OpenAI全部的秘密，藏在200份简历中

Mira Murati

和首席科学家伊利亚一样，米拉也是位典型的技术精英：

她曾在达特茅斯学院学习机械工程，并在法国航空公司Zodiac Aerospace担任过高级工程师。后来，米拉又加入了特斯拉，领导了Model X电机系统的开发。在这过程中，米拉开始接触自动驾驶，对人工智能的兴趣与日俱增[1]。

最终，她被奥特曼招至麾下。

人工智能的竞争，永远延续着这样一条规律：人才第一，数据第二，算力第三。OpenAI的高层，清一色都是米拉这样的技术精英。如此庞大的人才军火库，才是OpenAI遥遥领先的秘密。

然而，OpenAI的“军火库”中，不仅有传统技术精英，还有更多“非常规天才”。

例如GPT-4o的多模态负责人Prafulla Dhariwal，实际只有本科学历。

而Sora的论文作者中，还有一位研究员，仅有高中毕业证。他17岁开始学习写代码，今年刚满21岁，脸上还残留着青春痘的痕迹[2]。

“高中生研究员”Will DePue

连OpenAI曾经的技术主管Christopher Olah，都没正经念过几天书。他领英主页的教育经历一栏，赫然写着“University of Real Life Experience（真实生活经历大学）”。

很显然，对于何谓“科研人才”，OpenAI有自己的理解。

人才军火库

我们翻了大量简历后发现，OpenAI的人才招募，有两个显著的特征，即“两不看”：

一是不看学历。在大型研究机构当中，博士学历通常都是求职的敲门砖。

杨立昆曾提及，Meta将研究岗分成两类：基本只有博士学历的人，才有机会担任研究科学家（Research Scientists），剩下的都是研究工程师（Research Engineers），逼格直接掉了一个档次[4]。

但OpenAI没那么多讲究。

例如创造了文生图模型DALL·E的印度小哥Aditya Ramesh，只有纽约大学的学士学位。印度小哥其实有继续深造的打算，但架不住OpenAI一直催他早点入职。

Aditya Ramesh

前面提到的“高中生研究员”Will DePue，更为极端。

他高中时心思就不在念书上，创业做了家数据分析公司。公司被收购后，他又跑去美国的民间激进组织中，做了7个月的志愿者。因此，Will DePue求职OpenAI时，根本拿不出一份像模像样的简历。

去年2月，智谱研究曾统计过ChatGPT团队的学历分布，发现本科、硕士、博士的人数竟然持平，占比分别为33%、30%、37%[5]。

二是不看资历。OpenAI非常敢于让新人挑大梁。

Aditya Ramesh在研究DALL·E时，其实转正没多久。如今，这位仅有6、7年工作经历的印度年轻人，已经先后在DALL·E 2、DALL·E 3、GPT-4，以及Sora的论文中，留下了自己的名字。

这一度令印度媒体极其兴奋，“DALL·E原来是印度血统”[7]。

而在Sora团队，这个现象更明显。主导该项目的研究员叫Bill Peebles，2023年才博士毕业，彻头彻尾的应届生。

Bill Peebles

当然，OpenAI内部也有不少传统意义上的超级精英。

例如Sora的另一位主导者Tim Brooks，虽年轻，却资历颇深。他的老师Alyosha Efros是计算机视觉领域的泰斗，自己也曾在谷歌、英伟达等大厂，从事过人工智能研究。而以奥特曼为首的管理层，其履历多是清一色的硅谷大厂。

OpenAI通常会让少数超级精英，带着年轻且才华横溢的技术天才们，一同搞科研。

OpenAI的哲学

实际上，OpenAI的招聘向来以严苛著称。2017年时，曾有人在海外论坛Reddit上，分享过OpenAI的面试经历：

在通过初步筛选后，他先后经历了4轮面试，其中包括1次演讲、2次研究面试，以及1次编程面试，堪比过五关斩六将。并且，2次研究面试的方向还不一样，一次考察技术知识储备，另一次则侧重哲学探讨，要求应聘者分享对人工智能技术演进的思考[8]。

在美国招聘网站Glassdoor上，近一半的人都对求职经历给出了负面评价。

因为OpenAI的面试流程极长，且面试官总爱出一些怪招。去年年初，OpenAI人力副总裁Diane Yoon，公开解释了这么做的原因：

OpenAI更侧重考察“解决问题的能力”。

她提到，OpenAI虽是一家研究机构，但行事风格并不掉书袋。OpenAI认为，研究的目的是解决现实问题，并鼓励研究员尝试最简单的方式，而不是盲目追求学术创新，因为前者通常更有效。

OpenAI的许多成果，都是这一文化的延续。

例如震撼世界的Sora，更多是改良并发扬了谷歌提出的技术路线。去年，Sora的基础论文《Scalable diffusion models with transformers》，甚至因“缺乏创新”而被顶级人工智能学术会议CVPR拒收。

刚刚发布的GPT-4o亦是如此。OpenAI并没有做什么学术创新，只是借助强大的工程能力，将科幻电影中能够自由交谈的AI，变成了现实。

然而，这种解决问题的能力，并不会直接体现在简历上。因此，OpenAI设计了很多套路。Diane Yoon举例说道，她经常会要求应聘者提供，曾做过“有影响力的工作”，目的是观察应聘者是否具备解决问题、推动创新的意识[9]。

