GPT-4o亮相没两天，背后Omni团队就被扒了个底朝天：
领衔者，是DALL·E 2/3研究团队成员、Scaling Law共同提出者。
更深层次的，团队组成和Sora有着类似的规律：不怕启用新人，并且狠狠重任新人。
这里的“新人”，可能是本科or硕博刚毕业的应届生，也可能是刚加入OpenAI的新成员。
恰如其时的，思维链作者、从谷歌跳槽OpenAI的Jason Wei跳出来，分享了公司内部派活儿的原则：
派给你的活，绝不与你的职级挂钩。
换句话说，即使是初级工程师，只要有想法，就可能被OpenAI委任承担大项目。
而且任命前的评判纯粹根据员工执行表现来，而不是考虑过去这人有过啥优秀业绩。
Jason Wei说，他在OpenAI见过几位毕业不久的工程师，在内部揽了一个重要的大活，他那时候心想，“哇，要是谷歌，这不得让L8/L9的员工来搞？”
好一个任人唯贤！
网友看后感慨万千，感慨OpenAI这样独角兽中的超级独角兽，就是需要这股子劲。给这样的团队2-3年，你会看到他们带来的惊艳表现。
具体情况，咱们来扒一扒就清楚了——
1、做出伟大产品的年轻团队们
本次吃瓜活动，就从最近万众瞩目的GPT-4o背后团队（以下简称Omni团队）下手吧。
Omni团队负责人，印度小哥Prafulla Dhariwal（下面我们叫他PD哥）。
你可能不咋熟悉他的名字，但一说他的前作你大概率都认识：DALL·E 2、DALL·E 3、一致性模型，还共同提出了Scaling Law。
谷歌学术显示，这哥的论文引用次数超过了72500次，还在不断上升中。
想当初，PD哥是以本科毕业生的身份加入OpenAI的，虽然这个本科是MIT（手动狗头）。
他在MIT主攻计算机科学、数学、物理学，并在MIT大脑、思维和机器中心担任本科生研究员。
据PD哥自我介绍，本科毕业前，他就已经在成立不到1年的OpenAI实习了，然后2017年毕业后正式转正。
我们整理发现，入职前半年，他就参与了Openai baselines的团队项目。
然后次年成为了Glow的共同作者，接下来更是共同提出Scaling Law，参与研究DALL-E 2、DALL-E 3、一致性模型等等等等。
过去的18个月里，他领衔了GPT-4o的工作。
项目面世后奥特曼狂赞他，说如果没有PD哥的远见，以及长期以来才智、信念和决心，就没有GPT-4o。
OpenAI总裁Greg Brockman也说，多亏PD哥“建立全能大模型”的信念，团队才最终搞定了GPT-4o。
夸得太卖力，一下就把PD哥推到了聚光灯下。
PD哥自己在推特表示，GPT-4o是他们团队推出的*个模型，也是OpenAI*原生多模态大模型。
经由PD哥在推特对团队在线点名致谢，我们发现Omni团队里有6位（疑似）华人面孔。
Yu Zhang：加入OpenAI 8个月；此前在Google DeepMind工作6年。他本科毕业于上海交通大学计算机专业。
Huiwen Chang：加入OpenAI 1年；此前在Google呆过5年。她的学士学位是在清华大学姚班取得的。
Li Jing：加入OpenAI 2年，曾是Dall-E 3、Sora团队成员。本次负责保障GPT-4o的图像生成、3D生成的能力。本科时，Jing在北大获得物理学学士学位。
Jiahui Yu：加入OpenAI 3年8个月，现带领OpenAI感知团队；入职前参与过Google的Gemini、PaLM 2项目。Yu本科时就读于中国科技大学少年班，学习计算机。
Casey Chu：加入OpenAI已有4年，参与过GPT-4、DALL・E 2的研究。
Mark Chen：加入OpenAI 5年8个月，现任前沿研究主管，曾参与过DALL・E、GPT-4等项目。
当然，Omni团队背后还有大批共同参与者的努力。但就从上述几个人的资料来看，里面既有老手，也有OpenAI新来的员工，并不会因为司龄低，就不给派重要的活。
为了佐证这一点，我们又往前再扒了扒，看看之前的项目是否如此。
看看今年春节发布的Sora。
Sora由两位博士应届生带队研究，这可称为佐证Jason Wei分享的OpenAI用人秘籍的典范材料。
两位负责人，Tim Brooks和William (Bill) Peebles都是2023年刚刚博士毕业，团队里甚至还有00后成员。
其中，Tim是DALL-E 3作者之一，而William (Bill) Peebles则和谢赛宁合作，搞出了Sora的技术基础之一DiT。
看看2020年发布的Jukebox。
这是一个在原始音频域中通过唱歌产生音乐的模型，参与人员就有我们刚入职没两年的PD哥。
当初没掀起什么水花，但着实为现在的GPT-4o培养了音频人才，成为了OpenAI奔赴「Her愿景」的基石之一。
看看2018年发布的GPT-1。
