OpenAI首席研究官馬克·陳（Mark Chen）近日公開表示，公司對通用人工智能（AGI）的探索仍堅定遵循既定路徑，預訓練、數據工程、推理訓練及復雜任務鏈的優化，仍是實現這一目標的核心支柱。他強調，盡管外界對"擴展法則"（Scaling Laws）的質疑聲不斷，但現有技術曲線尚未觸及天花板，模型自主開展研究的能力已初現端倪。

在談及技術演進時，馬克·陳以2016年AlphaGo與李世石對戰中的"第37手"為例，指出這一人類棋手難以理解的落子，標志著機器首次在專業領域展現出超越人類認知的創新力。他透露，如今這種"神來之筆"已蔓延至數學、計算機科學等多個領域，AI在長周期任務中的表現令從業者震驚——今年以來，越來越多專業人士發現，AI代理已能獨立完成具有實際價值的復雜工作。

針對"預訓練已死"的論調，馬克·陳直言這是技術發展中的周期性質疑。他以OpenAI內部開發推理模型o1的經歷反駁稱，當團隊提出放棄傳統"預訓練+后訓練"模式時，曾遭遇強烈反對，但最終通過工程創新與理論突破證明了新路徑的可行性。他強調，過去十年技術曲線已跨越近十個數量級，當前沒有任何證據表明增長會突然停滯。

這種技術自信源于對模型能力的深度觀察。馬克·陳指出，當AI開始處理持續數周甚至數月的任務時，其產生的創新成果已開始突破人類專家的認知邊界。例如，模型推導出的新型數學公式或算法架構，往往連資深研究者都未曾設想。這種能力正是實現"自我維持研究"的關鍵基礎——若AI能發現人類未知的數學規律，自然也能設計出更高效的軟件架構。

研究范式的轉變正在重塑科研崗位的職能。馬克·陳提出"氛圍研究員"（Vibe Researcher）的概念，預言未來頂尖研究者的核心價值將不再是編寫代碼或調試模型，而是把握研究方向的"感覺"。他觀察到，在OpenAI及其他實驗室中，人類研究者越來越多地承擔戰略規劃角色，而具體實現、執行和優化工作則交由AI完成。這種分工模式已從編程領域擴展至基礎研究，標志著"執行力"正成為可被AI替代的廉價資源。

當被問及人類在AGI時代的定位時，馬克·陳以烹飪作比：就像廚師不再需要親自切菜，但需掌握調味與火候的精髓，未來研究者的價值將體現在對問題本質的洞察與研究方向的把控。他透露，OpenAI內部正在探索如何讓模型自主生成研究提案并執行驗證，這種"閉環研究"模式一旦成熟，將徹底改變科學發現的進程。