一位清华物理系的天才，从Anthropic跳槽到DeepMind仅用十天，这场看似任性的跳槽背后，折射出理论物理学界向AI领域的人才迁移浪潮。物理学的严谨思维正在重塑AI底层架构，而姚顺宇的故事恰是这场变革的缩影。
智能速览
姚顺宇十天之内完成从Anthropic到DeepMind的跳槽
他将物理对称性思想融入Transformer模型开发
Claude 4.5灰度测试后的合规工作成为其离开导火索
DeepMind为其配备十万张H100打造物理沙盒
理论物理学家正批量向AI领域迁移
精华内容
从物理学转向AI，姚顺宇的跳槽不仅是个人的职业选择，更反映了基础学科人才的流向变化。物理学训练给予的思维工具，正在AI领域找到新的应用场景。
闪电跳槽
9月19日，姚顺宇在Anthropic最后一次刷门禁；9月29日，他的邮箱后缀已变成@deepmind.com。十天时间里，他完成了Claude4.5的模型交接，修改了个人博客title从"physicist"到"research scientist"，甚至没带走工位上的多肉植物。
这次跳槽在他的履历中并非首例。本科期间就在PRL发表论文，伯克利博士后出站后，他没有选择诺奖之路，而是直接投身硅谷。理由很简单：“量子实验室十年搭一台机子，AI公司十天就能跑一轮实验。”
物理思维
在Anthropic期间，姚顺宇负责将物理学中的对称性思想注入Transformer架构。同事回忆，他debug时会在白板上写满群论公式，最后往往是通过微小的改动让loss下降0.3。
这种"暴力浪漫"的方法论，本质上是把模型视为多体系统，先计算守恒量再调整权重。物理学家的严谨思维，让他在AI的可解释性研究中找到了独特突破口。
加速瓶颈
Claude4.5进入灰度测试后，姚顺宇的日常从算法研究变成了无尽的会议。每天八小时的"对齐"、“合规”、"红队"讨论，让这位物理学家感到了前所未有的重复和束缚。
当模型改进的瓶颈从算法转向合规文档时，他在博客写道："就像打游戏遇到空气墙，地图还没开完，但角色已经穿不过去了。"物理学最怕的不是难题，而是停滞不前。
新沙盒
DeepMind为姚顺宇提供了真正的"物理沙盒"——十万张H100的计算资源，任他探索"能量函数"和"相变"。入职第一周，他就抛出三页草稿，计划将自注意力机制改写为"统计场论里的配分函数"。
Google高层迅速批复了资源。如果真能构建出"可解释性的伊辛模型"，不仅能解决AI的黑盒问题，其商业价值远超投入的计算成本。
学科迁移
姚顺宇的跳槽只是"理论物理移民潮"的一朵浪花。从华尔街量化交易到量子计算，再到如今的AI领域，物理学人才正在向实验周期更短的领域迁移。
当神经网络深度超过140层，传统计算机视觉技巧已显不足，而场论中的"重整化群"思想恰好能解决微观噪声过滤问题。物理学训练给予的"万物皆可建模"思维，正是AI公司急需的核心能力。
物理没有离开姚顺宇，只是换了一件更吵的夹克。当基础科学的严谨思维与AI的快速迭代相结合，我们或许正在见证一种新范式的诞生。下一次，当AI不仅能回答"为什么天空是蓝色"，还能写出其背后的拉格朗日量时，那将是物理学与AI真正融合的时刻。
