刚刚，OpenAI「AI研究实习生」正式入职！黄仁勋：AGI已来

新智元报道 今天，OpenAI两篇长文，彻底刷屏了。 就在刚刚，OpenAI甩出一篇重磅干货《研究加速，OpenAI内部视角》，首次把「AI造AI」的数据全部摊开了。 他们一上来直接挑明，关键「里程碑」已经达成—— 在今年9月前，OpenAI已成功部署「自动化AI研究实习生」！ 奥特曼一年前立下的Flag如期兑现。 下一步，是在2028年3月造出「自动化AI研究员」 。 官博中，OpenAI爆出的一些内部RSI数据，非常惊人： 研发团队现在每人上1天班，等价于AI Agent 3.1天的工时 ； OpenAI普通研究员人均，一天烧掉600多美元（4000元）的Agent推理费用； 顶尖的前10%更夸张， 一个人一天就能烧超7000美元 （46000元）。 几乎同一时间，首席科学家Jakub Pachocki发布了长文《一个异星心智》—— 他亲口承认，机器智力已超人类，我们正在造出无法理解的「异星心智」，必须全人类紧急刹车！ 一个是RSI加速证据，一个是刹车警报。 这两股完全对撞的声音，就在同一天，全部从OpenAI这里传了出来。 黄仁勋：AGI已来 40万GPU即将上线 GPT-6 Astra的诞生，成为了公认的首个「真·AGI」。 这头「巨兽」之所以强到没有任何对手，核心在于OpenAI背后不计代价的算力豪赌—— 为了打造Astra，OpenAI启动了史上规模最大的训练任务，在得州「星际之门」超级计算机集群中直接砸下了超10万块GPU。 OpenAI史上最大的一次训练 这还没完，就在刚刚，老黄直接官宣「AGI来了」。 从ChatGPT到o1再到Astra，仅用4年。 接下来，他还要亲手为OpenAI送上40万GPU。两个字，疯狂！ 这一次，OpenAI破天荒公开核心数据，意思再直白不过：AI造AI，是真的停不下来了。 AI研究实习生，9月已入职 做一个「自动化AI研究实习生」，一直以来是OpenAI「北极星」目标之一。 去年10月，奥特曼在直播中，给全世界画了一张时间表—— 2026年9月造出自动化AI研究实习生，2028年3月造出真正的自动化AI研究员。 谁能想到，OpenAI直接宣告：第一步已经通关了！ 按OpenAI的定义，「研究实习生」能在人给定方向的情况下，独立完成研究任务。 尤其是，过去熟练研究员得磕好几天、又脏又累的任务，现在它都能全盘接手。 这次一同放出的详细数据，更是直接揭开了OpenAI内部正发生剧烈质变。 1个人类工作日 = 3.1个AI工作日 今年年初，OpenAI研究部门内按Agent用量排在中位数的那位研究员，用量还相对克制。 但到了8月中旬，他每天烧掉的推理费已高达600美元（按API价格折算）。 而排在前10%的头部研究员，每天要烧掉超过7000美元。这仅仅是一个人、一天的纯推理开销。 中位研究员与前10%研究员的每日推理开销（按 API 价） 研究组织的Agent用量增速远超公司其他部门，中位员工输出token增至年初的124倍 钱是燃料，工时才是产出。 OpenAI计算工时的逻辑是，把研究组织内所有Agent的总运行时长折算成标准8小时工作日，再与人类的工作日做硬核对比。 2026年6月之前，整个研究组织里，Agent的总工时还没能跑赢人类。但到了8月中旬，这个数字被改写为3.1比1。 这意味着每一个坐在工位上的人类研究员背后，都有3.1个AI工作日在同时狂奔。 Agent工作日与人类研究员工作日之比，8月中达3.14倍 「并发」是这一切背后的主推手。 今年以来，同时开启4个以上Agent的研究员比例从最初的三成暴涨至七成以上。一个人化身指挥官同时调度四五个Agent，工时自然成倍堆叠。 同时运行4个以上Agent的研究员比例 随着工时的暴增，产出迎来了指数级爆发。 2026年全公司每位活跃工程师的代码改动量，已飙升至2025年前平均水平的7倍。 平摊到每位实验者头上的实验数量在2026年8月创下了自2025年1月追踪以来的历史新高。 尽管OpenAI严谨地补充这其中也包含Codex普及和整体算力增加的功劳，但AI作为生产力杠杆的作用已无可辩驳。 全公司每位活跃贡献者的代码改动量（2025年前=1x） 每位活跃实验者的实验数量（2025年=1x），2026年8月创新高 实习生的边界，接管基建与让位决策 这3.1倍的活到底干在了哪里？ OpenAI借用Epoch AI新发布的AI研发分类法，将研究流程拆解为决策、设计、构建、运行、分析、沟通六大步，并将Agent吐出的Token逐一归类。 结果显示，1月至8月这六大类全面暴涨，但程度并不均匀。 研究员使用编程Agent的方式在变：各类研究活动的Agent输出token，1月至8月堆叠变化 增量最恐怖的三项是编写研究与基建代码、技术求助与代码审查、启动与监控训练任务。 每位研究员每天在这三类上消耗的Token增量均超过13万。而增量垫底的则是决定资源去留、宣布决策、评审外部研究，每天多用的Token甚至不足1000。 这张图精准勾勒出了「实习生」的能力边界。 Agent接管了写代码、修环境、预防训练崩溃等劳动密集型工作。但在「研究方向往哪走」、「核心算力往哪投」的战略层，OpenAI给出的结论是「极少」。 按Epoch AI 六阶段分类，各类研究活动的Agent输出token增量 最有画面感的一个注脚是人类互助频道的消亡。 OpenAI内部原本有一个极其活跃的主求助频道。但据官方图表显示，这里的日均新帖数从2025年的20条上下，断崖式跌落至2026年8月的个位数。 这些问题没有消失，也没有转移到其他人类值守的群组，只是被提问的对象变成了Agent。 曾经每周雷打不动开设Office Hour帮人调实验的几个团队，2026年出勤率持续走低。其中一个团队干脆直接解散了互助会，把人力全部抽调去做底层系统改进。 内部人工技术支持频道的日发帖量，2026年一路下滑 32小时长线任务，仍需人类扶一把 但在现阶段，AI依然做不到完全撒手不管。 根据OpenAI对1至7月Agent任务的追踪分析指出，15分钟以内的碎片任务，零干预成功率从1月的60%狂飙至90%。 4至8小时的中型任务，零干预成功率从20%爬升至50%左右。 32小时以上的长线任务，零干预成功率仅在20%上下徘徊。 1至7月，各难度档任务的零干预成功率 任务只要一复杂，Agent就离不开人。 过去6个月里，在4到8小时量级的成功任务中，有超过一半中途至少需要人类干预1次。 任务越长，需要的人工干预越多 OpenAI对此表示，代码写得快了、实验跑得多了，并不意味着模型能力的进步也会同步翻上3倍。 下一个关键的瓶颈在于，越是难以自动化的决策环节，越会疯狂吞噬人类研究员的精力，而算力也将成为越来越硬的物理约束。 2028年3月，造出「AI研究员」 在实习生之后，下一个节点是真正的「研究员」。 OpenAI在文中重申，他们正在朝着2028年3月造出自动化AI研究员的目标强劲推进。 这位未来的研究员要接管的，是那些对人类而言过于庞大、错综复杂、难以拆解的课题。 它需要自己立项、规划路线，并在几个星期的时间里独立闭门推演，其间几乎不需要人类的任何干预。 3.1，是