有人終于把那句話說出來了。

一個27歲的天才，站在AI最前沿的位置，對著整個學術界說：你們選的題太簡單，用的方法太復雜，最后只是為了證明自己提升了2%。

說這話的人叫姚順雨。清華姚班畢業，普林斯頓博士，OpenAI核心研究員，ReAct和思維樹框架的作者，被引用超過1.5萬次，27歲入選MIT科技評論TR35榜單，中國區最年輕得主之一。現任騰訊首席AI科學家。

這不是一個外行在罵學術界。

這是一個從學術圈殺出來、又回頭看清了那個圈子全部底細的人，在說一個所有人都心知肚明、但沒人敢公開說的事實。

這句話，值得每一個搞研究的人，認真讀三遍。

01 用核反應堆煮泡面，這叫“創新”？

姚順雨的原話是這樣的：

學術界存在一個弊病，他們會選擇簡單的任務，然后搭配非常復雜的方法，最后只是為了證明改進了2%。方法的復雜程度，應該和任務本身的難度相匹配。在某種程度上，現在的任務難度，已經落后于研究方法的發展了。

這句話翻譯成大白話：這就像是為了煮一包泡面，你非要建一座核電站。電確實通了，水也熱了，面也熟了。

但你告訴我，這包泡面的味道，比用電水壺煮的好在哪里？

現在的AI頂會論文，給人一種極其荒謬的錯覺。

任務簡單嗎？簡單得令人發指。

比如“情感分類”，就是判斷一句話是夸還是罵；比如“短文本匹配”，就是看兩句話是不是一個意思。這些任務，五年前的BERT就已經做得大差不差了。

方法復雜嗎？復雜得像天書。

為了在那個早已飽和的榜單上提升0.5%，他們設計了擁有幾千億參數的架構，引入了七八層的注意力機制，還要加上什么“對比學習”、“對抗訓練”、“知識蒸餾”的全家桶。

姚順雨一針見血地指出：你的方法復雜度，必須和任務難度相匹配。

如果一個只有三層的網絡就能解決問題，你非要用三百層，這不是能力，這是浪費，是炫技，是學術虛榮。

02 “2%改進”背后的內卷狂歡

為什么大家都在卷這2%？因為好發論文。

真正的難題——比如通用人工智能（AGI）因果推理長程記憶具身智能的物理交互——太難了，砸進去幾個億可能連個水花都看不見。

但在公開數據集上刷榜多容易啊！改改超參數，換個激活函數，加個正則項，只要數字漲了一點點，哪怕只有0就是一篇新論文。

于是，學術界變成了一個巨大的“養蠱場”。大家不再關心這個模型能不能幫醫生看片子，能不能幫律師審合同，能不能真的理解人類語言。大家只關心：我的數字是不是比你高？我的曲線是不是比你漂亮？

這不僅是自欺欺人，更是在阻礙技術的進步。當所有的聰明才智都用來在這個針尖大的地方做道場，誰去開辟新的大陸？當頂會論文變成了“如何在MNIST上刷到99.99%”的技巧大全，AI的未來在哪里？

03 任務難度，已經配不上我們的工具了

姚順雨的觀點里，最讓我震驚的一句話是：“現在的任務難度，已經落后于研究方法的發展了。”

這簡直是振聾發聵。

我們手里握著ChatGPT、Claude、Gemini這樣的神兵利器，它們擁有近乎全人類的知識儲備。結果我們在用它們干什么？在做填空題。在做選擇題。在做小學水平的閱讀理解。

這是對智能的褻瀆。

我們的工具已經進化到了“星際戰艦”的級別，但我們的“戰場”還停留在“村口械斗”。如果你手里有一把加特林，你應該去打坦克，而不是用來打蚊子。如果你有一個萬億參數的模型，你應該讓它去解決蛋白質折疊，去控制核聚變，去探索宇宙的邊緣，而不是讓它去分辨“這句話是不是在罵人”。

真正的突破，永遠來自于“降維打擊”。用最簡單的方法解決最復雜的問題，那是天才（比如愛因斯坦）；用最復雜的方法解決最簡單的問題，那是內卷的廢物。

04 學術界的病，全行業都在吃藥

別以為這只是學術界的事。工業界正在為學術界的這種“自嗨”買單。

多少公司的CTO，看了頂會論文覺得“高大上”，立刻招人復現。結果呢？部署上線一跑，延遲爆炸，成本翻倍，效果還不如原來的規則引擎。這就是典型的“學術幻覺”。

學術界在象牙塔里造神，工業界在泥濘里掙扎求生。姚順雨的炮轟，其實是在警告所有人：如果不改變這種“為了發論文而科研”的評價體系，AI的下一個冬天很快就會到來。

當資本發現，砸了幾十億美金，養出來的模型只是為了在榜單上前進一名，而不能帶來實際的商業價值時，泡沫就會破裂。

05 結語：請把復雜留給世界，把簡單留給自己

最后，我想對所有還在科研一線的人說：

不要做那個“把簡單問題復雜化”的聰明人，要做那個“把復雜問題簡單化”的智者。

如果你的方法很復雜，請確保你解決的問題足夠難。如果你的任務很簡單，請用最簡單、最優雅、最可解釋的方法去解決它。

在這個浮躁的時代，克制比炫技更難得，真實比刷榜更可貴。

姚順雨撕開了一個口子，光透進來了。希望我們都能看清這光的方向，而不是盯著腳下的陰影沾沾自喜。

別再用核反應堆煮泡面了，把電留給更需要它的地方吧。

互動問題

你覺得現在的AI大模型，是在解決真問題，還是在“刷榜”玩數字游戲？你見過最離譜的“為了復雜而復雜”的研究是什么？歡迎在評論區開噴。