7
1马克·陈是人工智能领域最具影响力的人物之一。作为OpenAI的首席研究官，陈负责决定哪些想法能获得计算资源、哪些研究方向可以扩大规模，以及这个拥有500人的实验室如何应对不断的挖人风波、模型竞赛和开创下一个范式的压力。
本期播客谈论了送汤式的招聘大战、OpenAI如何思考保持对Meta和谷歌的领先地位，以及当每个人都认为自己的项目至关重要时，对300个内部研究项目进行排名的真实感受。还有陈的成长历程，从数学竞赛、高频交易到OpenAI的早期阶段，以及他如何最终助力公司度过最混乱的时期。
他谈到了推理模型的突破、对预训练的重新关注、GPT-5 Pro已经取得的科学发现，以及为什么他认为完全自主的人工智能研究比人们想象的更近。这是一场坦诚且信息量巨大的对话，对话者是塑造现代人工智能发展方向的关键人物之一。
OpenAI首席研究官Marc Chen访谈关键节点
一、人才竞争与组织文化
- 00:00:00 开场：主持人引入Meta与OpenAI之间激烈的人才争夺战话题。
- 00:00:41 OpenAI的视角：Marc Chen反驳媒体叙事，指出Meta从OpenAI挖人多数失败，并举出团队核心成员拒绝挖角的例子。
- 00:01:06 留人策略：解释OpenAI不靠高薪资，而是依靠使命感和项目前景来留住顶尖人才，并提及扎克伯格亲自“送汤”挖人的趣事。
- 00:02:42 文化信心：强调团队对OpenAI研究项目的强大信念是抵御高薪挖角的核心。
- 00:03:38 战略核心：指出关键在于培养和留住核心人才，而非试图留住组织里的每一个人。
二、研究管理与战略
- 00:05:48 职责阐述：Marc Chen描述其作为首席研究官与Yaakov合作，负责规划研究方向并为数百个项目分配算力优先级。
- 00:07:54 聚焦路线图：解释OpenAI与其他实验室的区别在于专注于探索性研究和寻找“下一个范式”，而非被动追赶基准测试。
- 00:08:34 决策挑战：讨论如何避免被研究人员极力游说，强调领导力在于明确传达核心优先级。
- 00:09:45 保持自主性：阐述在激烈竞争中不被对手节奏带偏，坚持下注长远范式（如早期的推理项目RO）的重要性。
- 00:12:25 公司内核：强调OpenAI骨子里仍是一家纯粹的AI研究公司，认为研究领先是创造价值的最佳途径。
三、个人背景与职业历程
- 00:18:27 竞赛起源：Marc Chen分享其通过大学室友接触编程，并因保持联系而参与竞技编程，后来成为美国队教练。
- 00:23:01 AI解题洞察：通过AI解决编程竞赛题目的例子，指出AI与人类对问题难易的直觉不同，这能启发前沿研究。
- 00:25:51 能力拐点：分享GPT-5 Pro帮助物理学家解决论文难题的故事，认为AI推动科学前沿的拐点已现。
- 00:33:44 早期职业：回顾从MIT毕业后进入华尔街做高频交易的经历，并因感觉对世界改变有限及受AlphaGo启发而转向AI。
- 00:37:30 进入AI领域：描述通过复现DQN结果自学AI，认为该领域早期入门门槛相对较浅。
- 00:39:08 加入OpenAI：回忆2018年以“研究员”（resident）身份加入仅约20人的团队，在Ilya指导下学习。
- 00:40:22 项目贡献：提及早期从事生成式建模工作，以及参与Dolly前身和Codex等关键项目。
- 00:43:35 转向管理：谈到从独立贡献者（IC）转向管理角色的犹豫与成长过程。
四、危机管理与团队领导
- 00:46:43 危机时刻：描述在Sam Altman被罢免后的动荡时期，决心保护团队，通过开放沟通和请愿团结研究人员。
- 00:48:05 请愿行动：讲述组织研究部门超过90%人员签署支持Sam回归的请愿书，以向外界展示团结。
- 00:49:55 保护心态：表达对OpenAI团队强烈的保护欲，视其为家人，并认为公司是AI人才的“成名之地”。
- 00:52:50 人才哲学：阐述OpenAI在积极挖掘外部顶尖人才的同时，也极度重视内部人才培养和保持高人才密度。
- 00:54:50 领导协作：描述与Sam Altman和Yaakov的紧密合作模式，Sam负责把握团队脉搏和发现潜在问题，Marc与Yaakov负责研究设计与执行。
- 01:27:00 人才标准：强调通过控制编制（HC）等练习来保持极高的人才门槛和密度，避免标准被稀释。
五、技术展望与产品思考
- 00:57:31 预训练聚焦：解释过去半年与Yaakov重新强力聚焦预训练，认为该领域仍有巨大提升空间，并对后续模型能力充满信心。
