文┃小夏

编辑┃叙言

MarkChen，这位OpenAI职级最高的华人、首席研究官，就是这张表的掌控者。

在AI研究领域，谁能拿到GPU资源，谁的科研构想就有了落地的可能，Mark手里的这张表，直接决定着300个研究项目的生死。

算力分配，AI界的资源暗战

Mark和搭档JakubPachocki，每隔一两月就会把公司的项目全拉出来捋一遍。

足足有三百个项目，他们得一个个吃透、排序，再把有限的算力精准投给优先级最高的那些。

本来想聚焦项目数量，但后来发现核心是算力的分配逻辑。

OpenAI有五百人的核心研究团队，每个团队都觉得自己的项目能引领下一次突破，争抢资源的激烈程度，怕是最有体会的就是Mark了。

他曾说，OpenAI从不把重复别人成果、在基准测试里追名次当核心业务。

这种不跟风的定力，在AI行业里真不多见。

毕竟谁都想抢着站在风口上，用小幅更新换几周的暂时领先。

但Mark不这么看，他觉得这种做法会把组织训练成短期反射，被竞品节奏牵着走。

如此看来，押注下一个范式才是长久之计，一旦突破，就能改写好几年的行业研究方向。

更让人意外的是，他认为探索性研究消耗的算力，可能比训练实际模型还多。

这一点，和行业里多数追求“即战力”的思路完全不同。

成长轨迹，从竞赛大神到AI掌舵人

其实OpenAI这种长期主义的底色，和Mark自己的经历分不开，他不是一开始就扎根AI领域的专家。

早年从竞赛编程社区起步，一路走进MIT，后来还进入高频交易的精英体系。

在那里，他体会过“知识即壁垒”的冷峻有了新发现，第一反应是藏着掖着，生怕被别人知道。

本来他可能会在高频交易领域一直走下去，但AlphaGo带来的冲击改变了一切。

那场人机对战让他意识到，AI能做出创造性的事情。

无奈之下，他开始利用业余时间钻研AI，从复现DQN结果起步，慢慢走进这个领域。

后来，他加入了还处于非营利阶段、规模不大的OpenAI。

从驻留研究员到独立贡献者，再到带领团队做出DALL・E、Codex这些关键项目，一步步走到首席研究官的位置。

这段经历也让他养成了打持久战的思维。

他自己也承认，好胜心强，讨厌失败，但更在意长期的胜负逻辑。

这种思维，也被他带到了OpenAI的研究管理里。

应对竞争，不被对手牵着鼻子走

去年Gemini3发布后，行业里一片讨论声，不少人都在看OpenAI的反应，但Mark和团队表现得很从容。

他们内部早就测试过，自家有性能相当的模型，后续迭代产品也在推进中。

这种从容不是不在乎竞争，而是他们不想被对手打乱节奏。

Mark举过一个例子，两年多前，行业里普遍觉得预训练和后训练机制已经很成熟了，没人看好额外投资语言模型。

但OpenAI偏偏押了这个看似不被看好的方向，现在看来，这个赌注下对了，语言模型成了AI领域不可或缺的基础。

在OpenAI发展过程中，也经历过管理层动荡的艰难时刻。

当时不少竞争对手都在趁机挖人，形势很紧张。

Mark和同事们当时就定下目标，不能失去任何一个核心成员。

他们每天敞开家门，让大家来释放焦虑，还组织研究人员联名请愿，向外界展示团结。

最后，超过九成的研究人员签了名，真的做到了零核心人才流失，很显然，这种凝聚力，正是长期主义信仰带来的。

AGI野心，让AI成为科研助手

对于AGI，行业里一直有各种争论，定义也不统一。

但Mark不太纠结于这些争论，他更关心的是，AI是否能产生新的科学知识，是否能推动科学边界。

他有个明确的野心，先让AI成为研究流程里的实习生，一年内实现人类负责提出想法，模型负责实现与调试。

再用更长时间，让AI具备端到端的研究能力。

现在已经有了一些苗头，他身边有位物理学家朋友，用GPT-5Pro解决了论文里的难题，那种震惊的表情，和当年李世石看到AlphaGo特别棋步时的反应很像。

为了实现这个目标，OpenAI在预训练领域投入了大量精力。

Mark说，预训练就像需要长期锻炼的肌肉，不持续投入，组织在细节层面就会钝化。

过去半年，他和Jakub一直在全力恢复预训练能力，这也让他们有信心在和Gemini的竞争中站稳脚跟。

毫无疑问，OpenAI的研究决策，始终围绕着长期主义展开。

从300个项目中筛选优先级，到拒绝跟风竞品，再到布局AGI的长远目标，MarkChen用自己的管理逻辑，带领团队在AI浪潮中保持着自己的节奏。

对于整个AI行业来说，这种不被短期利益裹挟、专注核心突破的思路，或许能带来更多启发。

声明：本文内容均是根据权威材料，结合个人观点撰写的原创内容，辛苦各位看官支持，请知悉。