这个Title在硅谷意味着什么？意味着Sam Altman负责搞钱和搞政治

前两天，OpenAI的一位“隐形大佬”罕见地坐在了聚光灯下。

他叫Mark Chen（陈马克），OpenAI的首席研究官（Chief Research Officer）。这个Title在硅谷意味着什么？意味着Sam Altman负责搞钱和搞政治，而他，负责决定OpenAI手里那几万张H100显卡到底该往哪儿烧。

在这个名为Core Memory的播客里，Mark没有念任何公关稿，状态松弛得像个刚从黑客马拉松出来的极客。他甚至聊到了扎克伯格为了挖人亲自给他手下送“鸡汤”（字面意义上的汤）的八卦。

我在台下把这两个小时的对话反复听了几遍，最大的感受是：这才是顶级操盘手的视角。 大众看AI，看的是聊天机器人的好坏；他看AI，看的是“人才密度”的杠杆，和“科学发现”的赌注。

Mark Chen的这一席话，把目前硅谷最残酷的竞争逻辑，给摊牌了。

硅谷的人才战争：不是拼钱，是拼“溢价”

现在的舆论场，一聊到AI人才，大家都很焦虑：Meta（脸书）拿着几千万美元的年薪疯狂挖人，OpenAI的人才库是不是要被掏空了？

Mark给出了一个非常反直觉，但又极其底层的商业视角。他说，Meta确实在搞“金元攻势”，甚至扎克伯格亲自送汤、发邮件，这种烈度是前所未有的。

但Mark摊出了一张底牌：OpenAI 并没有也不打算和Meta搞“Dollar for Dollar”的薪资竞赛。

为什么？这违背了最基本的经济学原理吗？不。Mark直接点破了真相：顶级人才看重的不是当下的现金流，而是“未来溢价”。

如果你在Meta，你是在一家巨头打工，做出的成果是优化广告算法或者让聊天机器人更顺滑；但在OpenAI，你是在参与“人类最后一次发明”。这种“使命感溢价”和“技术前沿的垄断性”，让OpenAI可以用低于Meta的现金报价，依然留住最核心的那500个研究员。

这就好比当年的曼哈顿计划，你不需要给奥本海默开出华尔街投行的工资，因为“造原子弹”这件事本身的吸引力，超越了货币。

核心翻转：别盯着“产品”，要盯着“预训练”

关于AI的发展方向，大众有一个巨大的误区：认为现在的竞争焦点在于谁的ChatGPT说话更像人，谁的APP更好用（即所谓的Post-training，后训练阶段）。

Mark直接给这个观点判了死刑。他说，过去半年，OpenAI内部做了一个巨大的战略回调：重新把资源疯狂砸向“预训练”（Pre-training）。

为什么？因为“后训练”只是教AI懂礼貌、守规矩，那是产品的“装修”；而“预训练”才是让AI变聪明、学逻辑，那是房子的“地基”。

Mark举了个很有意思的例子。他说现在的行业有点像很多人在试图用更好的话术来包装一个只有初中水平的学生，让他看起来像博士；但OpenAI要做的是，直接把这个学生送去读博士。

这意味着什么？意味着我们现在看到的GPT-4o可能只是冰山一角。真正的胜负手，在于谁能用海量的算力，暴力破解出下一个层级的“智力密度”。这不是产品经理的战争，这是数学家和物理学家的战争。

进化论：从“聊天”到“思考”的被动选择

主持人问到了OpenAI那个震惊业界的o1模型（推理模型）。Mark的回答非常坦诚，甚至撕碎了很多人对AI“全知全能”的幻想。

他说，搞出o1并不是因为他们一开始就画好了宏伟蓝图，而是“被逼出来的”。

为什么？因为他们发现，靠单纯的“预测下一个字”，模型在处理复杂数学题时已经到了瓶颈。就像你让一个直觉很好的文科生去做奥数题，他不仅做不对，还容易胡说八道（幻觉）。

怎么办？Mark回到了他当年搞奥数竞赛（他是数学奥赛出身）的逻辑：让AI在回答之前，先在脑子里“想”一会儿。

这就是o1的核心——思维链（Chain of Thought）。这其实是最朴素的“吃狗粮”逻辑：既然人类解题需要草稿纸，为什么我们要求AI张口就来？

这种“让AI慢下来”的决策，比那些PPT上吹嘘的“万倍加速”，要真实有力得多。它标志着AI从“鹦鹉学舌”阶段，正式进入了“逻辑推理”阶段。

给普通人的建议：别只想做工程师，要有“科学审美”

在谈到未来需要什么样的人时，Mark的观点非常犀利。

他说，虽然他自己是搞编程竞赛出身，但他发现，未来最有价值的并不是那些写代码最快的人。因为写代码这件事，AI很快就能做得比人好。

真正的护城河是什么？是“科学品味”（Scientific Taste）。

什么叫品味？就是在一万个可能的探索方向里，你的直觉能告诉你，哪一条路通往真理，哪一条路是死胡同。这不仅需要硬核的技术背景，更需要一种对“第一性原理”的深刻理解。

Mark甚至开了个玩笑：他在面试时，并不看重你能不能做对题，而是看你能不能在这个过程中，表现出对“未知”的嗅觉。

这给我们的启示是：未来的世界，“提问者”的价值将远远大于“解题者”。 机器负责解答，而你需要负责定义问题。

结尾：理性的疯狂

整场访谈，Mark展现出一种极度冷静的疯狂。

他既像一个精算的扑克玩家（他确实曾沉迷德州扑克），计算着每一份算力的投入产出比；又像一个狂热的信徒，坚信AGI（通用人工智能）是不可阻挡的物理规律。

zhuanlan.zhihu.com/p/1979499435441538667

zhihu.com/zvideo/1977977565630189583

他说，OpenAI其实就是一个“科学发现机器”。他们现在的目标，不是做一个更好的Siri，而是通过AI，去加速人类在生物学、材料学、数学上的发现速度。

在这个充满噪音的时代，或许我们都该学学这种心态：看清底层的“算力”流向，无视表面的“产品”喧嚣，然后，找准那个具有“非对称回报”的领域，把自己变成一个拥有独特“品味”的提问者。

毕竟，在这场算力战争中，唯一的输家，是那些看不清局势、还在用旧地图找新大陆的人。

免费解锁AI全技能！普通人30天变身AI超级个体，覆盖2000+精准提示词模板+150+高价值工具，从内容创作、数据处理到营销获客全搞定～