硅谷商戰變廚藝大賽？小扎曾親手煮湯挖人，OpenAI 說不慌都是演的

鷸蚌相爭，漁翁得利。有時候還挺希望我們用戶就是那個漁翁，模型廠商打得越厲害，我們就有機會越快用到更好的模型。

2022 年 12 月 22 號，在 ChatGPT 發布三周后，為了應對 OpenAI 的威脅，Google 成了第一個發布「紅色警報」的科技巨頭。

昨天，在 Gemini 3 發布兩周后，因為 Gemini 3 模型出現了大幅增長，OpenAI 發布了首個「紅色警報」。

看到消息的時候，我就覺得 OpenAI 是不是有點過度反應了，很快就看到了一些評論說「驕兵必敗」、還有「勝敗乃兵家常事」。但轉念一想，所謂的「紅色警報」也許就是給投資人看的，畢竟 OpenAI 如果真的做不到第一，那個 2030 才能盈利的時間，只會拉得更長。

▲ Gemini 的 App 下載量快要追上 ChatGPT

根據最新透露的消息，OpenAI 在下周即將推出一款新的推理模型，內部評估表現要比 Gemini 3 更好。此外，他們還計劃通過一個代號為「Garlic」的模型，來進行反擊。

但更現實的情況，是 OpenAI 必然會發布比 Gemini 3 更好的模型，而 Google 也還有 Gemini 4、Gemini 5。

其實，回看過去這一年來硅谷的新聞，完全算得上是一出跌宕起伏的抓馬大戲。年初被 DeepSeek R1 的橫空出世而感到壓力；年中則是小扎開啟的瘋狂「搶人模式」，天價薪酬刷新著所有人對 AI 人才的認知；到了年尾，又再次卷回到了樸素的模型比拼賽場。

在 OpenAI 研究主管 Mark Chen 的最新播客采訪中，硅谷的戰爭更是進化到了魔幻的程度，他說小扎為了挖走 OpenAI 的核心大腦，甚至開始做湯，真的能喝的湯，然后親自把湯送到研究員的家門口。

除了這些八卦，他也談到了 OpenAI 對于 Gemini 3 的看法、Scaling 是否已經過時、還有 DeepSeek R1 對他們的影響、以及公司內部的算力分配、實現 AGI 的時間表等。

Mark Chen 的背景非常有意思，數學競賽出身，MIT 畢業，去華爾街做過高頻交易（HFT），2018 年加入 OpenAI，跟著 Ilya 一起做研究。和奧特曼更偏向于商人屬性的特點不同，這些經歷，讓他身上也有一股非常明顯的特質，極度厭惡失敗，且極度信奉數學。

他坦言自己現在，完全沒有社交生活，過去兩周每天都工作到凌晨 1-2 點。

我們整理了這場長達一個半小時的采訪，總結了下面這些亮點，或許能更好的看清硅谷這一年來的各種「戰爭」、以及 OpenAI 會做些什么努力，來繼續保持自己在 AI 時代的第一。

關于 Gemini 3，我們真的「不慌」

OpenAI 真的怕 Google 嗎？Mark 的評價很客觀但也很犀利。他肯定了 Gemini 3 是個好模型，Google 終于找對路子了。但是他說看細節，比如 SWE-bench（這也是 Gemini 3 刷榜那張圖片里，唯一一個沒有拿到第一的基準測試）數據，Google 在數據效率上依然沒有解決根本問題。

▲Gemini 3.0 Pro 在 SWE-Bench 上的表現，比 GPT-5.1 還差了 0.1%

而他自己則是非常自信的表示，OpenAI 內部已經有了針對性的應對模型，而且他們有信心在數據效率上做得更好。

Mark 甚至說，奧特曼前幾天發那個說大家都要感到壓力的備忘錄，去嚇唬大家，其實更多的是為了注入緊迫感，他說這是管理層的慣用手段，備忘錄的目的在于管理層激勵團隊，而不是真的感到慌了。

