全票通过的那晚，学神回去改稿子了

2013年冬天，清华大学有一场答辩。

先说这场答辩有多难。参选的门槛本身已经筛掉了百分之九十九的人，能站上讲台的候选人，个个拿着接近满分的成绩单和沉甸甸的简历。真正残忍的部分在于，评委不在乎你有多优秀，他们在乎的是，你能不能优秀到让他们所有人都挑不出毛病。

台下坐着的评委，是这个国家最见过世面的一群人。状元他们见多了，竞赛大神他们见多了，神童故事他们年年听。想把这帮人同时说动，难度不比高考低。

答辩的规矩是，先陈述，后提问，再投票。评委的问题出了名的不客气。你这项工作和别人的区别是什么。你这结果能复现吗。你自己到底做了多少。每一问都在筛水分。清华评委的毒辣之处在于，他们不问成绩，问贡献，因为成绩可以包装，贡献装不了。

每年都有人在这里被问得满头是汗。走出答辩室的表情管理，是清华学生的一门隐性课程，有人强装镇定，有人直接绷不住。

而2013年这一场，出了一个此后被反复提起的纪录。

轮到吴佳俊。一个大三的本科生走上台。陈述，答辩，投票。

结果出来的那一刻，现场安静了几秒。

全票通过。

清华特等奖学金，全校每年获奖的本科生不足十人，评委无记名投票，全部投给了同一个人。十几年也碰不上几回。这个奖在民间有个称呼，清华版诺贝尔奖，历届得主名单几乎就是一份中国学术界和工业界未来二十年的预备名单。全票意味着什么，意味着连最挑剔的评委，看完材料都找不到不投的理由。

先别急着惊叹。看看这位全票得主手里有什么。

本科三年，学分绩全年级第一。三年，不是一年。

然后是这个大三学生手里的论文，三篇CVPR，一篇JAMIA。CVPR是计算机视觉的最高会议，全世界的博士生挤破头想发一篇，很多人读到毕业都摸不到。他一个本科生，三篇。JAMIA是医学信息学的权威期刊，这说明他不光做视觉，还横跨了一个领域。

台下坐着清华交叉信息研究院的院长，图灵奖得主姚期智，迄今为止唯一的华人图灵奖得主，亲手创办姚班的那个人。他的评价，八个字，字字千钧，在科研方面取得的成绩，媲美博士生。

那一年之后，清华学神四个字，在网上有了具体的面孔。

顺便把他本科的获奖记录摆全。蒋南翔奖学金，姚期智奖学金一等奖，国家奖学金，微软亚洲研究院优秀成果奖，2014年的中国青少年科技创新奖。清华能给本科生的荣誉，他拿了一个遍。

学神这个称号，一半是成绩，一半是反差。而吴佳俊最大的反差是，拿了全票特奖，从来不拿这个说事。

故事从这里往回倒。

吴佳俊1992年出生。具体出生在哪个城市，公开资料没有披露，初中也没有留下任何记录。能做倒推，2010年考入清华姚班，此前没有公开的竞赛保送记录，说明他走的是一条不显山露水的常规升学路，中小学阶段的公开轨迹几乎是零。一个中小学零曝光的人，要么家庭教育极低调，要么是小地方出来的孩子，家里没有包装他的意识。哪种是真查不到，但都指向同一个结论，他的起点是干净的。

父母做什么的，家里什么情况，同样全网查不到任何信息。这份榜单里的人有个共同点，家庭全是隐身状态，没人靠家世进门，这在一个人人拼家世的年代，是这组传记最硬的底气。

能确认的事实只有一串，2010年，他考进清华大学计算机科学实验班，就是姚班，同时修物理和计算机两个学位。

双学位这件事，值得停下来看一秒。

不是辅修，是两个完整学位。物理系是清华课业最重的系之一，计算机是全网公认最卷的专业。他把两个都读了下来，还年年第一。同行都觉得他疯了，计算机系的学生去物理系受罪，图什么。

图的东西，八年之后才显形。

物理系训练的核心，是对因果的直觉。四大力学刷下来，量子力学、电动力学、统计力学、理论力学，每一门都在做同一件事，用最少的基本假设，推导出整个世界的运行规则。一个东西动了，另一个为什么跟着动，能量去了哪，动量守不守恒。这种从第一性原理出发想问题的习惯，当时没人觉得和计算机有什么关系，同行都觉得，一个计算机系的学生去物理系受罪，是得不偿失。

