矽谷商戰變廚藝比賽！祖克柏為挖角親手做羹湯，OpenAI 說不怕都是演的嗎？

鷸蚌相爭，漁翁得利。有時真希望使用者就是漁翁，AI 公司打得越厲害，消費者就越快有更好模型可用。

2022 年 12 月 22 日，ChatGPT 發表三星期後，為了對付 OpenAI 威脅，Google 成了第一個發布「紅色警報」的科技巨頭。12 月 2 日為 Gemini 3 發表滿兩星期，因 Gemini 3 模型使用率大幅增長，OpenAI 也公布首次「紅色警報」。

有人會覺得 OpenAI 是否反應過度，但又有評論說「驕兵必敗」、「勝敗乃兵家常事」。轉念一想，所謂「紅色警報」也許是給投資人看的，畢竟 OpenAI 如果不是第一，2030 年才盈利的時間表，只會拉得更長。

▲ Gemini App 下載量快要追上 ChatGPT。

最新消息，OpenAI 下週即將推出新推理模型，評估表現比 Gemini 3 更好。還會用代號「Garlic」的新模型反擊。但現實是 OpenAI 一定會發表比 Gemini 3 更好的模型，且 Google 也還有 Gemini 4、Gemini 5。

回顧矽谷這一年來，完全稱得上是齣跌宕起伏的大戲。年初 DeepSeek-R1 橫空出世使矽谷備感壓力，年中祖克柏開啟瘋狂「搶人模式」，天價薪水顛覆世界對 AI 人才價值的認知，到年底，又再次回到樸素原始的模型比拚。

OpenAI 研究主管 Mark Chen 最新上 Podcast 受訪，說矽谷戰爭已進化到魔幻程度，他說祖克柏為了挖走 OpenAI 核心大腦，甚至親自熬湯，然後送到研究員家門口。除了八卦，還談到 OpenAI 對 Gemini 3 的看法、Scaling 是否過時、DeepSeek-R1 的影響、公司算力分配、達成 AGI 的時程表等。

Mark Chen 為數學競賽出身，MIT 畢業，在華爾街做過高頻交易（HFT），2018 年加入 OpenAI，與著 Ilya 一起做研究。和奧特曼更偏商人不同，這些經歷讓他有股非常明顯的特質，極度厭惡失敗，且極度信奉數學。他坦言完全沒有社交生活，兩週來每天都工作到凌晨一兩點。

《愛范兒》整理這場長達一個半小時的採訪，或許能更看清矽谷一年來各種「戰爭」，以及 OpenAI 會做什麼努力，繼續保持 AI 時代第一名位置。

關於 Gemini 3，我們真的「不慌」

OpenAI 真的怕 Google 嗎？Mark 評價很客觀但也很犀利。他肯定 Gemini 3 是好模型，Google 終於找對路了。但看細節，如 SWE-bench（這也是 Gemini 3 唯一沒有拿到第一的基準測試），Google 數據效率依然沒有解決根本問題。

▲ Gemini 3.0 Pro 的 SWE-Bench 表現，比 GPT-5.1 還差 0.1%。

他自信說 OpenAI 已有應付手段，且有信心數據效率更好。奧特曼前幾天發文說大家都要感受壓力的備忘錄，只是嚇唬大家，其實只是想讓員工更有緊迫感，這是管理層慣用手法，備忘錄只是管理層為了激勵團隊，不是真的驚慌。

他覺得 Sam 工作之一就是要給人緊迫感和速度感。這是他的責任，也是自己的責任。身為管理者，部分工作就是不斷逼迫組織。最大問題還是算力分配。身為研究主管，工作之一就是決定算力如何分配給各專案。他和 Jakub Pachocki（首席科學家）一起，負責制定 OpenAI 研究方向，同時決定每個專案能拿到多少算力。為了這件事，每隔一兩個月都要大盤點一次。

他們把 OpenAI 所有進行中專案，放進一張巨大表格，約有 300 格；然後努力看懂每個專案，再排優先順序，根據優先順序分配 GPU。真正會用掉大部分 GPU 的，甚至不是訓練最重要模型，而是探索下代 AI 的各種實驗。