- 01:00:26 超越模仿：讨论预训练的瓶颈在于模仿人类数据，提出需要引导模型攻克超人类任务，并面临评估难题。
- 01:06:31 AGI进程：Marc Chen提出将AGI视为一个进程而非单点事件，并以AI是否产生全新科学知识作为关键判断标准。
- 01:11:25 自动化研究：披露OpenAI研究组织的两大具体目标：一年内改变科研方式，两年半内实现AI端到端独立完成研究。
- 01:13:21 算力需求：强调对算力的需求没有放缓迹象，若有十倍算力可立即高效利用。
- 01:16:19 未来交互：批判当前ChatGPT交互模式的局限性，设想未来设备需具备持续记忆和深入理解用户的能力。
- 01:20:54 未来突破：被问及未来潜在突破时，透露对“Skeleton”等项目高度期待，并提及预训练、强化学习等整合方向。
- 01:22:10 核心理念：澄清OpenAI本质上是一家以研究为中心、全力押注AGI的公司，所有产品都自然由此衍生。
- 01:29:50 功劳归属：主张OpenAI应大方认可贡献者，即使有被挖角风险，也要坚持当好“AI超级明星孵化器”。
- 01:31:11 对齐挑战：表达对AI对齐问题的深切关注，认为未来一两年主要挑战在于确保模型诚实、可控，并探讨模型间相互监督等解决方案。
🌟 精彩内容
🔥 人才争夺战：从“送汤”到战略防御
- Meta 等竞争对手曾以“十手煲汤”等非常规方式，试图从 OpenAI 挖角核心研究员。
- Mark 透露，Meta 曾试图挖走他半数直接下属，但均被拒绝。
- OpenAI 的策略是：不进行“美元对美元”的薪资对标，而是依靠使命愿景和前沿研究项目留住顶尖人才。他认为，员工对 AGI 愿景的信念，是比高薪更强大的凝聚力。
🧠 研究优先：如何分配稀缺的 GPU 资源？
- OpenAI 内部同时进行着约 300 个研究项目。Mark 与联合创始人 Ilya Sutskever（注：采访发生时 Ilya 仍在职）等人每1-2个月会进行一次全面评估与优先级排序。
- 核心原则：将更多算力投入探索性研究，而非仅仅用于训练现有模型或追赶竞品基准。他们坚信，找到下一个范式比短期领先更重要。
- 领导者的艰难抉择：清晰沟通核心优先级，并对暂时无法支持的项目说“不”。
🚀 自信与竞争：如何看待 Gemini 等对手？
- 谈及 Gemini 1.5 Pro 时，Mark 承认其是“一个相当不错的模型”，但表示 OpenAI 内部已有 性能相当甚至更优的模型，并将很快发布。
- 他强调，OpenAI 的长期策略是 专注破解下一个范式（如推理能力），而非陷入短期的基准竞赛。他认为，当模型能力超越人类后，现有的评测标准将失效，需要建立新的评估体系。
🤖 AI 的未来：从“工具”到“科研伙伴”
- Mark 亲历了 AI 在编程竞赛（如 IOI）中从落后到超越顶尖人类选手的过程，这让他坚信 “AI+人类”将在前沿科研中产生惊人成果。
- OpenAI 设定了内部目标：在 一年内 改变研究方式，让 AI 承担“实习生”的职责（负责实现、调试代码）；在 两年半内 实现 AI 进行端到端的自主研究。
- 他认为，自动化科学研究 的拐点已经出现，这将是比产品化更根本的进步。
💡 管理哲学：打造“研究至上”的文化
- Mark 认为，AI 研究领域是一个 深度精英治理的领域。领导者必须自身技术过硬，才能赢得研究员的尊重。
- 他反对过度强调“个人功劳”，但认为公司必须 主动认可并公开核心贡献者，即使这会让他们成为竞争对手的目标。OpenAI 希望成为“AI 明星的摇篮”。
- 在经历2023年底的“董事会风波”时，Mark 等人通过 组织请愿、开放自家客厅供团队聚集 等方式，稳住了军心，最终实现了“零人才流失”。
🎯 核心信念：OpenAI 为何不同？
- Mark 反复强调，OpenAI 的核心始终是一家 纯粹的 AI 研究公司，其所有产品都源于研究突破。
- 公司的终极野心是：构建 AGI，并安全地构建它。他目前深度参与的“对齐”研究，正是应对未来超级智能“表里不一”等风险的关键。
- 对于“需要这么多算力吗？”的质疑，他的回答是：“如果我们今天有10倍算力，几周内就能将其高效利用。”
这仅仅是一场信息量爆炸的对话的冰山一角。Mark Chen 的分享揭示了一个处于全球科技竞争最前沿的团队，如何在巨大压力下保持专注、创新，并坚定地走向他们眼中的未来。
如果您有希望翻译的其它海外播客，请留言:)
