OpenAI 首席研究官陳信翰：算力才是真正的戰場，預訓練根本沒有撞牆

本文整理自 Anti Fund Summit 的非公開爐邊對談。Mark Chen 與現場投資人進行了約 35 分鐘的坦率交流，涵蓋技術路線、產業競爭、組織管理到 AI 對人類社會的長期影響。

被 Sam Altman 稱為「OpenAI 最重要的人」

Mark Chen（陳信翰）是 OpenAI 的首席研究官（Chief Research Officer），掌管整個研究部門。在活動主持人開場時提到，Sam Altman 私下形容 Mark Chen 是「OpenAI 最重要的人」——這個評價放在一家擁有四千名員工的公司，份量不言而喻。

陳信翰是台裔美國人，在美國出生，高中時隨家人返台，就讀新竹科學園區實驗中學雙語部。他的母親邱瀞德是清華大學資訊系統與應用研究所教授，父親陳建任曾任聯亞光電董事長。高中期間，他便到清華大學先修離散數學等課程，在美國數學競賽 AMC10、AMC12 和 AIME 均拿下滿分，之後進入 MIT 取得數學與資訊工程雙學位。

加入 OpenAI 後，他參與了 Codex（驅動 GitHub Copilot 的核心技術）、GPT-3 和 Image GPT 的開發，後來帶領團隊打造 DALL·E 2，並為 GPT-4 引入視覺能力。如今他統領整個研究部門，在這場投資峰會上，他展現的不只是技術深度，更是對產業全局的敏銳判斷。

算力與能源，才是 AI 競賽真正的戰場

對談一開始，有投資人提出一個很直接的問題：資料中心的資本支出動輒數千億美元，但 AI 公司的營收才幾百億，這筆帳怎麼算得過來？

陳信翰的回答揭示了一個業界圈外人不容易看到的真相。他說，外界看到的 AI 競爭——各實驗室互挖研究員、搶人大戰——其實只是表層。真正的深層博弈是算力和能源的爭奪。研究員再優秀，如果沒有足夠的算力支撐，他們也無法產出成果。

他給了一個非常具體的數字感受：如果 OpenAI 現在的算力突然變成三倍，他可以立刻全部用上；如果變成十倍，大概兩週之內也能完全消化。算力的需求遠遠超出外界的想像。

這也解釋了為什麼所有大型科技公司都在瘋狂投資資料中心。陳信翰指出，這些基礎設施的建置需要很長的前置時間，而且供應鏈的每一個環節——能源、冷卻系統、渦輪機、記憶體——任何一環出問題，整個計畫就會卡住。台積電在晶片製造端扮演關鍵角色，韓國在記憶體端同樣至關重要。各家公司都在系統性地盤點這些瓶頸，確保自己不會在某個環節掉鏈。

當被問到這些投資是否已經反映在股價上時，他毫不猶豫地說：「絕對沒有。」他認為能源仍然是非常好的投資標的，因為大多數人根本不理解接下來會發生什麼。他在學術界的朋友試用 GPT-5 Pro 後都震驚不已，但他們的同事對此完全無感——這就是當前世界的真實狀態。

預訓練沒有撞牆，這才是真正的 Hot Take

整場對談中最具爭議性的觀點，出現在有人問他看好什麼、看衰什麼的時候。

陳信翰直言：業界大量把資源從預訓練轉向強化學習（RL），認為預訓練的規模擴展已經碰壁，這個判斷是錯的。他說 OpenAI 內部在預訓練和模型規模擴展上仍然有非常多令人興奮的進展，只是在全世界都把注意力轉向 RL 的時候，沒有人在關注預訓練這邊正在發生的事。

有人追問：其他實驗室轉向 RL，是不是因為他們算力不夠、無法繼續擴展預訓練？陳信翰的回答很有意思——他認為目前各大實驗室的算力其實相差不遠，所以這更像是一個策略選擇，而非被迫的結果。換句話說，其他人可以把同樣的算力投入預訓練，但他們選擇了不這樣做，而 OpenAI 認為這是他們的機會。

這個觀點的重要性在於：如果陳信翰是對的，那麼「scaling 撞牆」的敘事就是一個巨大的誤判，而 OpenAI 正在趁其他人分心的時候，悄悄拉開距離。

Transformer 可能在兩年內被改變

另一個值得注意的技術判斷是關於架構演進的。有人問，五年後我們還會在用 Transformer 嗎？

陳信翰的回答相當精確：一年之內，現有架構大概率會延續；但放到兩年的尺度，他認為已經有足夠的跡象（signs of life）讓他願意賭會出現不同的東西。不過他也補充，這不一定代表 Transformer 會被完全取代，可能是在其基礎上的重大演進。

