撰文：Techub News 整理
导语
2025 年 9 月，OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）罕见地共同接受了知名风投 a16z 的深度访谈。作为 OpenAI 研究团队的两位核心领导者，他们掌管着当今 AI 领域最高调也最前沿的研究团队之一。本次对话围绕2025 年 9 月发布的 GPT-5、背后的「推理」理念、AI 研究的未来方向，以及如何构建能够持续产生颠覆性创新的研究文化与组织展开了深入探讨。
这不仅是一次对 OpenAI 最新技术成果的解读，更是对这家全球领先的 AI 公司其内部运作模式、未来愿景以及技术哲学的一次难得窥探。在 AI 技术竞争白热化、产品迭代加速的今天，这两位技术领袖的思考，为理解 AI 发展的下一阶段提供了关键线索。
摘要
- GPT-5 的核心目标是让「推理」成为 AI 的默认行为，旨在弥合快速响应模型与深度思考模型之间的鸿沟。
- OpenAI 的终极研究目标是打造「自动化研究者」，让 AI 能够自主发现新知识，尤其是在数学、编程和基础科学领域。
- 强化学习（RL）的潜力远未穷尽，其与预训练模型的结合是当前取得持续突破的关键，未来将向更接近人类学习的方式演进。
- 构建成功研究文化的关键在于「保护基础研究」，给予团队思考长期、根本性问题的空间，并避免陷入短期产品竞争的思维。
- 从「氛围编码」到「氛围研究」的愿景：当 AI 工具足够强大，创造（编码、研究）将更注重直觉、品味和高层次的构思，而非机械执行。
GPT-5：将推理带入主流
访谈从2025 年 9 月发布的 GPT-5 开始。Jakub Pachocki（雅各布·帕乔基）解释，GPT-5 代表了 OpenAI 将「推理」能力主流化的尝试。在此之前，OpenAI 的模型大致分为两个系列：以 GPT-2/3/4 为代表的「快速响应」模型，以及以 O 系列（如 o3）为代表的「深度思考」模型。前者擅长即时给出答案，后者则需要长时间思考以提供最佳结果。
「从战术上讲，我们不希望用户困惑于该使用哪种模式，」Pachocki 说道。因此，GPT-5 的研究重点之一是识别并确定针对不同提示所需的「最佳思考量」，并将这种选择负担从用户身上移除。他们相信，未来的方向是更多地围绕推理和智能体（Agent）展开，而 GPT-5 正是朝着默认提供推理能力和更智能化行为迈出的重要一步。
Mark Chen（马克·陈）补充道，GPT-5 在多个方面相较 o3 都有所改进，但本次发布的核心焦点无疑是让推理模式触及更多用户。
评估标准：从饱和指标到发现新知识
当被问及如何评估模型进展时，Pachocki 指出，过去几年使用的许多评估指标（Evals）已经接近饱和，例如将准确率从 96% 提升到 98% 不再具有决定性意义。更重要的是，AI 研究范式已经发生了变化。
在 GPT-2/3/4 时代，基本范式是在海量数据上进行预训练，然后用评估指标作为模型泛化能力的标尺。而现在，通过强化学习等技术，可以针对特定领域（如严肃推理）进行深度训练，让模型成为该领域的专家。这虽然能在特定评估上取得极佳表现，但不一定意味着同等程度的泛化能力。
因此，OpenAI 目前更关注能够体现模型「发现新事物」能力的评估。Chen 提到，今年最令人兴奋的进展之一是模型在数学和编程竞赛（如 AtCoder）中的表现。然而，这些竞赛本身也正在被模型「攻克」。
「我们正在准备的下一组评估和里程碑，将涉及在经济相关领域取得实际进展和发现。」Pachocki 强调。这意味着评估标准将从解决已知问题，转向在开放环境中创造新的、有价值的知识。
自动化研究：终极目标与长时推理
当被问及未来 1-5 年的研究路线图时，Pachocki 明确表示：「我们研究工作的核心目标是打造一个自动化研究者，即自动化新想法的发现。」这其中，自动化机器学习研究本身是一个具体方向，但可能显得过于自指。因此，他们也致力于推动其他科学领域的自动化进程。
衡量这一进展的一个好方法是观察模型能够进行有效推理和取得进展的「时间跨度」。目前，模型在类似高中竞赛难度的问题上，已经能够进行大约 1 到 5 小时的连贯推理。OpenAI 的研究重点正是延长这一时间跨度，包括模型制定长期规划的能力以及维持记忆的能力。
这也呼应了评估的问题：「模型能够自主运行多长时间」这类评估对他们来说尤其重要。
Chen 进一步阐述了推理对于长时程操作的核心作用。就像人类解决数学难题一样，需要尝试不同方法，从错误中学习，反复迭代。这种在长时间内保持稳健性的能力，正是深度推理赋予智能体的。
