Mark Chen

Mark Chen 是一位人工智能研究员，现任 OpenAI 首席研究官。2025 年 3 月，OpenAI 首席执行官 Sam Altman 宣布 Chen 将推动科学进步，并作为扩大后的首席研究官职责的一部分，更紧密地整合研究与产品开发，其角色正式得到扩展。^[4] 他与首席科学家 Jakub Pachocki 共同领导 OpenAI 的整体研究方向，协调整个组织在前沿模型方面的工作。^[2] 他还是参加国际信息学奥林匹克竞赛 (IOI) 的美国队教练。^[1][2]\n\n

\n\n

教育经历

陈是一位台裔美国计算机科学家，他出生于美国，并在台湾度过了大部分成长时光。^[5] 他在中学时期随家人移居台湾，就读于国立新竹科学园区实验高级中等学校的双语部，并在那里对数学和计算产生了浓厚的兴趣。^[6]

在高中期间，陈修读了国立清华大学的离散数学等高等大学课程，并在 AMC10、AMC12 和 AIME 数学竞赛中获得了满分。^[5] 他的母亲邱静德是国立清华大学资讯系统与应用研究所的教授，他的父亲陈建仁曾担任光纤公司众达科技（LuxNet）的董事长。^[5] 陈后来回到美国就读于麻省理工学院（MIT），并获得了数学和计算机科学的双学士学位。^[5]

职业生涯

OpenAI

从麻省理工学院（MIT）毕业后，Chen 在量化金融领域工作了数年，任职于对冲基金和高频交易机构，包括在 Jane Street Capital 担任开发用于期货交易的机器学习模型的职位。^[7][2] 他于 2018 年加入 OpenAI，担任时任首席科学家 Ilya Sutskever 手下的研究驻员，随后担任前沿研究负责人，之后被任命为首席研究官。^[7][2] 在 OpenAI，Chen 参与了 Codex（GitHub Copilot 背后的生成式代码模型）、GPT-3 和 Image GPT 的研发，随后领导了创建 DALL·E 2 的团队，并为 GPT-4 和 GPT-4o 增加了视觉功能。^[5] 他的工作还涵盖了专注于推理的模型，如 o1 和 o3 系列，以及 Operator 等智能体系统，旨在将模型调用链连接成更长的工作流。^[7][8]

作为首席研究官，Chen 与首席科学家 Jakub Pachocki 共同领导 OpenAI 的研究部门，共同制定研究方向并监督前沿模型项目组合。^[2] 在 2025 年 3 月的一次领导层更新中，首席执行官 Sam Altman 宣布 Chen 已担任首席研究官这一扩展职务，并表示 Chen 将“推动科学进步，确保我们继续在能力和安全方面推向前沿”，并称赞他“多年来从一名出色的研究员成长为一名出色的领导者”。^[4] 到 2026 年，Chen 被描述为负责管理一个约 400-500 人的研究组织，同时管理约 300 个研究项目，包括负责在这些项目之间分配 GPU 算力，并向探索性的、具有范式转移意义的研究投入比短期产品模型训练更多的算力。^[6][5] 他的公开沟通通常涉及宣布或演示 OpenAI 的重大项目和里程碑。例如，2022 年 4 月，他分享了由 DALL-E 2 模型生成的图像；2025 年 3 月，他发布了关于在 GPT-4o 中推出原生图像生成功能的消息。2025 年 2 月，Chen 宣布一项名为“深度研究”（Deep research）的功能正向 ChatGPT 的所有专业级用户推出，该功能旨在使 AI 能够从数百个在线来源中查找、分析和综合信息，从而生成综合报告。^[1][2]

除了公司职务外，Chen 还积极参与竞赛编程，担任美国国际信息学奥林匹克（IOI）国家队的教练。^[1] 他将这项教练工作与他的职业动机联系起来，表示其长期目标是创造出能够达到人类顶尖选手水平的 AI 模型，并强调模型在奥林匹克风格任务上的表现是衡量推理能力进步的基准。^[2] 2024 年 9 月，他宣布 OpenAI 的模型在当年的 IOI 竞赛题目上已经达到了相当于金牌的水平。^[1][2]

领导与管理

在担任领导职务期间，陈负责应对人工智能研究领域竞争激烈的格局，包括人才留存。2025年6月，在 Meta 招募了四名 OpenAI 高级研究员后，陈在内部备忘录中向公司发表了讲话。他表达了一种“发自内心的感受……仿佛有人闯入我们的家并偷走了东西”，并向员工保证领导层正在积极努力留住员工。他表示 OpenAI 正在“重新调整薪酬”，并探索“认可和奖励顶尖人才的创意方式”。在承诺为员工争取利益的同时，陈也强调了他“极高的个人公平标准”，指出他不会“以牺牲对他人的公平为代价”来留住人才。在同一份备忘录中，他告诫不要“过度陷入常规产品发布的节奏以及与竞争对手的短期比较”，敦促大家专注于迈向通用人工智能（AGI）的“主线任务”。OpenAI 首席执行官 Sam Altman 在此期间公开赞扬了陈的领导能力。^[3]

陈描述了他在 2023 年 11 月 OpenAI 领导力危机期间的角色（当时 Altman 被短暂解除首席执行官职务），他的工作重点是维持研究团队的团结。他回忆说，他邀请同事到他家中聚会，帮助维持士气，并鼓励他们签署一份要求恢复 Altman 职务和进行治理变革的内部请愿书，他认为这些行动对于保持研究计划的连续性至关重要。^[6] 此后，他将这一事件描述为一个转折点，强化了他对组织韧性的承诺，以及在不确定时期与研究人员进行清晰沟通的决心。^[6]