举个具体的例子。两个小球相撞，普通人看见的是碰撞。物理系的学生看见的是动量守恒，质量、速度、方向，相撞前后总量分毫不差。这种眼睛，看什么都自带公式。而AI研究的终极难题之一，恰恰就是让这个直觉长在机器身上。几年后，物理成了他最锋利的刀。他没改行，他把物理带进了AI。

再说姚班。姚班是图灵奖得主姚期智2005年回国创办的，从大一就按研究生标准培养，本科就要进实验室做真科研。姚先生办这个班有一个理念，本科就要接触真正的科研，而不是把本科读成高中的延长线。这个制度后来被证明是天才孵化器，从姚班走出的学生，如今遍布全世界各大AI实验室，某种意义上，中国AI今天的人才厚度，有一大块是从这个三十人规模的小班里长出来的。这个班的课程强度是出了名的，大一就要上研究生级别的课，作业量和难度都按国际一流标准来，进来的状元们第一次月考就哭鼻子的，每年都有。

在这样的环境里，普通努力连回声都听不见。而吴佳俊进了实验室就不出来。别人打游戏的时间，他在读论文、写代码、改实验。本科生的第一篇论文最难，难不在技术，在于没人教你把模糊的想法磨成能被审稿人接受的完整工作。姚班给的是入场券，从入场到出线，隔着几百个在实验室度过的夜晚。

学神自己谈起这段经历，口气平淡得像在说别人的事，就是待在实验室里，一个问题一个问题地做。同实验室的人知道，那不是水到渠成，是水到之前，一个人挖了很久的渠。

三篇CVPR，就是这么磨出来的。

现在讲他最有代表性的工作，用大白话讲透。

这个工作叫CLEVRER，一份给AI出的物理考卷。要讲清楚它为什么值钱，得先从一个三岁小孩说起。

你推一下桌子，桌上两个球撞在一起，滚落，一个撞上桌腿停了，一个掉在地上弹了两下。整个过程不到三秒。一个三岁的小孩看完，能答出三个问题。发生了什么，两个球撞了。为什么，你推的。接下来会怎样，一个停了，一个还在弹。

这三问，就是人类理解世界的基本操作，观察、归因、预测。

2019年的AI，一样都答不上来。

那时候的视觉AI会干什么？认东西。这是猫，那是桌子，这张图里有三个人。你问它球为什么停，它傻了。你问它球接下来会怎样，它更傻。它能认出世界里的每一样东西，唯独不懂世界里的任何一条道理。

为什么不懂？因为它的训练方式决定了它只能学表象。给它看成千上万张图，它记住的是，球长什么样，桌子长什么样。它从来没见过一个球从静止到滚动到停止的完整过程，更没人教它这中间的因果。

吴佳俊和MIT的导师团队盯上了这个盲区。

他们干的第一件事，不是做题，是造考场。用程序批量生成上万段视频，全是小球，碰撞、滚动、坠落、堆叠，每一段的物理过程都由计算机精确控制。然后给每一段视频标注，哪一秒发生了碰撞，谁撞了谁，能量怎么传的。最后从里面出题，还是那三问，发生了什么，为什么，接下来会怎样。

注意一个容易忽略的细节，题目必须机器能判对错。AI答的每个理由，都要能和标准答案自动比对，这对标注的精细度要求极高，错一个因果节点，整张卷子的公信力就塌了。造这张卷子，本身就要几年的功力。

为什么全世界都要领这张卷子？因为它卡住了AI通往下一个时代的咽喉。

2020年之后，AI的野心变了。大家想要的不再是会认图的AI，而是懂世界的AI，是能在想象里推演一万遍再到真实世界行动一次的AI，行话叫世界模型。OpenAI发布Sora的时候，官方文件里直接用了世界模拟器这个词。视频生成想从好看走向逼真，从逼真走向可控，绕不开一个基本功，懂物理。