强化学习：持续突破的源泉
自 o1 发布以来，强化学习（RL）已成为 OpenAI 持续取得突破的利器。尽管外界常有预测认为 RL 的收益将趋于平缓或面临模式崩溃等问题，但 OpenAI 的模型性能却一次次打破这种预期。
Pachocki 解释了 RL 如此有效的原因。他认为，RL 是一种非常灵活的方法。OpenAI 在深度学习早期阶段就认识到 RL 的强大，但长期以来的挑战在于如何为 RL 模型提供一个合适的「环境」，使其能够与现实世界或模拟世界互动。语言模型的出现解决了这个「锚点」问题。
「当你在自然语言这个极其丰富和稳健的环境中进行预训练后，就获得了在此基础上去追求不同目标和想法的能力。」将深度学习的通用学习能力与 RL 的目标导向训练相结合，产生了巨大的化学反应。Pachocki 称这是过去几年 OpenAI 研究中最令人兴奋的阶段，他们发现了许多新方向和有前景的想法，并且都在不断取得成果。
对于希望利用 RL 的企业或研究者，Chen 的建议是：「最重要的是不要认为现状会永远持续。」就像两年前大家关注如何构建微调数据集一样，他认为奖励建模等方式也会快速演变，最终会向着更简单、更接近人类学习的方式发展。
从「氛围编码」到「氛围研究」
作为曾经的竞技程序员，Pachocki 和 Chen 对 AI 在编程领域的进步感触颇深。Chen 分享了一个故事：上周末他与一些高中生交谈，他们表示，「现在默认的编码方式就是『氛围编码』。」 对他们而言，亲手从头编写所有代码反而成了一个奇怪的概念。为什么不用 AI 来辅助呢？
这启发了 Chen：「我希望未来将是『氛围研究』。」 当 AI 工具足够强大，研究过程也将更侧重于直觉、品味和高层次的构思，而将繁琐的执行和验证交给 AI。
那么，什么造就了伟大的研究者？Pachocki 认为，「毅力」是关键。研究是在探索未知，尝试的事情大概率会失败。因此，研究者需要处于一种「准备好失败并从中学习」的心态，同时对自己的假设保持绝对诚实。既要对自己的想法有信心并坚持不懈，又要能清醒地判断进展，及时调整。
Chen 补充，经验至关重要，这能帮助你判断问题的难度是否合适，并管理自己在长期研究中的情绪。通过与同事交流、阅读优秀论文来培养对「有趣问题」的嗅觉，也是研究过程的一部分。
构建并守护顶尖研究文化
作为 OpenAI 研究团队的领导者，Pachocki 和 Chen 如何吸引并留住顶尖人才？Pachocki 指出，最根本的动力在于 OpenAI 致力于基础研究的使命。他们不热衷于关注竞争对手发布了什么模型，而是专注于前沿创新。「人们为这一使命所激励。」 此外，建立良好的文化、培养人才的管道，以及拥有深厚的人才储备（「深板凳」）也至关重要。
在招聘上，他们不仅仅寻找在社交媒体上最活跃的人，而是看重「在任何领域解决过难题」的能力。许多最成功的研究者在加入 OpenAI 之前，曾在物理、计算机科学或金融等其他领域工作，具备扎实的技术基础和解决雄心勃勃问题的意愿。
「保护基础研究」是创造制胜文化的关键。Chen 解释，必须确保研究者有空间去思考未来一两年真正重要的问题，而不是被短期产品需求所牵扯，或陷入与其他实验室的发布竞赛中。「我们需要确保人们有这种舒适感和空间去思考：事情在一两年后会变成什么样子？」
平衡研究与产品是另一个挑战。他们的做法是明确区分一批真正关心产品、对产品成功负责的研究者，让他们与产品团队紧密协作。同时，公司领导层也充分认同并支持研究的长期愿景，明白当前的产品并非终点，而是与研发共同构想未来。
资源、计算与恒定的挑战
在资源分配上，管理不同项目间的计算资源是两位领导者的重要工作。他们坦言，历史上更多的计算资源流向了核心算法推进，而非产品化研究，但这种分配是动态且灵活的。
当被问及如果增加 10% 的资源会投向哪里时，Pachocki 的回答是：「计算。」 他认为，关于「我们将很快进入数据约束阶段」的说法并不准确，计算资源在可预见的未来仍将是决定性因素。「任何这么说的人，只需要在我的职位上干一周，就会发现没有人会说『我拥有所有需要的计算资源』。」 Chen 笑着赞同道。
最后，当被问及在 AI 飞速发展的浪潮中，有哪些原则应该保持不变时，Pachocki 提到了更广泛的物理限制，如能源，以及未来机器人技术将带来的新约束。但在智能前沿，「我不会做太多假设。」 保持开放和学习的心态至关重要。Chen 则分享了保持团队高速运转的「秘诀」：OpenAI 的研究文化让他从未感到学习停滞，总有新的突破和成果涌现，需要全力以赴才能跟上，这种持续的挑战感和成长感正是驱动力。