這個判斷讓人聯想到他在 OpenAI 的位置——作為首席研究官，他能看到內部正在進行的實驗。當他說「有足夠的跡象」，這很可能不是泛泛而談。

中國在機器人領域領先美國至少兩年

當話題轉向機器人時，陳信翰給出了一個可能讓在場美國投資人不太舒服的判斷：在機器人領域，中國遠遠領先。

他特別提到了中國的宇樹（Unitree）機器人，形容它們「真的很厲害」，並且認為美國在這個領域至少落後兩年。原因很實際——中國把製造、原型開發、供應鏈全部整合在一起，可能就在同一座城市裡完成，而美國根本沒有這樣的供應鏈基礎設施。

不過他也指出，OpenAI 的策略是先攻克數位智慧任務。他把「具身化」（embodiment）拆成了光譜，認為數位環境中的 AI Agent——在你的電腦上執行任務——本身就是一種具身化，不一定非要等到實體機器人。如果目標是知識工作的自動化，機器人可以放在路線圖後面；但如果要抓住實體勞動的經濟價值，就必須做機器人。

談到家用機器人的形態，他半開玩笑地說，七呎高的人形機器人太嚇人了，四呎高的才是進入家庭的「特洛伊木馬」——人類在心理上需要感覺自己能壓制這個東西，才會接受它進入日常生活。他把這比喻成「每個人都有一個哈利波特裡的家庭小精靈」。

人們已經在愛上 AI，而這是一個需要謹慎對待的事實

對談的第一個問題就問到：人們會愛上 AI 嗎？

陳信翰的回答很坦率——這已經在發生了。即使只有百分之零點幾的使用者產生深度依賴，放到 ChatGPT 接近十億週活躍用戶的基數上，那也是非常龐大的人群。隨著模型能力提升，越來越多人分辨不出對面是不是真人，他們開始以對待真人的方式與 AI 互動，依賴程度也在加深。

他接著說了一句很坦白的話：一家公司完全可以順著這個趨勢走，打造一個讓人極度沉迷的產品——從商業角度這會非常成功，但對世界是負面的。OpenAI 曾經有機會讓模型更加諂媚（sycophantic），這確實能帶來更多用戶，但他們選擇回調這個行為，因為不想引發心理健康危機。

現場有投資人從社會面補充了一個觀點：在 COVID 期間成長的下一代，他們的人際互動主要透過文字和影片——本質上就是像素。而語言模型恰好能模仿這種互動形式，而且比任何真人都更有耐心、更鼓勵人、更不會批判。這意味著 AI 伴侶可能對年輕世代有著比我們想像中更強的吸引力。

人才大戰：Meta 挖遍所有高層，全部被拒

談到組織管理，有人指出 OpenAI 已經膨脹到四千人，外界擔心它正在變成一家官僚化的大公司，研究員會被其他實驗室挖走。

陳信翰提供了一個不同於媒體敘事的視角。他說 OpenAI 的研究部門目前大約 400 到 500 人，去年是 300 多人，只成長了 20% 到 30%——公司其他部門翻倍了，但研究團隊刻意維持精簡。他甚至會階段性地凍結招聘，要求主管淘汰表現不佳的人，持續拉高人才密度。他的原則是：不要招到邊際貢獻為零的人，每個人都必須有「極高的正向邊際貢獻」。

至於 Meta 的挖角攻勢，他說得很直接：Meta 找上了他所有的直屬部下，全部被拒絕了。他承認以 Meta 願意開出的價碼（報導指有人拿到一億美元等級的 offer），OpenAI 不可能留住每一個人，但核心高層全都還在，而且非常投入。很多研究員在看到 OpenAI 內部的研發進展後，反而更不想離開——因為他們感覺自己正在見證未來，離開就不再是這台機器的一部分了。

他還提到一個有趣的現象：大部分研究員即使面對 Meta 五倍薪資的誘惑，仍然選擇留下。他認為關鍵原因是，這些人在 OpenAI 內部看到了研究的加速進展，感覺離開就是脫離了最前線——這種使命感比任何金錢數字都更有留人效果。

模型行為的中立性：不推任何政治立場

有人直接挑戰：OpenAI 掌握了這麼大的影響力，會不會有人出一大筆錢來操控模型的輸出方向？

陳信翰回應說，OpenAI 內部有一個「模型行為團隊」（Model Behavior Team），他們的目標是讓模型在預設狀態下保持中立——不偏左，不偏右，但讓使用者可以根據自己的價值觀來引導互動方向。他提到這個團隊的成員在政治光譜上有充分的多元性，其中一位主管就是非常保守派的人。

他也承認這個問題沒有完美答案，表示 OpenAI 願意接受外部稽核，並且花了大量時間在美國和全球各地做調查，試圖找到最「居中」的預設行為。不過他也強調，從經濟誘因來看，OpenAI 沒有理由偏向任何一方——那樣做會失去一半使用者的信任。

短期讓人更有創造力，長期走向極端分化

對談中有一段關於人類未來的討論頗為深刻。有投資人提出一個激進的預測：在現代經濟中已經存在生產者和消費者的區分，而 AI 會把消費者的比例推向 99%——甚至在一百年後，可能只剩一個「超級生產者」搭配五萬個 AI Agent，替所有人工作。

