OpenAI新蓝图：两位核心人物揭秘“自动研究员”计划，迈向“氛围研究”新时代

OpenAI两位核心研究负责人——首席科学家Jakub Pachocki与首席研究官Mark Chen，在近期a16z播客中首次系统阐述了公司未来五年的宏大愿景：构建“自动化研究员”（Automated Researcher），即一个能够自主发现新知识、推动科学进步的AI系统。 他们指出，GPT-5的设计核心在于弥合“即时响应”与“深度推理”之间的割裂。过去，用户需在快速回答的GPT系列与耗时推理的o系列之间做选择。GPT-5的目标是自动判断所需推理深度，实现“默认具备推理能力”和“智能体行为”（agentic behavior），将复杂思考过程内化为用户体验的一部分。 随着模型能力跃升，传统评估基准已显疲态。Pachocki坦言，许多指标提升已进入“饱和区”，单纯分数增长不再代表真实进步。未来的关键评估标准，是模型能否在数学、编程等可验证领域实现真正的新发现。他强调：“我们关注的是模型能否发现新事物，而不仅是表现更好。” 在此基础上，OpenAI确立了下一阶段的核心目标——打造“自动化研究员”。该系统不仅能在机器学习等自指领域自我演进，更将推动物理、生物、化学等传统科学的突破。目前模型在高中级竞赛中已能持续推理一至五小时，未来目标是将推理时间扩展至数月甚至数年，关键在于提升长时规划与记忆能力。Pachocki指出，维持深度推理的本质是“一致性”，即在失败后持续调整路径的能力，这正是研究的核心。 强化学习与编程是两大关键技术驱动力。Pachocki认为，预训练模型为RL提供了近乎无限的“虚拟实验场”，解决了环境构建难题。而GPT-5 Codex的发布，则标志着AI正从“辅助编码”迈向“氛围编程”（vibe coding）——年轻开发者已习惯依赖AI完成复杂重构，仅在必要时手动干预。 由此，研究的范式正从“写代码”转向“氛围研究”：不再依赖完整手写，而是通过AI协作探索未知。Pachocki强调，优秀研究员的核心特质是“坚持”与“诚实面对失败”，并能从失败中提炼新方向。Mark Chen补充，经验帮助研究者判断问题的难度边界，而真正的驱动力，是对重要问题的执着。 在组织文化上，OpenAI致力于保护基础研究，避免被短期产品需求干扰。他们吸引来自物理、理论计算、金融等多元背景的顶尖人才，重视创造力与执行力并存的多样性。尽管研究方向看似分散，但最终都将汇聚于“自动化研究员”这一长期目标。 当被问及最需投入的资源时，两位均毫不犹豫指向“计算力”。Pachocki坚信，算力仍是AI前沿研究的“永恒瓶颈”，而非数据。他们认为，只要计算资源持续增长，探索边界就永无止境。