本文整理自张小珺 Podcast 对姚顺宇的访谈 Yao Shunyu: Let Me Go a Little Crazy! Training Models at Anthropic & Gemini, Heroism Is Over。这期内容表面上在聊 Anthropic、Gemini、OpenAI、OpenClaw 和 AI Agent，真正值得停下来想一想的，其实是那句有点冷的判断：英雄主义结束了。
原视频：https://www.youtube.com/watch?v=ttkd0t5qTD4
原文有两个明显问题。一个是排版还带着 Markdown 痕迹，像草稿直接倒进了正文。另一个是行文虽然信息很多，但主线埋得太深，读起来容易发涩。与其让读者一路跟着材料转，不如先把这期访谈真正说到的事掰开。
我重写后的理解可以先压成一句话：大模型竞争还在继续，但决定胜负的东西，已经慢慢从单点突破，换成组织能力、产品定义和长期执行。
先把“英雄主义结束了”翻成人话
这句话很容易被听成情绪表达，好像只是感叹时代变了。可放回整场访谈里看，它其实在说一件更具体的事：现在做大模型，越来越难靠某个天才、某次灵光一闪，直接拉开决定性的差距。
早几年不是这样。那时技术路线还在快速展开，一个关键发现、一套新方法、一次尺度跃迁，确实可能改写整个行业的地图。到了今天，头部公司的基础能力已经拉到很高的位置，竞争重心自然变了。模型还要继续变强，但真正把差距拉开的，常常不是“谁更聪明”，而是“谁更稳，谁更能把一整套系统长期推下去”。
所以姚顺宇反复强调“靠谱、细致、负责”，并不是在故意给这个行业去魅，而是在描述一个已经发生的转向。行业没有失去野心，只是从开荒阶段，走进了工业化阶段。
为什么 benchmark 还重要，却没法单独解释全局
访谈里有个判断我很认同：Gemini、OpenAI、Anthropic 这些头部玩家的公开能力差距，已经没有外界想的那么大了。榜单当然还要看，分数也不是没意义，但很多时候它更像局部信号，不再是最后答案。
原因不复杂。今天顶级模型在推理、写代码、调用工具这些方向上，都已经跨过了“能不能做”的门槛。接下来用户真正感受到的差异，更多出在体验层：谁更稳定，谁在某类任务上更顺手，谁能把一条工作链路打磨得更完整。
这也是为什么现在很难只靠一张榜单就判断输赢。Claude 在 tool use 和 agent coding 上有自己的优势，OpenAI 在产品速度和生态整合上持续推进，Gemini 背后又站着 Google 的基础设施与产品入口。分数差异还在，但它们已经不足以把整场竞争讲明白。
真正难的地方，慢慢从“做出能力”变成“定义问题”
如果说上一阶段的核心难题是把模型做强，那这一阶段更麻烦的事，是先想清楚你到底要它变强成什么样。
这听起来像一句空话，实际一点都不空。模型系统越来越复杂之后，很多差异不再是“多堆一点算力”就能解释的。你得决定什么行为值得优化，什么结果算好，哪些任务要提前布局数据和评测，哪些方向值得在组织内部拿到更高优先级。
这类问题天然就更像产品问题，也更像组织问题。因为它不只考验研究能力，还考验团队有没有办法把方向、数据、训练、评估、上线体验串成一条线。很多外界以为是技术选择的差异，往下深挖，会发现其实是优先级选择、协作效率和工程纪律的差异。
也因为这样，“聪明”这件事没有消失，但它不再是最稀缺的解释。真正稀缺的，是一群人能不能在反馈很慢、系统很脏、变量很多的环境里，把事情持续做对。
OpenClaw 为什么会火
访谈里谈 OpenClaw 的那段，其实把今天 AI 产品层的一个现实说得很透。OpenClaw 之所以引发关注，不是因为它突然证明了一个从没人见过的新原理，而是因为它把一组本来已经接近可行的能力，第一次用足够直观的方式摆到了公众面前。
