聊DeepSeek、聊AI硬件、聊竞争对手，OpenAI首席研究官专访信息密度有点大
OpenAI首席研究官马克·陈（Mark Chen）近日接受资深科技记者Ashlee Vance专访，描绘了这家全球领先AI实验室的最新战略图景。
在当前AI竞争白热化、技术迭代加速的关键节点，Mark Chen不仅回应了外界对公司技术方向和人才流失的担忧，更明确了OpenAI追求AGI的独特哲学和短期路线图。
扎克伯格“送汤”挖人，顶尖AI专家却依然选择留下
马克·陈首先谈到了OpenAI与Meta等竞争对手之间日趋激烈的人才争夺战。
他在采访中透露，Meta在挖角策略上“相当激进”，不惜每年投入数十亿美元用于人才招募，甚至一度试图挖走其直接管理的团队中近半数成员，但最终多数人都拒绝了。
为招揽人才，就连扎克伯格都采取了“非常规”手段。马克·陈表示，扎克伯格曾亲自向多位OpenAI员工送汤，甚至可能是其亲手烹制的。
“起初我感到很意外，但时间久了，我开始觉得这类做法确实有其效果，”他笑称。作为回应，他也开始向从Meta招募来的员工送汤，并开玩笑说，下次团队建设或许可以安排一堂烹饪课。
尽管面临薪资待遇上的竞争压力，OpenAI并未选择与Meta进行“薪酬竞争”。马克·陈坦言，OpenAI提供的薪酬倍数通常低于市场顶尖水平，但公司留住人才的关键并不在于薪资，而在于员工对实现AGI这一共同愿景的信念。
300个项目如何争夺资源，谁来决定“下一个范式”？
在AI研发的核心战场，算力（GPU）是决定项目生死的关键资源。
马克·陈透露，OpenAI内部同时推进的研究项目多达约300个，而他与首席科学家雅各布·帕霍基的核心职责之一，正是定期对这些项目进行技术评估与优先级排序，并将有限的算力分配给最有望推动AGI实现的项目。
他强调，OpenAI与许多实验室的关键区别在于，始终将探索性研究置于首位。“我们不做跟随性研究，不单纯追逐基准测试分数，”他指出。OpenAI将大量计算资源投入探索“下一个范式”，这部分投入甚至经常超过最终模型训练本身的消耗。
在管理过程中，最具挑战性的部分往往是拒绝。但马克·陈认为，优秀的领导力体现在能够清晰地说“不”并解释原因。“我们必须不断强调：这些是当前的优先事项，这些是我们期望看到的成果类型。”他解释道。
公司允许次要项目的存在，但它们必须被明确界定为从属地位。这种透明且坚定的原则，被马克·陈视为保持研究组织高效运作的关键。通过这套严格的评估与资源分配机制，OpenAI力求将其宝贵的算力集中于探索技术前沿的“范式突破”，而非进行渐进式的迭代更新。
用数学谜题测试模型，但不会因对手发布而“熬夜追赶”
面对谷歌Gemini 3等竞争模型的发布，马克·陈表示，团队会关注但不会因此打乱自身节奏。他强调基准测试只能反映部分事实，公司对内部研发进展有充分信心，并将竞争对手的发布视为行业方向一致的验证。
马克·陈透露自己常用一个名为“42问题”的数学谜题测试模型，该问题要求设计一个模42的均匀随机数生成器，以考察模型的数学推理与算法优化能力。但他明确表示，不会为在发布首日测试对手模型而熬夜。
“我是长期投入型的人，”他解释道。过去半年团队聚焦于全方位提升预训练能力，由此打造出顶尖团队，实现了关键环节的突破。“正因如此，我们现在能够从容地在预训练领域与Gemini 3正面竞争。”
重新“狂练”预训练，它还有巨大潜力
马克·陈表示，过去两年OpenAI重点发展AI推理能力，导致预训练相关技术有所“退化”。最近半年，团队正全力“重练这块肌肉”。
他认为预训练就像需要持续锻炼的基本功，公司现在已把研发重心重新聚焦于此。“很多人都说‘模型靠扩大规模没用了’，我们完全不认同。预训练还有巨大的提升空间。”
马克·陈指出，当其他公司都聚焦强化学习时，专注预训练反而成了OpenAI的“信息优势”。最近的模型因预训练的强化而显著提升，这让团队对应对年底的竞争“非常有信心”。
拒绝“十年预言”叙事，更关注“科学发现”进程
