OpenAI首席研究官马克·陈（Mark Chen）近日公开表示，通用人工智能（AGI）的突破已近在咫尺。他强调，预训练、数据工程与推理能力的持续优化仍是实现这一目标的核心路径，而AI系统自主开展研究的能力或将彻底改变人类与技术的互动方式。
马克·陈以“硅基生命的进化”比喻当前AI的发展阶段。他指出，当模型能够自主设计实验、验证假设并迭代优化时，人类将首次见证“研究行为本身被外包”的场景。这种转变并非简单的效率提升，而是意味着AI系统开始具备自我驱动的创新能力，其成果可能突破人类专家的认知边界。他举例称，若AI能推导出全新数学公式，自然也能设计出更高效的算法架构。
这一论断的底气源于OpenAI对“扩展法则”（Scaling Laws）的坚定信念。尽管外界频繁质疑预训练模式已触及天花板，马克·陈反驳称，此类论调与历史上的多次技术悲观预言如出一辙。他回顾道，从AlphaGo在2016年对战李世石时走出人类无法理解的“神之一手”，到如今AI在数学、编程等领域持续展现超越人类直觉的创造力，技术突破始终遵循指数级增长曲线。“我们已跨越近10个数量级的性能提升，没有理由认为这一进程会戛然而止。”
OpenAI内部对推理能力的押注被视为关键例证。项目o1立项初期，团队曾面临质疑：在“预训练+后训练”范式主导行业的背景下，为何要投入资源探索新路径？最终，由雅库布·帕乔基（Jakub Pachocki）和伊利亚·苏茨克维（Ilya Sutskever）等人推动的推理模型，成功颠覆了行业认知。马克·陈透露，这一经历强化了团队对“非共识创新”的信心——真正的突破往往诞生于对看似不可行方向的坚持。
随着AI执行力的提升，研究领域的角色分工正在悄然重构。马克·陈提出“氛围研究员”（Vibe Researcher）的概念：未来的顶尖研究者可能不再需要亲自动手编写代码或调试模型，而是专注于提出关键问题、定义研究框架，并将具体实现交给AI系统完成。他观察到，无论是OpenAI还是其他实验室，大量工作已转向以“编排”为核心——人类负责创意与方向，模型负责执行与优化。
这种转变已显现于实践。例如，AI代理（AI Agent）开始承担长周期、高复杂度的真实任务，而非仅作为演示工具。马克·陈描述了一个微妙的时间节点：今年以来，越来越多行业从业者意识到，AI已能替代人类完成具有实际价值的工作。他预言，当模型能够持续思考数周甚至数月时，其产生的创新将彻底超越人类专家的集体认知，为“自我维持的研究”奠定基础。