这种做法其实并不罕见，很多科技公司都有非常独特的“招人姿势”。

《乔布斯传》中曾记载，早年的苹果从来不招“老实人”。乔布斯经常会问一些稀奇古怪的问题，来考验应聘者是否有幽默感与叛逆精神。有时，乔布斯甚至会在面试中捉弄对方，问他“是不是处”“嗑过几次药”[10]。

因为招的“疯子”越多，做出来的创新就越“野”。

尽管乖僻套路层出不穷，并不妨碍OpenAI将最优秀的技术天才们搜刮殆尽。例如前文提到的印度小哥Aditya Ramesh，当年曾是杨立昆的学生，在Meta做过一些研究。然而，他最终还是给导师发了“好人卡”。

宏大叙事的魅力

OpenAI的身上，刚好有一种奥本海默式理想主义。

奥本海默既亲手加速了核武器诞生，同时也极力反对滥用核武器。

奥特曼创办OpenAI的初衷，同样是担心人工智能被科技巨头滥用，危害人类。因此，他们设立了一间不受大型科技公司控制，且非盈利的实验室，作为制衡。

奥特曼一直认为，推动这么一个看似疯狂、不切实际的想法，其实并不困难，“因为人们会觉得这太酷了，并主动投身进来提供帮助。”实际走向也正如他所料。

OpenAI成立于2015年末，起步其实相当晚。彼时，谷歌、Facebook等科技巨头早已将AI人才瓜分殆尽。然而，凭借浪漫的公司理念，OpenAI还是成功挖角来了伊利亚等顶级学术大牛。

当时，谷歌给伊利亚开出了200万美元的年薪，他再三思索，最终还是觉得“拯救人类”更重要。

2018年时，OpenAI发布了一份《公司宪章》，进一步明确了使命，即“确保通用人工智能造福全人类”。而在GPT-4o发布之后，奥特曼也不忘在公告中重画一遍大饼。

冰山之下

不过，浪漫主义的公司理念，只是OpenAI的华丽外衣；理想的种子能够茁壮成长，是因为种在了坚实的土壤之上。

OpenAI的资深研究员中，有一位叫Li Jing的国人。

他本科毕业于北京大学，随后选择去麻省理工学院深造，拿到了博士学位。毕业之后，他获得了在Meta从事博士后研究的机会，直接跟着图灵奖获得者杨立昆学习。在Meta科研了近3年之后，Li Jing又转投了OpenAI。

事后来看，Li Jing的每一个选择，几乎都是职业生涯的最优解。

而这些“最优解”的结合，在美国构建起一台庞大的“人才造血机器”。从学术到产业，美国提供了完整的一条龙式服务：

在伯克利、MIT等高校的教学一线，活跃着大批声名显赫的泰斗级人物，包括前文提到过的大牛Alyosha Efros，以及ResNets的开发者何恺明。

这些顶尖高校的教授，又多大与产业界关系密切，足以“工作包分配”。纽约大学的杨立昆最为典型，他的学生基本都在Meta工作过。

而人工智能领域的顶级学术会议，也基本都是由美国组织举办。例如计算机视觉领域的CVPR（国际计算机视觉与模式识别会议）、ICCV（国际计算机视觉会议），其举办者都是总部位于纽约的电气电子工程师协会（IEEE）。

当大批年轻人立志计算机事业，准备大展宏图时，往往会惊讶地发现，美国早已在科研的轨道上，铺设了一个又一个金碧辉煌的补给站。

当他们厌倦了荒野独行，难免会掉转车头驶向另一条轨道。

因此，我们大可不必苛责那些赴美的研究员。

凭借着强大的产业基础，美国汇聚了全球最多的计算机人才。

智库机构MacroPolo曾做过统计，他们将NeurIPS接收过论文的研究员，定义为“顶级AI研究员”，发现：截止至2022年，57%的顶级AI研究员都在美国工作；相比之下，排名第二的中国只占12%。

当然，咱已经进步很快了——2019年时，中国在“其他”这一栏。

然而，如果按国籍划分，会发现美国籍的顶级研究员其实只有28%[12]。不断涌入的中国人、印度人、欧洲人，构成了美国人工智能的半壁江山。

尾声

在美国，这些学术资源面向所有人公开。过程中，奥拉幸运地认识了一位量子物理学家，并在他的指导下完成了第一篇论文。

后来，他又获得了“深度学习泰斗”约书亚·本吉奥的赏识，一度想把他招进大学。

在此期间，奥拉还获得了一笔10万美金的经济补贴，从而不必为现实问题分神。这笔钱来自蒂尔奖学金（Thiel Fellowship），它由彼得·蒂尔创办，专门资助那些中途退学，且渴望从事科技行业的年轻人。

毫无疑问，奥拉的成功，既有个人努力的因素，但同样也受益于一个更包容人才的环境。

这样的环境，才是一个公司，以及经济体创新力的真正来源。

参考资料：