所以在他眼裡，Gemini 3 發表、某家開源模型更新紀錄、某個模型又拿新高分，這些你追我趕的 benchmark 比賽一點都不重要，最該避免的，就是被競爭牽著鼻子走。現在模型發展，隨時可以用「小更新」就霸榜幾週或幾個月。但如果資源都砸在短期運算，就沒有人開發下一代模型。一旦有人找到了，整個領域後十年路線，都會跟著那條新路走。

筆者認為 OpenAI 下週發表的模型，大概就是計畫以外的小更新，然後會改寫幾個榜單而已，這樣能說 OpenAI 沒有驚慌嗎？

提到榜單，Mark 說他有一套私房題，用來測試模型是否真的具備頂級數學直覺。他舉 42 數學難題為例，目前語言模型包括 o1 這種思考模型能接近最優解，但從來沒有完全破解。

你想創建模 42 的隨機數產生器，手頭有一些質數，是模數小於 42 的質數隨機數產生器，目標是以最少次數，組合出這模 42 的產生器。

除了談到 Gemini 3，主持人也問他怎麼看 DeepSeek。

和 Gemini 3 一樣，Mark 承認 DeepSeek 開源模型曾讓他們有壓力，甚至懷疑自己是否走錯路。但結論是堅持自己路線，不要被對手打亂節奏，專注自己的藍圖。OpenAI 不會變成跟風的公司，要做的就是定義下個模型。

Ilya Scaling 還有很多潛力，OpenAI 需要大規模預訓練

近期 Scaling 失效討論沸沸揚揚，Ilya 先是說 Scaling 時代已結束，之後又在社群媒體澄清，Scaling 會持續改進，不是停滯不前。

所謂 Scaling Law，就是按經典老故事走向，這幾年建立巨大算力基建，模型每提升十倍算力就該有一波明顯躍遷。但 GPT-4 到 GPT-5，外界並沒有看到預期中「質變式」提升，所以才會有「Scaling Law 失效」爭論；Ilya 訪談又放大這論點。

Mark 堅決反駁「我們完全不同意」。兩年來 OpenAI 巨量投資推理，導致預訓練稍顯退化。之前 GPT-5 遇到預訓練問題，其實也是因為重心都放在推理，而不是 Scaling Law 已死。他再重申算力永遠不會過剩，如果今天多三倍算力，會立刻用完；多十倍算力，幾週內也會吃滿。對他來說，算力需求一直成長是真的，看不到任何放緩跡象。

▲ OpenAI 計算成本，到 2030 年花費約 4,500 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）、黃色為可盈利預測。

他說半年來和 Jakub Pachocki 已將重心拉回，要開始重塑預訓練。會繼續做規模化模型，且已有一批演算法突破，專門讓 Scaling 更划算，相同算力下挖出更多性能，更高算力下保持數據效率。

祖克柏親送的湯，抵不過 OpenAI 的心靈雞湯

最後就是八卦，Meta 今年沒有大新聞，除了媒體報導一整季的「OpenAI／蘋果／Google 人才大量流失到 Meta」，Mark 也正面回應，但細節實在有點「離奇」。他說祖克柏真的很拚，為了挖角，不僅親自寫信，還親送燉湯。人才戰打到最後，居然演變成「誰煮的湯更好喝」遊戲。

▲ Meta 花大價錢挖角組建的超級智慧實驗室名單。

不過 Meta 曾試圖挖角他一半成員，這些人卻全部選擇留在 OpenAI。為什麼不走？不是因為錢少，是 Meta 給錢雖然太多，但信仰更重要。Mark 說即使跳槽去 Meta 的人，也沒有一人敢說「Meta 會比 OpenAI 先做出 AGI」。留在 OpenAI 的人，是因為相信這裡才是 AGI 最終的誕生地。

他提到從華爾街和玩撲克牌的經驗學到，真正要守住的是核心人才，而不是每個人。搞清楚必須留下哪些人後，資源和關注度就能全部押在這些人身上。他最強烈的情緒，只是想「保護研究的本能」。 Barrett（OpenAI 研究副總裁）離職那陣子，他甚至睡在辦公室一個月，只為穩住團隊。

那 OpenAI 相信的 AGI 是什麼？Andrej Karpathy 最近說 AGI 大概還要十年，他又是怎麼想？

Mark 先調侃 X 各種言論，一下子是「AI 完了」、一下子又是「AI 又可以了」。每人的 AGI 理解都不同，即便 OpenAI 也很難有一致定義。但他相信 OpenAI 設立的 AGI 目標。