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 發布三周後，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 發布兩周後，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，回看過去這一年來矽谷的新聞，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 的最新播客採訪中，矽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，然後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 對於 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。和奧特曼更偏向於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採訪，總結了下面這些亮點，或許能更好的看清矽谷這一年來的各種「戰爭」、以及 OpenAI 會做些什麼努力，來繼續保持自己在 AI 時代的第一。
完整採訪影片：
關於 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 終於找對路子了。
但是他說看細節，比如 SWE-bench（這也是 Gemini 3 刷榜那張圖片裡，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，備忘錄的目的在於管理層激勵團隊，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；然後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，甚至並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 範式的各種實驗。
所以，在他的眼裡，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疊代上，就沒有人去尋找下一代範式。
而一旦有人真的找到了，整個領域後面十年的路線，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，然後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，是模數小於 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，主持人也問了他對於 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，就是定義下一個範式。
Ilya 的 Scaling 裡面還有很多潛力，OpenAI 需要大規模預訓練
近期關於 Scaling 失效的討論紛紛揚揚，Ilya 先是在播客採訪裡面說，Scaling 的時代已經結束了，後面又在社交媒體上澄清，Scaling 會持續帶來一些改進，並不是停滯不前。
One point I made that didn’t come across: - Scaling the current thing will keep leading to improvements. In particular, it won’t stall. - But something important will continue to be missing.
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，外界並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。之前關於 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 億美元租用伺服器，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 更划算，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
最後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。人才戰打到最後，居然演變成「誰煮的湯更好喝」的 Meta 遊戲。
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。為什麼不走？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裡才是 AGI 的誕生地。
他也提到自己從華爾街和玩撲克的經歷裡面學到，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後，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
那麼 OpenAI 所信奉的 AGI 又是什麼，主持人問他，Andrej Karpathy 在最近的一個播客裡面說，AGI 大概還要 10 年，你是怎麼想的。
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，每個人對於 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。 一年後，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，但這對於現在看來，是以周為單位疊代的 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
無論是祖克柏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，這場矽谷的「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。
