GPT 图像团队背后：一张华人师徒网

当GPT Image 2正式登场，AI图像生成领域的格局被彻底改写——从此只有两个梯队：GPT Image 2，以及所有追赶者。它以241分的绝对优势霸榜跑分榜单，但比起冰冷的数字，支撑这份领先的13人核心团队，才是真正的「宝藏」。 这支出自OpenAI的精锐之师，规模精简到极致，却藏着一个令人瞩目的事实：华人成员占据半壁江山。深挖他们的履历会发现，这些顶尖研究者的人生轨迹，早已在海外求学、科研深耕的路上交织，形成一张紧密的人才网络。AI圈从不是孤立的竞技场，而是一个由师门、同窗、前同事织就的「熟人局」，流水的大厂迭代，铁打的师徒相携、同伴相成就。

华人核心：从「传帮带」到「同门并肩」，撑起半壁江山

陈博远，堪称GPT Image 2的「灵魂人物」，而他的成长之路，正是华人学术圈「传帮带」精神的生动缩影。高中时期，尚未接触编程的他，在无锡一场科研夏令营中与华人学者夏斐结缘——彼时已在AI领域崭露头角的夏斐，向他推开了深度学习的大门，成为他科研路上的第一位引路人。这份缘分并未随着夏令营结束而中断，反而成为陈博远前行的重要支撑。 本科阶段，陈博远考入UC Berkeley计算机科学与数学专业，凭借3.96的优异GPA跻身EECS荣誉班，师从知名学者Pieter Abbeel深耕相关研究，还曾创办机器人教育公司，积累了扎实的工程实践经验。 可进入MIT攻读博士的第一年，他便遭遇瓶颈，因无论文产出陷入迷茫。关键时刻，夏斐再次伸出援手，不仅为他提供学术指导，更协助他发表了第一篇有影响力的论文《NLMap》。此后，夏斐两次邀请他前往DeepMind实习，2023年实习期间，陈博远主导搭建的多模态大语言模型数据合成管线，其总结的指令微调技术，更直接应用于Gemini 2.0的研发。
2025年6月，带着深厚的学术积累与工程经验，陈博远加入OpenAI，不仅成为GPT Image 2的核心成员，还身兼Sora视频生成团队的重要职责，一人支撑起两大核心项目。而在MIT期间，他师从助理教授Vincent Sitzmann，在计算机科学与人工智能实验室（CSAIL）深耕「世界模型」研究——所谓世界模型，就是让AI通过心理模拟预判物理世界的变化，而非单纯模仿像素，这种前沿思路，也为GPT Image 2的技术突破埋下了伏笔。 在Sitzmann实验室，陈博远还有一位同门师兄——Kiwhan Song，两人在博士期间并肩作战，联合发表了《History-Guided Video Diffusion》与《Large Video Planner》两篇重磅论文，核心探索如何将扩散模型与序列生成深度结合，让AI在生成内容前，先理清时序与空间上的因果逻辑，这一研究成果，成为GPT Image 2实现高质量生成的关键技术支撑。 有趣的是，Kiwhan Song还是网络上流行的「长脖子」贴纸风格漫画头像的创作者，在严谨的科研之外，藏着一份鲜活的创意。

跨界力量：工业界老兵加持，少走数年弯路

除了陈博远与Kiwhan Song这对同门，GPT Image 2团队中还有两位来自工业界的华人研究员，他们带来的不仅是个人能力，更有竞争对手多年积累的工程经验与避坑指南，为团队节省了大量试错成本。
Jianfeng Wang在微软深耕近9年，以首席研究员的身份专注于大规模多模态表示学习，在DALL-E 3研发期间，便与OpenAI团队有过深度协作，对多模态模型的技术痛点与优化方向了如指掌。 加入OpenAI后，他将重心放在提升GPT Image 2的指令遵循能力与世界知识理解上，让模型更贴合人类需求，减少生成偏差。其学术成果可通过谷歌学术（https://scholar.google.com/citations?user=vJWEw_8AAAAJ&hl=en）查询，不过目前该网页暂无法正常解析。
另一位华人研究员Bing Liang，则在谷歌积累了5年多的核心经验，以高级软件工程师的身份参与了Imagen 3、Veo视频模型及Gemini多模态系列的研发，对图像生成与多模态融合有着深刻的理解。2025年8月，他正式加入OpenAI，专注于GPT Image 2的图像生成相关研究，为模型的工程化落地提供了有力支撑。其领英主页（https://www.linkedin.com/in/bing-liang/）目前暂无法正常解析，相关细节有待进一步披露。