很多公司内部大概率早就有人做过类似实验，只是没有认真打磨，也没有把它包装成一个足够能被外部感知的产品。OpenClaw 真正厉害的地方，不在“发明”，而在“呈现”。它让大家看见，多模型、多工具、长链路任务的 agent 体验，已经不是遥远概念，而是一个轮廓清楚、虽然还粗糙但确实能工作的东西。
这也是它的价值所在。它带来的更像一次认知校准，而不是一次技术突变。
为什么产品公司很容易跑进模型公司的阴影里
问题也恰恰出在这里。只要底层模型能力和成本结构，主要还掌握在头部实验室手里，很多应用层产品就会天然活在阴影里。
它们当然可以先跑，先拿到用户，先占住入口，甚至先定义一段新的交互习惯。但只要模型公司自己往下走一步，这种关系就会立刻变得紧张。原来是合作伙伴，下一步就可能变成直接竞争者。
Cursor、Manus、OpenClaw 这一类项目，其实都要面对同一个问题：如果头部模型厂商半年后把类似能力做进自家体系，你手里还剩下什么？如果答案只是“我先做了一个更好用的壳”，那护城河通常不够深。
所以 AI 创业最难的部分，常常不是先做出 demo，而是尽快长出不容易被上游吞掉的东西。可能是用户心智，可能是工作流绑定，可能是数据回流，也可能是更深的场景整合。没有这些，产品层的繁荣很容易只是一段窗口期。
Anthropic、Google 和 AI safety 那条线，也可以看得更现实一点
访谈里关于 Anthropic 文化和 AI safety 的讨论，也有一个我觉得很重要的地方：它没有停在抽象立场上，而是一直往现实约束里落。
道理很简单。一家公司就算真的更在意安全，也很难靠“我先慢一点”这件事，单方面改变整个行业的推进速度。你停，别人不一定停；你收缩，别人可能直接加速。于是很多理想化表述，最后都得回到组织、市场、国家竞争和资本压力的现实条件里。
这不代表安全不重要。恰恰相反，它说明如果安全想变成真正有效的约束，就不能只停在宣言层。它得进入机制，进入协作，进入行业共同承受的成本结构。不然讲得再漂亮，也很难变成可执行的东西。
把整场访谈压成一个更清楚的结构
如果要给这篇文章重新搭骨架，我觉得可以压成下面四层：
- 第一层：头部模型的纸面差距在缩小，公开 benchmark 越来越难单独解释谁会赢。
- 第二层：真正关键的差异，转向问题定义、评测体系、组织协作和产品落地。
- 第三层：OpenClaw、Cursor、Manus 这类产品的机会确实存在，但它们始终受制于模型公司的位置。
- 第四层：“英雄主义结束了”不是一句感慨，而是对大模型行业进入工业化阶段的概括。
按这个结构再回看原访谈，很多看起来分散的点就能重新串起来。它聊的不是几家公司谁赢谁输那么简单，而是在说：当模型能力逐渐趋同后，竞争的重心会往哪里迁移。
我为什么觉得这期内容值得写
我最认同的，并不是访谈里某个单点结论，而是它处理这个行业的方式。它没有继续神话模型公司，也没有把 AI 创业讲成纯粹的浪漫故事，而是把很多热闹叙事往下拽了一层，拽回组织、流程、执行、产品和现实约束。
这种去魅很重要。因为今天外部讨论 AI，仍然很容易被“谁最聪明”“谁最领先”“谁又放了一个大招”带着跑。可真正在一线决定结果的，往往是一套不那么性感的东西：优先级怎么定，团队怎么协同，评测怎么做，产品怎么磨，错误怎么被修回来。
从这个角度看，“英雄主义结束了”并不悲观。它只是提醒我们，大模型竞争已经越来越像一场长期工业竞赛。
这篇我先重写到这里。比起把所有材料都摊开，我更想先把主线讲清楚。这样读者读完，至少会记住一个判断：今天这场仗，单点天才当然还重要，但真正决定胜负的，越来越是一整套集体系统能不能稳定运转。