GPT Image 2 背后的华人师徒网：人才生态才是 AI 竞争核心

事件概述

GPT Image 2 正式发布后，在大模型竞技场中以 241 分的绝对优势领跑。其背后是由 OpenAI 组建的一支仅 13 人的核心团队，其中华人成员占比高达 50%。深入分析该团队的履历发现，成员间存在紧密的师门、同窗及前同事关系，形成了一张覆盖全球顶尖科研机构的华人人才网络。

核心成员与师承脉络

• 陈博远（核心成员）：成长轨迹典型体现了华人学术界的“传帮带”。
  • 引路人：高中时期结识 Google DeepMind 资深研究员夏斐，后者在其本科及博士阶段提供关键支持，助其发表首篇影响力论文并两次邀请至 DeepMind 实习。
  • 师承：MIT 博士期间师从 Vincent Sitzmann 教授，研究“世界模型”方向。Sitzmann 实验室的研究思路直接影响了 GPT Image 2 的技术路线。
  • 同门：团队成员 Kiwhan Song 同为 Sitzmann 教授门下弟子，两人曾联合发表关于扩散模型与序列生成结合的论文。
• 工业界经验注入：
  • Jianfeng Wang：前微软首席研究员（任职近 9 年），专注于大规模多模态表示学习，负责提升模型的指令遵循能力和世界知识理解。
  • Bing Liang：前谷歌高级软件工程师（深耕 5 年多），参与过 Imagen 3、Veo 及 Gemini 系列研发，负责图像生成相关研究。
  • 价值：二人将竞争对手多年积累的工程经验及避坑指南带入团队，显著减少了研发弯路。

多元背景与交叉创新

• Weixin Liang & Yuguang Yang：两人均毕业于浙江大学竺可桢学院。
  • Yuguang Yang：拥有工程、计算化学物理与机器学习等多学科背景，曾在亚马逊 Alexa 和微软 Bing 工作，其跨学科积累在模型演示中得到体现。
  • Weixin Liang：斯坦福 AI 实验室博士，实习期间提出《Mixture-of-Transformers (MoT)》架构。该架构通过模态解耦的混合专家模型，将多模态预训练计算成本降低 66%，被视为推动多模态理解与生成统一的奠基性贡献。
• 其他关键成员：
  • Kenji Hata：斯坦福硕士，前 Google Research，参与 Sora 2 及 GPT-Image-1 研发。
  • Ayaan Haque：前 Luma AI 研究员，具备高维时序数据处理能力，负责思考模式研发。
  • Dibya Bhattacharjee：耶鲁本硕，前谷歌员工，负责模型输出格式优化。
  • Mengchao Z.：上海交大本科，德克萨斯 A&M 硕士，负责技术产品化转化。

底层逻辑与行业启示

• 高密度信任网络：由师门、同窗和前同事织就的网络，天然形成了统一的价值观和工程语言，使得创新磨合成本几乎为零。
• 组织约束对比：大厂层级结构虽利于商业化，但可能对需要自由探索的基础研究形成约束。单纯挖角个别天才难以复现这种自然涌现的创新生态。
• 竞争本质：AI 的竞争归根结底是“人”的故事。关键在于搭建能让顶尖人才自然相遇、互相成就的生态系统，而非单纯的技术或资本比拼。