在公开采访中，陈阐述了一种总结为“不追随，去创造”的研究哲学，认为 OpenAI 应该优先考虑具有范式转移意义的探索性工作，而不是为了优化增量基准收益或对竞争对手的产品发布做出反应。^[6] 他表示，他与首席科学家 Jakub Pachocki 定期审查约 300 个项目组合，对工作进行修剪和重新定位，以维持他所称的高“人才密度”，并表示他的目标是避免雇佣那些对研究组织的边际贡献实际上为零的人。^[6] 在同样的讨论中，他强调 OpenAI 有意识地将其计算预算的很大一部分投入到可能无法立即转化为产品的探索性研究中，认为这是保持领先于结构性瓶颈并发现新模型范式的必要条件。^[5]

陈还谈到了与其他 AI 实验室（包括 Meta）在被称为人才“汤战”（Soup Wars）中的竞争。他回忆了 Meta 积极招募 OpenAI 研究员的片段，包括以非正式餐叙为名的社交聚会，而 OpenAI 则拒绝匹配市场最高水平的薪资报价。^[6] 根据陈的说法，OpenAI 的方法是提供其认为公平的薪酬，但主要依靠使命一致性和研究机会来留住员工，他认为许多研究人员留下来是因为他们相信 AGI 更有可能在 OpenAI 而非其他地方实现。^[6]

研究与评论

陈公开评论了人工智能行业内的发展和趋势。2025年1月，他认可了竞争对手 DeepSeek 在开发“o1级推理模型”方面的工作，指出他们的研究独立地得出了 OpenAI 发现的一些核心概念。在同一次讨论中，他回应了公众关于开发先进 AI 成本高昂的说法。陈表示，这种反应“有些夸大其词”，并解释说，通过将开发过程分为预训练和推理两种范式，可以在两个维度而非单一维度上优化能力，从而降低运营成本。他确认 OpenAI 专注于提高模型效率，并致力于执行其研究路线图，以便在全年发布更先进的模型。^[1]

在随后的演讲和采访中，陈认为计算能力和能源，而非单纯的算法思想，是 AI 竞赛的主要瓶颈。他表示，如果硬件和能源成本允许，OpenAI 可以立即将其目前的计算预算增加数倍并投入生产使用，并将获取电力和数据中心规模的基础设施视为模型进步的核心战略约束。^[5][8] 在 Anti Fund 峰会上，他辩称大规模预训练尚未触及根本性的瓶颈，并暗示他认为全行业将资源从预训练转向强化学习是一种战略性的错配，因为扩展多样化的预训练数据仍然是解锁新能力最可靠的方式。^[5]

陈还讨论了他在 AGI 发展观点中描述的“自主时间”的增加如何与自动化 AI 研究相关联。他概述了一个长期目标，即将真实的研究问题反馈给模型，使其能够设计实验、解释结果并提出后续工作，从而创建他所描述的“AI 进行 AI 研究”的反馈循环。^[7][5] 在这一愿景中，人类研究人员专注于设定方向和评估进展，而模型则越来越多地处理日常的实验迭代。

在与行业和硬件合作伙伴的访谈中，陈强调了针对专业领域的高数据效率推理模型，以及能够共同处理文本、图像和音频的多模态模型（如 GPT-4o）的重要性。^[8][7] 他暗示，目前的系统已经展现出比许多观察者预期更强的创造能力，并以竞技编程比赛和奥林匹克风格的题目集为例，说明模型可以生成不同于标准教科书方法的创造性解决方案策略。^[7][5]

关于 AI 发展的观点

陈阐述了他的竞技编程背景如何影响了他的研究目标。他表示希望“创造能够加速我们自身的模型”，并将其视为通往进步的快速路径。他和他的同事认为，精通数学和编程是“通往更通用智能形式的基石”，这种智能能够解决新颖的问题。^[2] 借鉴他执教美国 IOI 队的经验，他指出编程竞赛证明了当前模型在给予足够的上下文和计算资源时，已经能够发现令人惊讶且非标准的解题策略，他将其解读为涌现性创造能力的早期迹象。^[7]

关于通往 AGI 的路径，陈强调了“自主时间”这一概念，并将其视为一个关键指标。他将其定义为“模型在遇到死胡同之前，能够花在解决难题并取得实质性进展上的时间”。^[2] 他将自主时间的增加与自动化更多 AI 研究工作流的可能性联系起来，描述了一个未来的场景：模型被指派处理真实的研究问题，设计并执行实验，然后将结果反馈到自身的训练过程中，而人类研究人员则负责监督和引导策略，而非处理每一个中间步骤。^[7][5] 他还对规模法则（Scaling Laws）表达了持续的信心，该法则认为模型会随着计算能力的增强而提升，他表示：“我不认为有任何证据表明规模法则在任何意义上已经失效。”他相信研究上的突破将继续克服数据或模型架构方面的瓶颈。^[2]\n\n当被问及 2024 年 OpenAI 超级对齐团队核心成员离职一事时，陈将这种情况归因于“高度个人化的决定”。他暗示，在一个“非常动态的领域”中，公司的发展方式可能与特定研究人员的预期不符，从而导致他们离开。他指出：“有时领域的发展方式与你进行研究的方式不太一致。”^[2]\n\n