陳信翰沒有否認這個長期趨勢，但他認為短期內，AI 反而會讓更多人變得有創造力。邏輯很簡單：當例行性的執行工作被模型接手後，人們可以把精力集中在構思和創意上。就像影片製作——如果拍攝和剪輯的機械操作變得容易，人們自然會把更多時間花在故事和概念的發想上。

不過他也承認，再往長期看，模型可能會比人類創造出更吸引人的內容，到那時人們可能真的只想跟自己的 AI 朋友互動，不再在意其他人類做了什麼。

批判性思考仍然是最大的差異化能力

有人提出一個尖銳的觀察：隨著模型越來越會批判性思考，人類反而在喪失這項能力。他在面試中發現，很多人已經完全失去了獨立判斷的能力。

陳信翰承認 vibe coding 已經成為年輕一代的預設模式——現在的學生認為用 AI 寫程式是正常的，從頭手寫程式碼反而是額外的技能。這就像他們那一代人看組合語言一樣，已經變成一種「選修」而非「必修」。

但他仍然堅信批判性思考的價值不會消失。在任何領域，能夠獨立思考的人都會勝過只會依賴工具的人，即使每個人手上都有同樣強大的 AI。他在招聘時也刻意避開傳統的大公司式流程，而是去 Twitter 上找有獨特見解的人，或深入特定教授的實驗室建立關係，尋找那些有非傳統背景但思維出眾的人才。

他個人的 AI 使用方式：自動化自己的工作

最後有人問在場每個人怎麼使用 AI，陳信翰的回答出人意料地個人化。

他說自己大量用 ChatGPT 來處理生活中的問題——那些他想問、但害怕被人批判的深度私人問題。因為 AI 不會評判你，它只會傾聽並回應。他說 OpenAI 在訓練模型時，刻意「把批判性去掉了」，讓它成為一個安全的對話空間。

而在工作上，他的野心更大：他想自動化自己的工作。他和研究團隊每天都在把遇到的棘手研究問題餵給模型，讓模型學會處理這些任務。他說，當有一天他寧願花算力跑一個 AI 研究員、而不是聘請一個人類研究員的時候，那就是他可以退休的時候了。

這句話從 OpenAI 首席研究官口中說出來，既是對 AI 能力的最高期待，也是對自身角色最清醒的認知。

我的觀察

這場對談最有價值的，不是任何一個單一觀點，而是它讓人看見 OpenAI 正在執行一套「認知差」策略——利用外界的誤判來建立優勢。

陳信翰整場對談反覆提到一件事：大多數人不知道接下來會發生什麼。這不是客套話，而是 OpenAI 核心競爭邏輯的一部分。最能說明這點的是他對預訓練的態度。過去一年多，業界主流敘事是「scaling 撞牆了，預訓練走到盡頭了，接下來是強化學習的天下」。幾乎所有實驗室都在跟隨這個判斷調整資源配置。但陳信翰站在投資人面前說：這個共識是錯的，我們在預訓練上仍然看到非常多令人興奮的進展。他甚至指出，其他實驗室並非因為算力不夠才轉向 RL，而是做了一個他認為錯誤的策略選擇。換句話說，OpenAI 正在趁全世界往另一個方向跑的時候，悄悄在預訓練賽道上拉開距離。這跟投資領域的逆向操作邏輯如出一轍——而他偏偏是在一場投資峰會上講這些，等於在告訴在場的人：你們認為的共識，可能本身就是最大的錯判。

第二個值得認真對待的訊號是「自動化自己的工作」這句話。當 OpenAI 的首席研究官公開說，他的個人目標是讓 AI 取代自己這個職位，這已經不是謙虛或玩笑，而是一種研究方向的宣示。他和團隊每天把遇到的真實研究難題餵給模型，本質上就是在建構一條「AI 做 AI 研究」的正向回饋迴路。如果這條路走通了，AI 研究的速度將不再受限於人類研究員的數量和工時，而是受限於算力——這又回到了他前面強調的「算力才是真正的戰場」。這幾個觀點串在一起，邏輯是自洽的，也暗示了 OpenAI 的長期圖景比外界理解的更激進。對整個研究人才市場而言，這是一個需要嚴肅面對的結構性變化。

最後，台灣讀者應該注意他談到供應鏈時的措辭方式。他提到台積電和韓國記憶體，是放在「算力戰場的關鍵瓶頸」這個框架裡講的，而不是放在地緣政治的框架裡。這反映了矽谷技術領導者看待台灣的真實視角——台灣的戰略價值，在他們眼中是非常具體的供應鏈節點地位，不是抽象的國際關係敘事。他的原話是系統性地盤點「誰真正重要」，然後確保拿到所有需要的東西。對台灣來說，這既是肯定——我們確實處在這個關鍵位置上；也是警訊——這個位置的價值是功能性的，一旦供應鏈找到替代方案，這個地位就不再穩固。