OpenAI 首席科学家（Chief Research Officer）**陈马克（Mark Chen）**表示，公司正接近能够自行开展研究的 AI 模型，使通用人工智能（AGI）变得愈发触手可及。
要点概览：
- 陈称规模定律依然有效，预训练与更长的推理链仍在推动 AGI 方向的进展。
- 他表示，具备自我维持研究能力的模型已近在眼前，这一转变将重塑人类研究者的角色。
- 陈指出，日益加剧的评估危机和尚未解决的持续学习问题，是当前领域面临的最大障碍。
陈马克描绘的 AGI 路线图
陈在最近的一期播客采访中详细阐述了自己的观点，他一边在镜头前做饭，一边讲解 OpenAI 的研究战略。
他反驳了“扩展已停滞”的说法。陈表示，每当行业遇到新的瓶颈，这种论调就会再次浮现。
他称，公司一直沿着一条跨越近 10 个数量级的指数曲线前进，目前几乎没有迹象表明这条曲线会断裂，他在此处表示了这一观点。
陈还提到了 OpenAI 在“推理”上的押注。他说，公司内部早期曾有人怀疑 o1 项目，直到 Jakub Pachocki、Ilya Sutskever 和少数几位同事将其推进。
如今，他预计模型将能够承担跨度数周的研究任务，产出能超越人类专家盲区的创意。
他表示，OpenAI 制定的路线图跨度约三年，终点是能够从最初想法一直到最终成果，全流程完成研究工作的模型。
延伸阅读：BitMine 在抛售中逆势押注 4300 万美元以太坊，其策略引发关注
“氛围研究员”概念为何重要
陈提出了一个引人注意的概念——“氛围研究员”（vibe researcher）。
在他设想的未来，最优秀的研究者不再亲自写每一行代码，而是转而驾驭负责执行和排程的模型。人类工作被收缩为两项核心任务：提出尖锐的问题，以及判断一个答案是否真正有“品味”。
陈承认，这一愿景的基础并不牢固，他也从未试图掩饰这一点。
他在一次访谈中警告，目前正出现评估危机：不少团队一味追逐基准分数，却没有真正的能力提升，他将这种做法称为“benchmaxxing”。旧的测试集已经被“刷爆”，而新的测试一公开就迅速贬值。
持续学习依然是更难跨越的鸿沟。陈称其为整个领域尚未解锁的一项基础能力，尽管他也指出，已经有许多工作在正面对这一问题。
如果这条演化轨迹能够延续，陈认为，人类最稀缺的资源将从“原始智力”转向“判断力与真实经历”。
陈此前多次提出类似主张。在 GPT‑4.5 发布前后，他曾表示，扩展范式仍可继续向前推进；他也长期坚持认为，没有证据显示规模定律已经失效。