浙大学子：跨学科积累，解锁多模态新可能

在团队中，Weixin Liang与Yuguang Yang的组合同样引人注目——两人均毕业于浙江大学竺可桢学院，相同的本科背景，让他们在学术理念与工作节奏上高度契合，成为团队中不可或缺的跨学科力量。
Yuguang Yang的履历堪称「跨界典范」。本科阶段在竺可桢学院攻读工程专业，为他奠定了扎实的工程基础；博士阶段，他远赴约翰斯·霍普金斯大学，跨界攻读计算化学物理与机器学习专业，拓宽了学术边界；毕业后，他先后任职于亚马逊Alexa（负责语音识别方向的深度学习研究）与微软Bing（负责查询理解与大规模检索），积累了丰富的工业界经验。此外，他还曾在清华大学开展访问研究，聚焦于纳米机器人在人体血管中导航的强化学习算法，期间发表7篇同行评审期刊论文。这种跨工程、化学、AI、医学的积累，让他在GPT Image 2的研发中，能够跳出传统图像生成的框架，为模型注入更多创新思路。 与Yuguang Yang的跨界路径不同，Weixin Liang的成长轨迹更偏向学术深耕。他在斯坦福AI实验室（SAIL）攻读博士期间，与Christopher Manning、Li Fei-Fei、James Zou等多位AI领域顶尖教授深度合作（其个人主页：https://ai.stanford.edu/~wxliang/），在多模态领域积累了深厚的学术功底。 在Meta实习期间，Weixin Liang主导发表了论文《Mixture-of-Transformers（MoT）》（https://arxiv.org/abs/2411.04996），这一成果被称为「推动多模态理解与生成统一的奠基性贡献」。论文提出的MoT架构，通过引入模态解耦的混合专家模型，对Transformer的每一个非嵌入参数（包括前馈网络、注意力矩阵和层归一化）实施模态感知的稀疏化处理，最终将多模态预训练的计算成本降低66%，并在30B参数规模下完成预训练验证。要知道，多模态模型需同时处理文本与高分辨率图像，计算量极易呈指数级增长，而MoT凭借模态解耦的注意力机制，在预训练阶段就实现了不同模态权重的高效分配，完美解决了这一行业痛点，也为GPT Image 2的高效训练提供了核心技术支撑。

全员精锐：多元背景交织，铸就无敌团队

除了上述华人成员，GPT Image 2的13人团队中，其余成员也各有专长，凭借多元的背景与丰富的经验，共同铸就了这支「无敌之师」：

• Kenji Hata：斯坦福计算机科学硕士，曾任职于Google Research，加入OpenAI后，先后参与4o图像生成（即GPT-Image-1）、Sora 2等多款模型研发，是团队中模型迭代经历最完整的成员之一，熟悉模型从研发到落地的全流程。
• Ayaan Haque：加入OpenAI前为Luma AI研究员，主导过视频生成模型Dream Machine的训练，具备极强的高维时序数据处理能力，目前负责GPT Image 2及模型思考模式的研发，为模型的时序一致性提供保障。
• Dibya Bhattacharjee：耶鲁计算机科学本硕，在谷歌深耕近5年，2024年2月加入OpenAI后专注于图像生成研究，在GPT Image 2的发布活动中，亲自演示了模型的多规格生成能力，是实现模型输出「开箱即用」的关键人物。
• Mengchao Z.：上海交大本科、德克萨斯A&M大学硕士，工程背景扎实，加入OpenAI前主导大规模推荐系统架构设计，目前负责将GPT Image 2的技术能力转化为可落地的产品形态，搭建技术与用户之间的桥梁。

此外，团队中还有多名成员的身份信息暂未公开，但其在模型研发、工程落地等环节中，同样发挥着不可替代的作用。

AI竞争的本质：不是挖人，是搭建「相遇与成就」的生态

复盘这支13人团队的构成，不难发现其核心竞争力：师门脉络沉淀了共同的研究品味，高校背景奠定了一致的基础认知，而同窗、前同事的羁绊，又形成了极高密度的信任。这种天然的联结，让团队成员拥有统一的价值观与工程语言，创新的磨合成本几乎为零，也让前沿想法能够快速落地。
如今，清华姚班、浙大竺可桢学院、中科大学少年班、上海交大等国内顶尖高校的毕业生，已成为OpenAI、Anthropic、DeepMind、Meta等海外AI实验室的核心力量。但这背后，更值得思考的是：AI的竞争，归根结底是「人」的竞争，而人的成长与创新，离不开一个能够让天才们自然相遇、互相成就的生态。
重金挖走一两个「陈博远」，或许能解一时之需，却无法复制这支团队的凝聚力与创新力——没有同伴的支撑，没有师门的传承，没有开放的探索环境，再顶尖的人才也难以发挥最大价值。大厂的层级化结构，适合商业化目标的快速落地，却往往束缚了基础研究所需的自由探索。
GPT Image 2的成功，从来不是某一个人的功劳，而是一个优质生态的自然产物。比起寻找下一个顶尖人才，我们更需要搭建一个平台，让更多「陈博远们」能在本土相遇、相知、相助，让创新在羁绊中自然涌现——这，才是AI竞争的核心密码。



本文来自微信公众号： APPSO ，作者：发现明日产品的