夜雨聆风半导体与AI基础设施分析机构SemiAnalysis在一篇行业通讯中写道，OpenAI据称已解决困扰它的预训练问题，并启动了一个规模更大的新项目。 代号只有一个英文名字：Doug
这条消息未经过OpenAI官方发布会或产品公告，而是出现在一篇讨论Google DeepMind人才变动的长文里。
▲ SemiAnalysis通讯公开页面所引要点中出现"Doug"代号，这是目前可追溯的最早公开信源
一则消息，牵动AI圈
8月7日，SemiAnalysis发布了一篇名为《Gemini is Cooked but GCP is Cooking》（Gemini完了，但Google Cloud赢麻了）的深度通讯。文章主线是Google内部对DeepMind领导层的大换血，以及Gemini在前沿竞争中的失速。但就在分析Google困局的段落里，作者团队甩出了一串对照子弹，
其中第五条，原文写道：
OpenAI has overcome their pre-training issues, and a much larger model code named "Doug" is actively in the works.
翻成人话：OpenAI已经克服了预训练瓶颈，一个代号"Doug"的更大模型正在全力推进。
▲ 社交媒体账号Haider将这条信息以图文形式转述，并配上深色背景的要点截图
消息随后在X（Twitter）上引发一些转发和讨论。账号@haider1概括道，OpenAI这些年一直在RL和后训练上大幅提升，如果现在预训练扩展也重新畅通了，那就意味着两条增长曲线可以叠加了。
这话什么意思？打个比方：过去两年，OpenAI就像一个一条腿受伤的短跑运动员，光靠另一条腿的爆发力就跑进了决赛。现在，伤腿痊愈了
两年"瘸腿奔跑"：OpenAI预训练的至暗时刻
要理解这条消息为什么让人坐不住，得先倒回2024年。
自2024年5月GPT-4o发布后，行业里开始弥漫一种诡异的气氛。OpenAI发布了o1、o3等推理模型，发布了GPT-4.5，产品线看起来热闹非凡，但细心的人注意到：底座没换。
所有这些产品，更多是在同一块地基上做精装修：用强化学习教会模型"思考"，用人类反馈让对话更丝滑，用蒸馏技术让小模型也能用。了不起的工程成就，但，地基本身多久没动了？
▲ 2025年底，科技媒体OfficeChai以醒目标题转述SemiAnalysis的判断："自GPT-4o以来，没有成功的全规模预训练"
2025年11月，SemiAnalysis在一篇讨论Google TPU硬件的文章中投下了第一颗信号弹：OpenAI的顶尖研究者自GPT-4o以来，尚未完成一次被广泛部署为新前沿模型的成功全规模预训练run。
这句话在技术社区引发了持续数月的争论。Hacker News上，有人翻出ChatGPT的知识截止日期作为佐证；有人反驳说大教师模型可能已经训好，只是没有以"GPT-5"的形态对外发布。 各方都在猜，但没人能拿出定论
与此同时，OpenAI并非沉默其计算负责人Sachin Katti在公开访谈中明确否认"预训练放缓"的说法，强调扩展定律仍然成立，只是研究维度变多了，合成数据、后训练、测试时计算都在同时推进。
▲ OpenAI计算负责人公开回应：预训练并未放缓，扩展定律依然有效
两种判断的张力，在整个2025年下半年和2026年上半年持续拉扯。Doug的出现，让天平暂时向某一侧倾斜。
挖到根上：什么是预训练，它为什么这么重要？
对不那么熟悉技术的读者，先看一个关键区分：大模型训练通常分为两大阶段。
预训练，是用海量的文本、代码、图像去"喂"模型，让它学会语言和世界知识的通用表征。这一步最烧钱、最吃算力、最考验工程，动辄上万块GPU同步运算数月，任何一次网络故障、任何一个梯度爆炸都可能让整轮训练前功尽弃。但它产出的是"底座"，一切能力的地基
后训练，则是在底座上做微调：教模型听指令、用工具、守规矩、像人一样对话。我们日常感受到的ChatGPT"越来越聪明"，相当一部分来自这一层。