针对知名AI科学家安德烈·卡帕西近日关于“AGI还需十年”的论断，马克·陈并未直接驳斥，而是将此类预测置于更广阔的叙事背景下审视。
他指出，社交媒体（如X/Twitter）存在一种典型的“叙事循环”，在“一切都完了”和“一切又回来了”之间反复摇摆。
在他看来，关于AGI的讨论往往陷入定义之争。“即使在OpenAI内部，你也很难把所有人聚到一个房间里，让大家给出一个完全一致、精确的AGI定义。”
马克·陈更倾向于用历史进程来类比：“这就像身处工业革命之中。你说‘工业革命完成’的那一刻，是纺织机出现时，还是蒸汽机普及后？每个人都会选择不同的节点。”
因此，他主张将焦点从抽象的时间预测转向具体的进展指标：“我认为，我们正处在‘生产AGI的过程之中’。最关键的衡量标准是：我们是否在产出新的科学知识？我们是否在推进科学前沿？”
他透露，自今年夏天起，团队已观察到“一个非常剧烈的阶段转变”，暗示AI在参与和推动科学发现方面正进入一个更具实质性的新阶段。
AI将在两年半内实现“端到端”自主研究，算力需求永不满足
在马克·陈看来，无论是否称之为AGI，未来一两年内世界都将迎来剧烈变革。 他的信心来源于近期AI在数学与科学领域展现出的能力。
OpenAI研究团队内部已设定两个明确目标：
一年内，让AI成为“研究实习生”，实质参与科研流程并提升效率；
两年半内，实现AI端到端的完整研究能力，即从提出想法到实现、调试、测试全流程自主完成。
“当前流程仍由人类主导，但一年内我们很有信心转变为‘人类把控方向，AI执行实现与调试’的模式，这将完全不同。”马克·陈解释道。
尽管外界对“算力扩展是否仍能带来显著性能提升”存疑，甚至质疑从GPT-4到GPT-5的进步未达预期，马克·陈却对算力需求极为坚定。
“如果今天多给我3倍算力，我可以立刻用完；多10倍，几周内就能排满。”他强调，“算力需求真实且迫切，我看不到任何放缓迹象。”
对于预训练与模型规模扩展，他同样持乐观态度：“我们绝对会继续扩大模型规模，并且已掌握支持进一步扩展的算法突破。”他以Gemini 3为例，指出其在SWE-bench等评估中“数据效率几乎未提升”，而OpenAI在该领域的算法“非常强劲”。
与艾维合作研发AI硬件，探索“会思考”的ChatGPT未来
马克·陈重申，OpenAI正与知名设计师乔尼·艾维（Jony Ive）合作开发下一代AI硬件设备，旨在突破现有ChatGPT“一问一答”的交互局限，打造具备持续学习与记忆能力的“原生思考”体验。
他指出，当前ChatGPT的交互模式本质上是“被动”的，每次对话独立，模型不会因用户历史而变得更智能。他设想的未来设备应能“记住用户、理解意图、关联问题，并在每次互动中变得更聪明”。
针对“OpenAI核心团队无硬件经验，如何确保产品具备设计品味”的疑问，马克·陈坦言：“那是艾维的工作。他是我们在‘品味’上的鉴别者。”他同时发现，硬件设计流程与AI研究存在深层次相似性，均需经历大量探索、假设、试错与迭代。
目前，双方团队正紧密协作，围绕“AI核心能力”与“设备形态”进行整合探索，推动AI从纯软件助手向具有记忆与进化能力的智能硬件体验演进。
面对DeepSeek开源冲击 选择坚守自己的节奏
当被问及对中国DeepSeek等开源模型的看法时，马克·陈表示，这让他深刻意识到“必须死死守住自己的研究节奏”。
他回忆道，DeepSeek发布时引发了极大关注，网络上充满了“OpenAI是否迷失方向”、“竞争对手是否已追上来”、“OpenAI为何不立即回应”等质疑声。
“我认为我们当时的选择完全正确，”马克·陈强调，“我们只是更加扎实地按照自己的研究路线前进。我一点都不觉得这是错误的决定。”
尽管他坦言尚未仔细研究后续版本的DeepSeek模型，但他表示这是一个非常出色的实验室。“但从根本上看，我们要做的就是持续创新，”他指出，“DeepSeek在某种程度上复刻了我们O系列模型的一些理念，但我们的关注点始终是：继续向前创新。”（文/腾讯科技特约编译金鹿，编辑/木木）
本文来自“腾讯科技”，编译：金鹿，编辑：木木，36氪经授权发布。