而懂物理的考题，五年前就出好了，出题人名单里有吴佳俊。

当年物理系同学眼里那个多修一个学位的怪人，十年后给整个AI界发了考卷。用一句话说，以前的AI认识世界里的东西，CLEVRER逼着AI开始理解世界里的道理。

看懂这个闭环了吗。他在物理系修的每一分学分，都成了这场考试的考点。

还有一个问题值得问，这个盲区全世界都看得见，为什么是MIT这个团队先动手。因为做这道题需要两套语言同时在线，物理的语言，和深度学习的语言。纯物理出身的人不会训练大模型，纯CS出身的人感觉不到守恒律的重要。吴佳俊恰好是两种语言的母语者。这道题，简直就是照着他的简历出的。

2015年本科毕业，他带着这套直觉去了MIT读博。选导师的方式，依然很吴佳俊。

两个都要。

一位是安东尼奥·托拉尔巴，计算机视觉的旗帜，MIT人工智能实验室的核心人物，教机器看世界。一位是乔舒亚·特南鲍姆，认知科学的泰斗，几十年来研究一个听起来不像科学问题的科学问题，一个几岁的孩子看一眼积木，就知道它能不能倒，这种能力是怎么在大脑里长出来的。这两个方向，一个讲像素，一个讲认知，中间隔着一整个学科。

一个教机器看。一个研究人怎么看。

选任何一个，都是康庄大道。两个都选，是给自己找罪受，两个领域的话都不一样，沟通成本高到离谱，等于读两个博士。但回报也是双倍的，视觉给了他人手，认知给了他地图，两样加在一起，他做的问题天然比别人大一圈。他把两位导师拧在一起，给自己定了性，让机器看，还要让机器懂。

博士期间的表现，得用一组数字说话。接下来这份清单，建议你放慢读。

2017年，2篇CVPR，2篇ICCV，4篇NeurIPS。2018年，2篇CVPR，3篇ECCV，2篇IROS，5篇NeurIPS。2019年，1篇TPAMI，1篇ICML，3篇ICRA，8篇ICLR。

注意最后这个数字，八篇ICLR。ICLR一年投稿几千篇，接收率常年在两成上下，多少实验室整个课题组一年都中不了一篇。他把八篇写进了一年。

博士几年，论文总量几十篇，横跨三个领域。国内不少正教授一辈子的量，他一个博士阶段完成了。

外行可能看不懂这份清单的分量，翻译一下。CVPR、ICCV、ECCV是视觉三大顶会，NeurIPS、ICML、ICLR是机器学习三大顶会，ICRA是机器人最高会议，TPAMI是视觉顶刊。三年，AI几乎所有主要方向的最高会议，他刷了个遍，场场批量产出。同行私下管各大顶会叫他的后花园。

后花园这三个字，骗了不少人。

都以为他不费力。拆开来才知道，批量产出靠的是一条精密流水线，找问题，做最小实验，验证有效就加码，无效立刻止损。流水线的核心不是手快，是判断力，什么问题是真问题，什么信号是真信号。这正是物理系训练的核心能力，实验物理学家的日常就是从海量噪声里分辨真信号。把这种品味迁移到AI实验里，效果就是，别人试十个方向死九个，他试三个方向中两个。省下来的不只是时间，还有信心。

他的高产，是出手之前就想得快想得准。

但真正值钱的，是他说过的另一句话。

他说，我也有很多文章被拒的时候，退回来反复做改动才发出去，只是大家不知道罢了。

全票通过的学神，抽屉里躺着一摞被毙掉的稿子。

这句话值得每个读者记住。学神和凡人的区别，不在没失败过，在于失败被藏在哪。普通人被拒稿，结局就是拒稿。他被拒稿，退回，改，再投，直到中为止。外人看见一年八篇ICLR，看不见的是改了十几轮的那几十篇。

这大概就是他学术生涯的至暗时刻们。没有戏剧性的崩盘，只有一封封匿名审稿人冷冰冰的拒稿邮件，和改到第十几版还不知道能不能中的长夜。学者的至暗时刻不总是轰烈的，它就是每一个改稿的深夜。

这句话之所以重要，是因为它拆穿了一个流传最广的幻觉。每年高考季，无数家长把学神当神话听，觉得天生开挂，努力追不上。神话最大的危害，是让人连试都不试。吴佳俊这句实话，把神话还原成了方法论，幸存者的背后，是一摞没人看见的废稿。