过去两年，OpenAI在后训练和推理扩展上的成果堪称惊艳，o1让模型学会了"停下来想一想"，表现抢眼。但如果底座一直是旧的，后训练能榨出的油水终究有天花板。
2020年，OpenAI自家的研究团队发表了著名的Scaling Laws论文，证明了一个令人振奋的规律：在合适配比下，模型越大、数据越多、算力越猛，性能就越好，而且这种改善是可预测的幂律关系。 这条曲线曾是整个行业千亿融资的理论基石。
▲ Kaplan等人2020年发表的经典论文，确立了"越大越好"的数学基础
当外界怀疑"预训练卡住了"，本质上就是在问：这条曲线，在OpenAI的秘密机房里，还画得下去吗？
Doug的出现，似乎给出了答案
一个人名，一场人才变动
这条消息出现在SemiAnalysis分析Google困境的文章中。
文章披露：2025年底，Gemini 3 Pro曾一度强到让OpenAI内部拉响"code red"（红色警报）。但此后，DeepMind在强化学习领域的关键人才开始大量流失，差距反而越拉越大。Doug被提及的上下文，是"对手在变弱，而OpenAI在变强"的对比论证。
而就在两个月前，这幅人才版图上发生了一件标志性事件，Transformer论文的作者之一、Google Gemini前联合负责人Noam Shazeer宣布加盟OpenAI。
▲ Transformer论文联合作者Noam Shazeer宣布离开Google，加入OpenAI
AI研究者Nathan Lambert立刻发了一条辛辣的引用："OpenAI刚刚修好了他们所谓的'预训练扩展问题'。"言下之意，挖来了能写Transformer的人，还怕训不好Transformer？
▲ Nathan Lambert的"毒舌"点评：挖人即修bug
随后他自己也承认戏剧性被夸大了，但补了一句意味深长的话："去处不只有Anthropic一家。"
▲ Lambert的补充：人才大迁徙远未结束
这话翻译一下：AI行业的人才战争，已经进入了"抢一个人可能改变一条产品线命运"的白热化阶段。
Doug到底是什么？我们不知道的比知道的多得多
现在，让我们诚实地画一条线
我们知道的： SemiAnalysis，一个有行业信源、也有过错判的分析机构，声称OpenAI克服了预训练瓶颈，启动了代号Doug的更大模型。社交网络上出现了转述、讨论和玩梗（回复区里有人说"内部其实叫Dogue"，致敬法国名犬波尔多獒）。
▲ 评论区的"Dogue"梗，硅谷从不缺冷笑话
我们不知道的： Doug的参数规模、训练数据、架构选择、与GPT-5产品线的关系、预计发布时间，以及"克服问题"具体指修好了什么，是收敛稳定性？数据配比？万卡集群的网络可靠性？还是评估不达标后的全面重来？
另一个未知是：Doug和此前泄露的Astra、Orion等代号是什么关系？它们可能是同一代的不同名字，也可能属于完全不同的路径。OpenAI的内部代号文化向来混乱，一个代号可以是项目、可以是架构、也可以是一次训练run的编号。
截至发稿，OpenAI没有对Doug做出任何官方回应。
如果Doug是真的，意味着什么？
回到Haider那句精准的概括：OpenAI这些年靠RL和后训练拿到的巨大收益，如果现在能叠加到一个全新的、更强的预训练底座上，
两条独立的指数增长曲线可能重新耦合。
想象一下：o1级别的推理能力，跑在一个知识更广、表征更深、容量更大的底座上。这像是换掉整块地基，再把已经盖好的楼整体平移上去。
当然，这一切的前提是SemiAnalysis的判断接近真实。历史上，类似的"内部代号曝光"并非每次都兑现，Orion的传闻就曾让社区空转数月。但即便打个折扣，仅仅是"预训练重新畅通"这个信号本身，就已经足够改写竞争格局的预期。
▲ SemiAnalysis这篇通讯的主标题：Gemini完了，但Google Cloud赢麻了，Doug只是巨浪中的一朵浪花
Google在丢人，OpenAI在藏牌，Anthropic在抢人。2026年的AI竞赛，进入了一个所有参赛者同时换赛道的混沌窗口。
而Doug，或许只是混沌开始的信号枪。