我覺得Sam的工作之一就是要注入緊迫感和速度感。這是他的責任，也是我的責任。 作為管理者，我們的部分工作就是不斷給組織注入緊迫性。

▲此前 The Information 報道，奧特曼在 Gemini 3 推出時，在公司內部發備忘錄，提到會給 OpenAI 帶來困難

他們目前最大的問題，還是算力分配。作為 OpenAI 的研究主管，他的一項工作就是決定如何將算力分配到公司內部不同的項目。

他和 Jakub Pachocki（OpenAI 首席科學家）一起，負責制定 OpenAI 的研究方向，同時決定每個項目能拿到多少算力。為了這件事，他們每隔 1–2 個月，都會做一次盤點。

他們把 OpenAI 所有在做的項目，放進一張巨大的表格里，大概有 300 個；然后努力把每一個項目都看懂，給它們排優先級；再根據這個優先級表去分配 GPU。

▲英偉達和 OpenAI 的百萬 GPU 合作

他也提到，真正要用掉大部分的 GPU 的，甚至并不是訓練那個最重要發布的模型，而是他們內部在探索下一代 AI 范式的各種實驗。

所以，在他的眼里，Gemini 3 發布了、某家開源模型刷榜了、某個思考模型又拿了新高分了；這些你追我趕的 benchmark 賽車一點都不重要。反而，最應該避免的，恰恰是被這場競賽牽著走。

他說，現在的模型發展，我們隨時可以靠一點「小更新」，就在榜單上領先幾周或幾個月。但如果把資源都砸在這些短線迭代上，就沒有人去尋找下一代范式。而一旦有人真的找到了，整個領域后面十年的路線，都要沿著那條新路走。

小聲嗶嗶幾句，預言 OpenAI 下周要發布的模型，我想就是在計劃之外，做了點小更新，然后刷新了幾個榜單而已吧，就這還沒慌嗎。

提到榜單的時候，他說他有自己的一套私房題，用來測試模型是不是真的具備了頂級數學直覺。他舉了一個 42 的數學難題，說目前的語言模型，包括 o1 這種思考模型能接近最優解，但從來沒有完全破解它。

你想創建一個模 42 的隨機數生成器。你手頭有一些質數，是模數小于 42 的質數的隨機數生成器。目標是，以最少的調用次數，組合出這個模 42 的生成器。

除了談到 Gemini 3，主持人也問了他對于 DeepSeek 的看法。

和 Gemini 3 一樣，Mark 承認 DeepSeek 的開源模型曾讓他們感到壓力，甚至懷疑自己是不是走錯了路。

但結論是堅持自己路線，不要被對手的動作打亂節奏，專注自己的路線圖。OpenAI 不會變成一個跟風的公司，他們要做的，就是定義下一個范式。

Ilya 的 Scaling 里面還有很多潛力，OpenAI 需要大規模預訓練

近期關于 Scaling 失效的討論紛紛揚揚，Ilya 先是在播客采訪里面說，Scaling 的時代已經結束了，后面又在社交媒體上澄清，Scaling 會持續帶來一些改進，并不是停滯不前。

所謂的 Scaling Law，就是按經典老故事走向，這幾年建了巨大的算力基建，模型每 10 倍算力，本該有一波明顯躍遷。但從 GPT-4 到 GPT-5，外界并沒有看到預期中那種「質變式」的提升，所以才會有「Scaling Law 失效了」的討論；而 Ilya 前段時間的訪談，則是進一步放大了這種觀點。

Mark Chen 對這個觀點，給出了堅決的反駁，「我們完全不同意」。他透露，過去兩年 OpenAI 在推理上投入了巨量資源，導致預訓練這部分稍顯退化。之前關于 GPT-5 遇到了預訓練的問題，其實也是因為他們把重心放在了推理上，而不是 Scaling Law 已死。

工作就是分配算力資源的他，再次重申算力永遠不會過剩，如果今天多 3 倍算力，他可以立刻用完；如果今天多 10 倍算力，幾周內也能全部吃滿。對他來說，算力需求是真實存在的，看不到任何放緩跡象。