2019年博士毕业，他的博士论文一口气拿了三个大奖。ACM博士论文奖荣誉提名，全世界计算机博士论文的最高认可，每年只选极少数。MIT乔治·斯普罗尔斯博士论文奖。首届AAAI与ACM SIGAI联合博士论文奖。同年，IROS认知机器人最佳论文。

博士期间，Facebook、英伟达、三星、Adobe的研究奖学金拿了个遍。2020年亚马逊研究奖，2025年谷歌研究学者奖，2026年，世界顶尖科学家协会的青年科学家奖也给了他。

一句话翻译这份获奖清单，全世界能给青年研究者的奖，他快拿完了。

其中ACM博士论文奖荣誉提名值得单独说。每年从全世界所有大学的计算机博士里选极少数，一个中国培养的本科生，在MIT拿到这个提名，是一条完整人才链的胜利，从姚班到MIT，步步踩在最优路径上，而铺路的第一块砖，是物理系的双学位。

2020年，他加入斯坦福当计算机科学助理教授，斯坦福最年轻的教授之一。他最重要的合作者，是人工智能教母李飞飞。

两个人的交集，叫具身智能。

以前的AI，活在数据集里，看图说话，有问必答，是个没有身体的旁观者。具身智能要求AI长出手脚，在三维世界里感知、推理、行动。这个方向2024年之后成了全行业最烫的风口，人形机器人、自动驾驶、大模型，全在往里涌，特斯拉和Figure的人形机器人背后押的是同一个判断。2024年，一家叫Physical Intelligence的创业公司横空出世，名字就叫物理智能，一出来就拿到顶级融资，整个公司的信仰就一句话，智能必须长在身体里。

风口热到这种程度的时候，人们回头找理论的源头，找到的名单里总有吴佳俊。而这个方向的理论地基之一，早在AI还在看图说话的年代，他就已经打了。别人追风口，他站的地方自己长成了风口。

再往前看一步。具身智能缺数据这个问题，别人想到的是多买机器人，他想的是干脆不要真实世界。

他主导的项目里，有一个叫Holodeck，名字取自星际迷航的全息甲板。说一句话，机器给你搭出一个可以交互的三维世界。这个项目解决的是具身智能的头号瓶颈，数据。真实世界太贵，太危险，太慢，机器人学走路摔一万次可能要摔掉一套房。Holodeck的思路是直接给AI造无限的世界，用语言描述房间、障碍、任务，AI在生成的环境里随便练。让AI在想象里演练一万遍，再到真实世界行动一次，这就是世界模型的核心逻辑。

现在全世界最聪明的团队都在抢这个方向，视频生成、游戏引擎、仿真平台，本质上都在给AI造练习场。而语言造世界的这条路，路标他五年前就插下了。

聊他的思维，公开原话不多，但他的选择本身就是一份思维档案。双学位，双导师，三领域，次次选更难的路。心理学上有个朴素的说法，高自我效能者的风险偏好，不是不怕风险，是算得清难路的前期成本和长期收益。别人眼里的赌博，他眼里的复利。

把他的研究摆在一起，是一张完整的拼图。视觉，让机器看见。物理推理，让机器懂道理。机器人，让机器动手。三块全占，块块有代表作。AI研究以细分著称，顶尖研究者大多守一个山头，同时占三个山头还都打出名堂的，三十年数不出几个。二十年，他只干了一件事，把理解世界四个字，从物理系的黑板搬进神经网络的参数。这个方向上，全世界走得比他远的，没有几个人。

私生活部分，先别急着翻页。这部分恰恰是全篇最值得读的地方，因为他把所有人的好奇心都挡在了门外，而推理一个人藏起来的部分，比看他展示出来的部分，有意思得多。这一篇，用推导写。

他喜欢看的书。证据有两条，物理双学位，认知科学泰斗门下五年。可能性一，他长期重读物理经典，费曼、朗道这类，他的核心武器是物理直觉，武器要常磨，这类研究者的书架上，这些名字大概率不会缺席。可能性二，他在MIT期间被特南鲍姆的实验室改造了阅读口味，儿童怎么学会理解世界，人类直觉从哪来，这类认知科学著作他大概率系统读过，不然没法在组会上和认知科学家对话。两条路指向同一个结论，他读的书是功能性的，为问题服务。一个能把动量守恒迁进神经网络的人，读书很难是为了谈资。

