AI 下半場：通用方法已經有了，難的是找任務
姚順雨說 AI 主線已從「造武器」進入「選戰場」——方法終於通用了，但真正的瓶頸不是推理能力，而是模型拿不到人腦子裡的 context。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
從 vertical thinking 回到 general thinking
姚順雨把 AI 史講成一條碎片化的曲線：從 Newell 和 Simon 1960 年代想直接造一個 agent 開始，因為太難，學界不斷把問題切小——先切 vision，再切 language，再切 translation，越切越 vertical。他認為 2015 年之後 scaling law 和一批 research breakthrough 的意義，是讓這件事重新反過來：從細分思維回到構建一個更通用系統的思維。這也是他判斷自己該做什麼的底層座標。
— 姚順雨語言 agent 的本質區別是能推理
他給了一個很具體的對照：AlphaGo 只能下圍棋，換個遊戲就得重訓；而人第一次玩一個新遊戲就能上手。他的解釋是人會思考——看到燈是黑的，推斷可能有危險，再結合上下文判斷燈在身後，於是先向後走。語言模型提供的足夠強的先驗讓推理成為可能，而推理能在不同環境間泛化。所以語言 agent 與之前所有 agent 的本質區別不是接口，是推理能力帶來的泛化。
— 姚順雨reward 要基於結果、基於規則
他做任何 RL task 都堅持兩條：reward 基於結果而非過程，且是白盒的、能清晰算出來的，而不是基於人或模型的偏好。理由是只要基於過程或基於偏好，就會出現 hacking——你可能得到一段非常優美的代碼，但它不解決問題。他舉數學為例：答案是 3 就是 3，不是 3 就是錯，沒有解釋空間。他說做 webshop 時最難的部分不是搭環境，而是設計一個既有難度、又有真實價值、reward 又不 noisy 的任務。
— 姚順雨客服要的是 pass^k，不是 pass@k
coding 界傳統指標是 pass@k：同一個任務跑 k 次，至少成功一次的概率，所以有人報 pass@100。但客服這類任務需要正好相反的指標，他們去年發的工作把它定義為 pass^k——k 次全部成功的概率。他判斷現在大家更重視 success rate 或 pass@100，是因為還在做 benchmark 而不是做實際應用；一旦接受這個轉變，就會意識到有些應用必須去優化 robustness，而這方面的進步空間還很大。
— 姚順雨創業公司的機會是設計新的交互方式
他反過來說創業公司該擔心的不是模型能力溢出，而是模型不再溢出——那才真的什麼都做不了。他的框架是：模型公司的產品都是 ChatGPT 式的、像人一樣的交互；創業公司最大的機會是用模型的通用能力去創造不同的交互方式。Cursor 就是例子——人和人之間不會那樣交互。他補了一句關鍵約束：做新交互方式、同時模型持續溢出，兩者缺一不可；如果你的交互方式很像 ChatGPT，那你有什麼理由不被 ChatGPT 取代。
— 姚順雨模型缺的不是智能，是 context
這是他解釋「為什麼模型推理這麼強、考試這麼強，卻沒創造足夠經濟價值」的核心答案：模型沒有 context。人類社會裡大量 context 永遠只存在人的大腦中，是分布式維護的——比如你老闆的行為習慣，很難用語言總結下來。所以一個二本畢業、數學不如 O3 的人，進公司七天積累的 context 就能讓他比 O3 做得更好。他認為這個問題解決了，utility 問題就能很大程度解決。
— 姚順雨環境是 memory hierarchy 的最外層
他引馮諾依曼死前最後一本書 The Brain and the Computer 裡的一句話：environment is always the most outer part of the memory hierarchy。類比電腦從 CPU 緩存到內存到硬盤，最外層永遠是外部世界——插一個 U 盤、把東西上傳到互聯網、刻一張光盤。對人來說，最外層的長期記憶就是你的筆記本、Google Doc、Notion。他由此把 MCP 也歸入同一邏輯：本質上是 hack 你的 context 的一種方法。
— 姚順雨能被定義成考試的任務，離被解決就不遠
他提出一個他認為最該被推翻的基本假設：現在評估一個東西是基於 500 個任務、每個跑 500 次，把平行數據加總成 reward。但人上班重要的是 30 天、一年之後變得多好，而不是在 100 個平行宇宙裡把你放到公司第一天能做多好。他的推論是：一旦你能定義一個考試或遊戲，離它被解決就不遠了；真實世界之所以難，正是因為它沒有被設計好的 reward 和標準答案。
— 姚順雨原話 · 已逐字校驗
我們之前是就有點像我有很多怪獸 那我需要去為了不同怪獸去造各種各樣的武器 去來打這些怪獸 現在我有一個通用的武器了 就我有把機關槍 那現在我要思考的問題是我要朝哪裡去開槍
以前像是有很多怪獸，我得為不同的怪獸造不同的武器去打；現在我有了一件通用武器——一把機關槍，那我要思考的問題變成：我要朝哪裡開槍。
姚順雨38:36
實際上我認為做任何的RL task 最難的部分其實是怎麼定義reward
我認為做任何 RL 任務，最難的部分其實是怎麼定義 reward。
姚順雨40:40
如果你的交互方式很像chatGPT 那你有什麼理由 不被chatGPT取代
如果你的交互方式很像 ChatGPT，那你有什麼理由不被 ChatGPT 取代。
姚順雨49:44
雖然你沒有O3聰明 但是你有這些context 所以你做的比O3好
雖然你沒有 O3 聰明，但你有這些 context，所以你做得比 O3 好。
姚順雨1:00:51
Essentially environment is always the most outer part of the memory hierarchy
本質上，環境永遠是記憶層級的最外層。
姚順雨1:42:18
因為我們發現 一旦你可以定義考試或者一個遊戲 那離它被解決也不遠了
因為我們發現，一旦你可以定義一場考試或一個遊戲，那離它被解決也不遠了。
姚順雨1:45:18
If someone else can do it it's okay to let them do it
如果別人也能做這件事，那讓他們做也沒關係。
姚順雨2:25:53
數字與實體
| 姚順雨做 agent 研究的年數 | 6 年 | 7:06 |
| coding 任務常報的指標 | pass@100 | 46:44 |
| agent 單用戶 token 消耗相對 chatbot 的倍數 | 500 到 1000 倍 | 1:23:01 |
| 姚順雨重寫 The Second Half 博文耗時 | 約 2 小時 | 2:10:37 |
| 姚順雨競賽成績 | 全國銀牌 | 2:20:48 |
術語
- pass@kk 次至少成功一次
- 同一任務跑 k 次，至少成功一次的概率，coding 常用指標。
- pass^kk 次全部成功
- 同一任務跑 k 次全部成功的概率，衡量可靠性，客服類任務需要。
- affordance可供性
- 環境提供給行動者的可操作接口；姚順雨說 code 是 AI 最重要的 affordance。
- memory hierarchy記憶層級
- 從緩存到內存到硬盤的分層存儲結構，姚順雨把外部環境放在最外層。
- intrinsic reward內在獎勵
- 沒有外部激勵時系統自給的反饋，姚順雨認為這是創新者的核心機制。
收聽指南
做 agent 應用的創業者、關注 AI 產品形態的投資人，以及想知道「模型能力溢出後還剩什麼機會」的工程師。
2:58–17:50 的個人成長與研究史，可只聽結論。