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）