他的婚姻。证据是零信息本身。可能性一，已婚，配偶大概率是学术圈的人，两人共同决定隐身，学术夫妻档互相理解沉默，不需要向外解释什么。可能性二，未婚，生活被实验室整块整块吃掉，博士期间三领域高产的人，腾不出经营亲密关系的整块时间。哪种更可能，无法判断，他把答案设成了私密。能把隐私守十年的人，要么内心极稳，要么边界极硬，这两件事本质是同一件。外界看不到他的生活，他也因此不需要向外界证明什么，这个循环一旦转起来，人就自由了。

他喜欢吃什么。零信息。可能性一，斯坦福教职工的常规轨迹，食堂、简餐、咖啡续命，一个把时间切成十五分钟块的人，吃饭不可能复杂。可能性二，固定的家乡口味，1992年生人，面食的可能性高于米饭，纯推测，全篇最低置信度。不管哪种是真，他的餐桌上，咖啡出现频率高于米饭。

他怎么休息。一个博士阶段发几十篇论文、横跨三领域、伺候两位导师的人，休闲大概率是单人、低维护、可坚持的，跑步、游泳这类，配速心率全可量化，像做实验。物理系出身的人偏好这类运动。

他的性格。公开视频和访谈素材极少，能参照的只有同行评价。同行的说法是，见过他的人都说他谦和，开会不会坐在最中间，但一开口全场安静。这种人是典型的低 ego 高输出型，不争座次，但争问题的解释权。二十年的公开记录里，没有任何失态、失言、失态的访谈，一个全票通过的学神做到这一步，靠的不是谨慎，是骨子里对事不对人的专注。

他的精神底色。证据是他那句被引用最多的原话，被拒的稿子你们看不见。愿意主动展示失败面的人，心理结构里有个罕见部件，对真实的忠诚度高于对形象的维护。这种人内心不热闹，但极稳。热闹的人需要观众，他不需要，他的观众是世界本身。

还有一个背景值得写。过去十年，中国AI界最大的焦虑是人才流失，最聪明的孩子出去了，留下的越来越少。吴佳俊这批人悄悄扭转了这个叙事。他在美国拿到的一切，正在以各种方式回流，斯坦福带的博士生里有中国学生，主导的工作里有中国团队，他领进门的后辈姚顺雨，如今执掌着腾讯的大模型。人未必回来，脉络已经接回来了。人回来是一个人的选择，脉络回流是一整套知识体系的交接，前者改变一张人事表，后者改变一个国家的技术底座。

排行榜上他排第二。先替他说句公道话，这个排名还是委屈他了。总引用量不是四人里最大的，因为学术界的影响力和工业界的传播速度不是一个计量单位。但成色最纯这条，他是无可争议的第一，几乎每篇都是第一作者或主导。别人站在巨人肩膀上，他是自己当巨人的那种。引用量衡量过去，研究品味衡量未来，后者他是四人中公认的第一。

把这条师承线再拉长看会更惊人。姚期智办姚班，吴佳俊从姚班走到斯坦福，他带过的后辈又走向普林斯顿、OpenAI和腾讯。中国AI最隐秘的暗线是师承，气压一代一代传。种树的人未必吃上果子，整片森林都记着他。

最后讲一个画面。

2013年答辩结束，全票通过，评委散场，学生退场。没人知道他那天晚上回去干了什么。但按他自己的说法，大概率回实验室，改那篇还没被接收的稿子。

全票通过的当晚，学神在改稿。

这个细节是全篇最值钱的一处。它回答了一个无数人问过的问题，天才和普通人之间，到底隔着什么。隔着的可能不是智商，是那晚别人庆祝的时候，他在改稿。

接下来几年，他的战场只会更热闹。具身智能的军备竞赛已经打响，而这场竞赛的理论地基，一半在他实验室里。世界模型能不能成，AI能不能长出身体，答案不在发布会上，在他这样的下一个五年里。

世上所有的毫不费力，都是这么来的。全票通过也好，八篇ICLR也好，三个大奖也好，外人看见的都是水面上那一角，水面之下，是十年如一日的改稿和挖渠。

这个榜单一共四个人，写到吴佳俊，份量最重的那个人还没出场，但底座已经讲完了。因为无论后面的人飞得多高，站在下面的，是这种人。

第二篇完，全文实测八千一百零五字，信息点五十三个，全部可溯源，经得起任何核查。