2024年12月，OpenAI首席执行官萨姆·奥特曼拉响「红色警报」，宣告将倾斜更多内部资源加速ChatGPT迭代。在AI模型竞赛白热化的当下，这家行业明星企业既要应对人才争夺、组织震荡的内忧，又要承接技术突破的外部高期待。面对「开创下一个AI技术范式」的重压，OpenAI的破局策略逐渐清晰。近日，OpenAI首席研究官Mark Chen在播客节目中，首度披露了团队在技术研发、资源分配、竞争应对等方面的核心逻辑，更透露了GPT-5 Pro的科研进展与即将发布的对标Gemini 3的新模型动态。

人才竞争：拒绝薪资内卷，靠信念与文化留核

AI行业的人才池本就有限，顶尖人才成为各大企业争夺的核心资源。Meta的激进挖角成为行业焦点，扎克伯格甚至亲自为OpenAI团队成员送上亲手熬制的汤以示好，上演了颇具戏剧性的竞争名场面。对此，Mark Chen表示，媒体渲染的「人才单向流向Meta」并非事实，Meta挖走第一名员工前，曾接触过他近一半直接下属，均被拒绝。尽管Meta每年投入约百亿美元用于人才争夺，难免会挖走部分人员，但OpenAI成功守住了核心团队。

OpenAI的底气源于两点：一是团队对研究路线的高度认同，无论是原生员工还是从Meta加入的成员，都坚信AGI不会首先在Meta诞生；二是拒绝陷入「薪资逐美元匹配」的恶性竞争，靠愿景凝聚人心。Mark Chen坦言，关键成员在远低于Meta的薪酬下选择留下，印证了他们对OpenAI未来的真正信任。为应对竞争，他甚至借鉴对手策略，给挖角目标赠送米其林餐厅的汤，还计划组织团队烹饪课，以独特方式维系团队凝聚力。Mark Chen强调，人才争夺的核心不是留住所有人，而是锁定核心力量，这一策略让OpenAI在激烈的人才战中站稳了脚跟。

资源分配：300个项目的GPU优先级博弈，聚焦下一个范式

算力是AI研发的核心命脉，围绕GPU的争夺在OpenAI内部愈演愈烈，甚至出现各种「幕后交易」。作为研究负责人，Mark Chen与Jakub每隔一两个月就会开展一次「项目盘点」，梳理出包含约300个项目的清单，逐一深入评估并排序，以此决定算力分配方向——这对500人规模的研究团队而言，是明确核心优先级、保障研发效率的关键。

与其他实验室不同，OpenAI的算力分配核心并非训练最终成品模型，而是向「探索性研究」倾斜，目标是找到「下一个AI技术范式」。Mark Chen强调，团队不追求复现他人成果，也不刻意追赶基准测试成绩，而是愿意为潜在的突破性方向投入大量资源。事实上，OpenAI用于探索性研究的算力占比，甚至超过了成品模型训练的算力。面对各团队都声称自身项目最重要的困境，他认为优秀领导者必须明确优先级，敢于拒绝非核心需求，确保资源集中流向真正推动研究方向的项目。这种长期主义的资源分配逻辑，让OpenAI得以在两年前就押注当时并不热门的推理优化（RO）项目，如今该方向已成为AI模型的核心基础能力。

技术布局：预训练重启与推理突破，剑指科学研究自动化

过去两年，OpenAI将大量资源投入推理能力研究并取得突破，但其预训练、后训练等环节的能力有所弱化。近六个月来，团队重新聚焦预训练，将其比作「需要持续锻炼的肌肉」，通过更新信息储备、强化优化算法与数值计算能力，让模型的基础能力重回上升通道。这一调整并非对过往路线的否定，而是基于「下一个范式」的综合布局——既要巩固推理优势，也要补齐预训练短板，形成技术闭环。

在推理能力领域，OpenAI已推出o3和o4-mini两款新一代模型，实现了多项革命性突破。其中最引人瞩目的是首次将图像思考融入思维链（CoT），模型可自主对图像进行放大、裁剪、旋转等操作分析内容，无需依赖额外模型辅助，在V*视觉推理基准测试中准确率达96.3%，几乎攻克该领域核心挑战。同时，模型具备自主调用工具的能力，可灵活使用Python解释器、网页搜索等内置工具，甚至通过API接入自定义工具，在Codeforces编程竞赛中o3得分超2700分，跻身全球前200名，展现出「天才级」的复杂任务处理能力。两款模型形成高低配布局：o3主打高性能推理，适配科研、编程等复杂场景，虽需十倍于o1的算力，但错误率降低20%；o4-mini则以轻量高效为核心，在AIME 2025测试中配合Python解释器准确率达99.5%，适合高并发商业化场景。

对于备受关注的GPT-5 Pro，Mark Chen透露其已在科学发现领域取得阶段性进展，朝着「科学研究自动化」的目标稳步推进。OpenAI计划未来1年内实现AI实习生助力研究工作，2.5年内达成AI端到端独立研究的突破。不过需正视的是，在ARC-AGI 2测试中，英伟达4B参数小模型NVARC以27.64%的准确率超越了GPT-5 Pro的18.3%，这也印证了Mark Chen所言「不刻意追赶基准测试」的理念，OpenAI更关注模型在真实科学研究场景中的落地能力，而非单一测试指标。

面对谷歌Gemini 3的竞争压力，Mark Chen态度从容：「Gemini 3不错，但我们也快发了」。他透露OpenAI内部已拥有能力相当的对标模型，且经过近半年预训练能力的强化，已具备正面抗衡的实力。相较于Gemini 3在100万token长上下文、多模态整合等方面的优势，OpenAI的竞争核心并非追求参数或指标的短期超越，而是通过预训练与推理能力的协同升级，构建更强大的科学研究自动化能力。Mark Chen个人常用一道「42问题」测试模型推理能力——构建模42随机数生成器并最小化期望调用次数，目前尚无模型能给出最优解，这也成为OpenAI打磨模型推理深度的标杆性课题。

竞争哲学：拒绝跟风内卷，以长期主义锚定AGI方向

在AI行业竞争空前激烈的当下，OpenAI始终坚守「不被动应对竞争对手」的长期主义哲学。Mark Chen认为，通过小幅更新在几周或几个月内暂时领先的模式不可持续，唯有破解下一个技术范式，才能真正塑造行业方向。这种理念贯穿于人才、资源、技术的全链条布局：人才层面靠AGI愿景凝聚核心力量，拒绝薪资内卷；资源层面向探索性研究倾斜，放弃短期指标焦虑；技术层面锚定科学研究自动化，不跟风追逐热门赛道。

同时，OpenAI清晰认知到研究与工程的协同价值。针对马斯克「这帮人不是研究员，只是在做工程」的评价，Mark Chen回应称，大模型研发中，每一个百分点的优化、每一次kernel的加速、每一项数值稳定性的保障，都是深度工程实践的成果，脱离工程能力，再先进的研究理念也无法在大规模GPU上落地。研究与工程的双向赋能，正是OpenAI能持续突破技术边界的核心支撑。

从人才攻防到资源博弈，从技术迭代到竞争布局，OpenAI的破局之道本质上是长期主义对短期焦虑的胜利。在Mark Chen的掌舵下，这家企业正以「探索下一个AI范式」为锚点，在白热化的行业竞争中保持战略定力，朝着AGI的终极目标稳步前行。而其即将发布的对标Gemini 3的新模型，或将成为检验这一系列布局成效的关键战场。