▲ OpenAI 的計算成本，計劃到 2030 年花費約 4500 億美元租用服務器，紅色為推理計算成本、藍色為研發（不包含現金業務）、黃色為可盈利的計算

他也提到，過去半年，他和 OpenAI 首席科學家 Jakub Pachocki 已經將重心重新拉回，要開始重塑預訓練的統治力。

他明確說他們會繼續做規模化模型，而且已經有一批算法突破，專門就是為了讓 Scaling 更劃算，在相同算力下挖出更多性能，在更高算力下保持數據效率。

小扎的送來的真湯，抵不過 OpenAI 的雞湯

最后就是訪談里提到的八卦了，Meta 今年沒有別的新聞，媒體渲染了一整個季度的「OpenAI 人才/Apple 人才/Google 人才大量流失到 Meta」，Mark Chen 在播客里正面回應了這個話題，細節簡直有點「顛」。

他說小扎真的很拼，為了挖人，小扎不僅手寫郵件，還親自去送雞湯。人才戰打到最后，居然演變成「誰煮的湯更好喝」的 Meta 游戲。

▲ Meta 花大價錢挖人組建的超級智能實驗室名單

不過，在他的直接下屬中，Meta 曾試圖挖角一半的人，結果全部選擇繼續留下來。為什么不走？不是因為錢，因為Meta 給的錢顯然更多，而是因為信仰。

Mark 說，即使是那些跳槽去 Meta 的人，也沒有一個人敢說「Meta 會比 OpenAI 先做出 AGI」。留在 OpenAI 的人，是因為他們真的相信這里才是 AGI 的誕生地。

他也提到自己從華爾街和玩撲克的經歷里面學到，真正要守住的是核心人才，而不是每一個人。在搞清楚，必須留下的是哪類人后，再把資源和關注度，全部壓在這部分人身上。

他說他最強烈的情緒，其實就是想「保護研究的本能」。在 Barrett（OpenAI 研究副總裁）離職那陣子，他甚至直接睡在辦公室睡了一個月，只為把研究團隊穩住。

▲ Barret 目前和 Mira（OpenAI 前 CTO） 都在 Thinking Machines

那么 OpenAI 所信奉的 AGI 又是什么，主持人問他，Andrej Karpathy 在最近的一個播客里面說，AGI 大概還要 10 年，你是怎么想的。

Mark 先是調侃了一番 X 現在「驚」的各種文案，一下子是「AI 完了」、一下子又是「AI 又可以了」。他覺得，每個人對于 AGI 的理解都不同，即便在 OpenAI 內部，也很難有一個一致的定義。但他相信的是，OpenAI 在 AGI 道路上設置的目標。

• 一年內： 改變研究的性質。現在的研究員是自己在寫代碼、跑實驗。 一年后，研究員的主要工作是管理 AI 實習生。AI 應該能作為高效的助手，承擔大部分具體工作。
• 2.5 年內： 實現端到端的研究自動化。這意味著：人類只負責提出 Idea（頂層設計），AI 負責實現代碼、Debug、跑數據、分析結果，形成閉環。

從 Copilot 到 Scientist，Mark 強調，OpenAI for Science 的目標不是自己拿諾貝爾獎，而是建立一套工具，讓現在的科學家能一鍵加速，哪怕這需要重構整個科學評價體系，因為未來可能很難分清是人還是 AI 做的發現。

2 年半的時間很快，但這對于現在看來，是以周為單位迭代的 AI 行業來說，又是一場漫長的馬拉松。

▲ 預測市場給出的，到 2025 年底前最好的 AI 模型會來自哪個公司，Google 排在第一名

無論是扎克伯格那鍋真金白銀的雞湯，還是 OpenAI 想要定義未來的理想主義雞湯，這場硅谷的「煮湯大戲」還遠未結束。Mark Chen 播客里表現出來的從容，或許能消除一部分外界的焦慮，但用戶還是會用腳投票，好的模型自己會說話。