Mark Chen揭秘OpenAI破局之道：GPU优先级分配、技术押注与下一个AI范式

日期：2026-01-11 11:45:58 / 人气：5

在AI模型竞赛白热化的当下，OpenAI一边应对人才争夺、组织震荡的外部挑战，一边背负着“开创下一个AI技术范式”的沉重压力。近日，OpenAI首席研究官Mark Chen在播客节目中，首次细致披露了公司在算力分配、技术研究、团队管理等方面的核心策略，同时透露了GPT-5 Pro的科研进展与对AGI的最新判断，为我们揭开了这家明星企业的破局路径。

人才竞争：守住核心，不玩“薪资逐美元匹配”游戏

AI行业的顶尖人才池本就有限，Meta的激进挖人策略成为行业焦点。Mark Chen坦言，Meta每年近百亿美元的人才投入虽能挖到部分人员，但OpenAI成功守住了核心团队——在Meta接触其近一半直接下属时，所有人都选择拒绝。这场人才博弈中，甚至出现了扎克伯格亲自送亲手熬制的汤示好的戏剧性场景，而Mark Chen也顺势“以彼之道还施彼身”，为挖角对象定制米其林汤品。

真正让OpenAI立足的，是团队对研究路线的高度认同。即便薪酬远低于Meta，核心成员仍选择留下，因为无论是原班人马还是从Meta加入的员工，都坚信“AGI不会首先在Meta诞生”。Mark Chen明确表示，公司不会陷入薪资攀比，而是精准锁定必须保留的核心力量，这一策略让团队在人才争夺战中站稳了脚跟。

GPU优先级分配：300个项目的“核心路线图”筛选法

作为负责算力分配的核心决策者，Mark Chen需应对各团队对GPU的激烈争夺。他透露，自己与Jakub每隔一两个月会进行一次“项目盘点”，梳理出包含约300个项目的表格，逐一深入评估并排序——这对500人规模的组织而言，是明确战略方向、传递核心优先级的关键动作。

优先级判断的核心的是“聚焦下一个范式”。与其他实验室不同，OpenAI不追求复现他人成果或追赶基准测试成绩，而是将算力大头投入到“探索性研究”中，而非最终成品模型的训练。面对各团队的资源诉求，Mark Chen认为，优秀领导者必须敢于明确优先级，坦诚告知哪些项目能推动核心研究，哪些只能暂时搁置。这种聚焦策略，让OpenAI在资源有限的情况下，持续押注真正具有突破性的方向。

技术押注：从推理优化到预训练重启，剑指超人类能力

OpenAI的技术布局始终围绕“突破现有范式”展开。两年多前，当行业普遍认为预训练和后训练机制已足够成熟时，OpenAI率先押注语言模型的“思考能力”（RO项目），如今这一能力已成为AI模型的核心基础。而在过去六个月，Mark Chen与Jakub重新聚焦预训练能力——此前因深耕推理研究，预训练团队的“肌肉”有所弱化，如今通过资源倾斜，新训练的模型已具备与Gemini 3一较高下的实力。

对于外界“Scaling已死”的论调，OpenAI坚决反对。Mark Chen指出，行业对RL的过度关注，反而让OpenAI在预训练领域获得“信息优势”，而合成数据、推理优化等方向的潜力，正推动类似Transformer的技术跃迁。值得关注的是，GPT-5 Pro已在科学研究中展现威力：一位物理学家将论文输入模型后，仅30分钟就被完全理解，这种能力未来将在数学、生物、材料科学等领域持续突破。

Mark Chen还分享了一个测试模型能力的“秘密题目”——“42 problem”（构建模42随机数生成器，最小化原子操作调用次数），目前尚无人类语言模型能给出最优解，这也成为其判断模型思考能力的重要标尺。

团队与文化：从20人到研究巨头，危机中凝聚的向心力

2018年，Mark Chen以“研究员resident”身份加入OpenAI时，公司仅20人规模。在Ilya的指导下，他从生成式模型研究起步，先后主导了Image GPT（DALL·E前身，证明Transformer可处理图像）、Codex（搭建代码模型评估体系）等关键项目，逐步从个人研究员成长为研究负责人。

OpenAI过去几年的组织风波，尤其Sam奥特曼的“政变事件”，成为团队凝聚力的试金石。当时，竞争实验室趁机挖角，Mark Chen与核心成员定下“不流失一人”的目标：敞开家门接纳焦虑的同事，协调签署请愿书支持Sam回归，最终实现90%以上研究人员签名，全员坚守。这种危机中的向心力，源于团队对“宏大愿景+天才集结”模式的认同——Mark Chen强调，OpenAI不依赖单一明星个体，自下而上的文化让很多好点子从意外之处诞生。

在管理上，Mark Chen注重“高密度人才”策略，曾冻结研究部门新增人头，要求团队通过优化人员结构保持能力标准；同时坚持为研究者公开署名，即便这可能引来挖角，也坚信“出色的人理应被看见”。

未来展望：AGI的范式变革与科学自动化

对于AGI的争议，Mark Chen认为无需纠结统一定义，更应关注模型是否产出新科学知识、推动前沿突破。今年夏天以来，AI在数学、物理领域的成果让他看到“巨大相变”，并提出两大具体目标：1年内实现“AI实习生”模式（研究者提想法，模型落地执行），2.5年内实现端到端AI研究（模型完成从构思到验证的全流程）。

OpenAI正筹建“OpenAI for Science”项目，目标不是争夺诺奖，而是构建通用工具与框架，让全球科学家借助AI实现诺奖级突破。目前，GPT-5已在开放凸优化等问题上取得进展，生物领域也出现经专家验证的真正科学发现，这些突破正逐步改变传统研究模式。

此外，OpenAI已开始探索AI硬件与交互形态的革新，与Jony Ive合作思考ChatGPT的未来形态——打破“提示-回应”的笨模式，强化记忆能力，让AI持续学习用户需求，彻底重构设备范式。而对齐问题则成为未来一两年的核心难题，OpenAI通过保留模型真实思维轨迹、探索多模型监督博弈等方式，应对模型复杂性提升带来的可解释性挑战。

结语：以速度对抗竞争，以探索定义未来

面对Gemini 3的挑战，Mark Chen那句“Gemini 3不错，但我们也快发了”，尽显OpenAI的底气。这种底气源于对核心人才的坚守、对算力的精准分配、对技术的前瞻押注，更源于“跑得比对手更快”的开放文化——不依赖信息封闭，而是以自由分享推动研究提速。

34岁的Mark Chen每天工作至凌晨，坦言“没有社交生活却乐在其中”。在他看来，OpenAI正站在类似工业革命的转折点，而守住研究核心、推动AI赋能科学，就是这场变革中最值得坚守的使命。未来两年，AI研究范式的剧烈变化已箭在弦上，OpenAI的每一步动作，都将影响整个行业的走向。

作者：杏鑫娱乐