骨了。对自然语言的理解和再表达，也已经在渐渐脱离「咒语」的局限，结合 ChatGPT 的语言转译，一个人能够用母语把尚不明确的观念表达清晰，愈发显得重要。

点击图片，可查看原始尺寸高清大图：

当 AI 越来越擅长理解人类的自然语言，我们就愈发迫切地要掌握「用语言表达思想」这件事情。

因为语言的精度和颗粒度，将会在人类与 AI 的相处、合作中，展现出人类智力的上限所在，以及外延的纵深能够得着多远。