GPT Image 2 核心团队揭秘：一张由华人师徒与同窗织就的顶尖网络

事件概述

GPT Image 2 正式上线后，在 AI 图像生成领域展现出绝对优势（跑分 241 分）。其背后的 OpenAI 核心团队规模极小，仅 13 人，但华人成员占比极高。深入分析发现，该团队并非简单的拼凑，而是一个由学术师承、同门情谊及前同事关系交织而成的紧密网络。

核心人物与师承脉络

陈博远 (Chen Boyuan) - 团队核心

• 角色：GPT Image 2 绝对核心，同时身兼 Sora 视频生成团队成员。
• 成长路径：
  • 启蒙：高中参加无锡科研夏令营时，受夏斐（现 Google DeepMind 资深研究员）引路进入深度学习领域。
  • 本科：UC Berkeley 计算机科学与数学专业，GPA 3.96，师从 Pieter Abbeel，曾创办机器人教育公司。
  • 博士：MIT 期间陷入论文困境，获夏斐关键支持发表首篇影响力论文 NLMap；夏斐两次邀请其至 DeepMind 实习，主导搭建多模态数据合成管线，相关指令微调技术被用于 Gemini 2.0。
  • 加入 OpenAI：2025 年 6 月入职。

同门师兄弟：Vincent Sitzmann 实验室

• Kiwhan Song：陈博远在 MIT CSAIL 的同门师兄弟，导师均为 Vincent Sitzmann。
  • 研究方向：世界模型（World Models），即让 AI 通过心理模拟器预判物理变化。
  • 合作成果：联合发表《History-Guided Video Diffusion》和《Large Video Planner》，探索扩散模型与序列生成的结合，理清时序与空间因果逻辑。
  • 特色：知名“长脖子”贴纸风格漫画头像创作者。

工业界精英网络

• Jianfeng Wang：
  • 背景：微软首席研究员近 9 年，专注大规模多模态表示学习，DALL-E 3 研发期间已与 OpenAI 深度合作。
  • 职责：提升模型指令遵循能力及世界知识理解。
• Bing Liang：
  • 背景：谷歌高级软件工程师 5 年多，参与 Imagen 3、Veo 视频模型及 Gemini 多模态系列核心研发。
  • 职责：负责图像生成相关研究。

跨学科与架构创新组合

Weixin Liang & Yuguang Yang (浙大竺可桢学院校友)

• Yuguang Yang：
  • 背景跨度：浙大本科 -> 约翰斯·霍普金斯大学计算化学物理与机器学习博士 -> 亚马逊 Alexa (语音识别) -> 微软 Bing (查询理解) -> 清华大学访问研究 (纳米机器人强化学习)。
  • 贡献：跨学科积累直接体现在 GPT Image 2 发布演示中。
• Weixin Liang：
  • 背景：斯坦福 AI 实验室 (SAIL) 博士，合作教授包括 Christopher Manning, Li Fei-Fei 等。
  • 核心贡献：Meta 实习期间发表《Mixture-of-Transformers (MoT)》。
    • 技术突破：引入模态解耦混合专家架构，对 Transformer 非嵌入参数实施模态感知稀疏化。
    • 成效：多模态预训练计算成本降低 66%，在 30B 参数规模下完成验证，被视为多模态建模领域的奠基性贡献。

其他关键成员

• Kenji Hata：斯坦福硕士，前 Google Research，参与 GPT-Image-1 及 Sora 2 研发，迭代经验最完整。
• Ayaan Haque：前 Luma AI 研究员，参与 Dream Machine 训练，负责 GPT Image 2 及思考模式研发。
• Dibya Bhattacharjee：耶鲁本硕，前谷歌 5 年，负责图像生成研究，演示多规格生成能力。
• Mengchao Z.：上海交大本科、德州农工硕士，前大规模推荐系统架构设计者，负责将技术转化为产品形态。

行业洞察

• 人才网络效应：师门脉络积累了研究品味，高校背景奠定了认知基础。这种高密度信任网络使得价值观和工程语言高度统一，极大降低了创新磨合成本。
• 竞争本质：AI 竞争归根结底是“人”的故事。单纯挖角个体难以复制成功，关键在于构建能让顶尖人才自然相遇、互相成就的本土生态。