一切故事都开始都源于万神之源《Attention is All You Need》论文的出现。论文发表当天，OpenAI刚刚离职的前首席科学家Ilya Sutskever，就意识到“它给了我们想要的一切”。
然后建议同事Alec Radford开始动手研究——彼时距离Alec加入OpenAI才不到2年，也是个本科生。
结果就是，Radford开发了GPT的原型，然后OpenAI调动更多人从机器人、DOTA游戏等项目转型，参与进来开发了GPT-1、GPT-2……
OpenAI沿着这位本科生主导的佳作，开创了今日盛世。
2、OpenAI原来是这样
不只是成员履历，其实从OpenAI的组织架构上，就能感知到他们这种任人唯贤的扁平化管理方法。
最明显的是，OpenAI的研究员，大家都叫Member of Technical Staff，没有啥称呼上的差异。
怪不得有网友调侃，OpenAI说初级工程师也能抗大活，但可能你们就没有初级工程师啊……
Greg曾透露，他们曾认真考虑用哪种职位名称，因为不想简单将他们归为研究人员和工程师。
“Member of Technical Staff”这一说法继承自施乐帕克研究中心Alan Kay的建议。
而且整个OpenAI的部门划分也没有很精细，只有数据科学、研究、安全等几个大部门。
但其实不管GPT-4、DALL·E、Sora还是最新的GPT-4o，全部都是项目制的。
整个团队从各个部门抽人组建，搭伙干活。
讲道理，在OpenAI，项目归属感可能比部门归属感更强。
除了OpenAI，现在很多科技公司和领导人，包括像马斯克xAI在内也都在按这套方法在搞。
现在，随着Omni团队的揭秘，关于OpenAI组织架构和评判标准再次被讨论。
有网友对这种方式表示赞赏，“也是为什么我确信创始团队是应届毕业生的新出路”。
当前的市场环境下，这是满足这种雄心壮志的*途径，在传统稳定领域想要获得指导和成长变得十分艰难。
就像Jason Wei所说，据他观察，一般大公司会对项目有一个隐隐的期望，所以会按职级划分工作内容，项目一般都是自上而下分配的。
重要项目通常派给此前工作表现突出的“值得信赖的”L7或L8，这能保证团队有组织、高可靠性地完成工作。
但是对于一个等待大展拳脚的初级工程师来说，想要他遵守一些无关痛痒的条条框框？
不可能，*不可能。指望我把活干好不就完事儿了！
虽然这也是许多公司在初创期的通用做法，但事情因OpenAI这次发布Gpt-4o再次曝光后，更多网友开始触景生情，破防了！
顺便再蛐蛐一下自家公司的成长体系：
别说了，羡慕。
3、网友自曝其他大厂不这样
一位曾在微软工作的“独立黑客”自述了此前一段伤心经历。
他本来负责一个十分具有挑战性的功能，已经做了所有前期工作，也得到设计部门的认可。但随后就被要求交给一个高级工程师。因为这个工作不符合“职级要求”。
微软的管理者都精于算计（象棋高手），他们晋升的人选都是事先决定好的，合适的项目会分配给那个人，以证明晋升的合理性。
来自谷歌的现员工和前员工们也表示，谷歌在这方面确实做的很糟糕，就是在Gemini时代也没有改善。初级企业的层级结构扁平化，可以有更大的创新空间。因此也有人在警示OpenAI“在这方面需要加强很多工作”，有前车之鉴在此。这样的警示并非没有依据。
事实上如今OpenAI飞速发展，人才规模迅速扩展，已经开始出现一丝丝不好的“苗头”。
ChatGPT发布会之后，OpenAI一度成为全球AI人才向往的圣地。包括像斯坦福、MIT等*学术机构，微软、谷歌等*大厂的人才涌入。
但这当中，有不少研究类人才来了没过多久又走了，留不住。
典型如OpenAI创始成员、前特斯拉AI总监Andrej Karpathy，2023年ChatGPT发布后二进宫；又在一年之后再次离开，如今正在秘密开发一个项目。
还有又回到谷歌担任DeepMind研究科学家的Shane Gu，仅仅只在OpenAI待了7个月，其中带领团队进入了日本市场。在此之前他曾在谷歌待了四年。
2022年5月Shane Gu参与的研究发现，只要加上一句“让我们一步一步地思考”就能让GPT-3做数学题的准确率暴涨61%，引发学术界轰动。
还有其中DeepMind老员工Jack Rae，曾就压缩即智能在Stanford MLSys Seminar发表演讲。
此前在OpenAI工作一年多时间，今年7月份从OpenAI跳回到谷歌，他可能是*一位对GPT-4和Gemini都有贡献的人类了。
现在OpenAI掀起新一波离职潮，且大部分都是技术团队的人才，甚至随着灵魂人物、首席科学家Ilya官宣离职而加剧，超级对齐团队负责人也紧随其后辞职。
而另一面，关于产品、营销方面的人员加入。最新消息，他们还挖来了谷歌搜索广告业务的21年老将。
再加上，如今频繁的产品级更新、搜索引擎的布局以及同苹果Siri的合作……更多商业化操作不一而足，OpenAI和奥特曼的野心由此可见。
在这样的情况之下，OpenAI是否还能持续保持*？
