从行业局势、商业影响与从业者判断来写。
9月7日，OpenAI公开了一份内部加速报告。报告显示，其研究组织内部Agent的运行时长已累积至人工工时的3.1倍------公司把这个阶段定义为「自动化研究实习生」。这不是科幻叙事，而是实验室里的排期表。
Kevin Liu的披露里有一个关键细节：3.1倍衡量的是运行时间，而非等效生产力。这恰恰暴露了自动化的真实边界。Agent可以跑满算力、可以并行执行明确任务，但「判断研究方向对不对」这件事，仍然锚定在人类研究员的手里。OpenAI自己也承认，研究方向由人决定，「AI帮助研究AI」的循环已经存在，但远未达到AI自主研发下一代AI的状态。
这锅，AI还没法背
自动化研究实习生的定义是：在人类监督下完成熟练研究员需数天的明确任务。换句话说，它不是替代研究者的决策，而是拿走研究者身上那些重复性的工程工作------跑实验、调参数、写baseline、整理数据。这正是目前Agent技术成熟度最高的区间。
下一步的目标是2028年3月的「自动化AI研究员」。区别在于：实习生被动执行指令，研究员需要主动提出问题、评估方向、承担不确定性。从实习生到研究员，跨越的不是算力，而是判断力。
Demis Hassabis曾说「我们正站在科学黄金时代的门槛上」。OpenAI的数据让这句话不再只是口号。但门槛迈过去之后，真正的问题才刚刚开始：当AI开始自己做研究，最重要的问题不是它能不能做到，而是它做到之后，谁来定义什么是好研究。
自动化研究不是替代人类思考，而是让人类把精力放在真正不可替代的部分------提出问题，而不是回答问题。
OpenAI这份内部数据，到底说明了什么
Kevin Liu 在内部披露中抛出的那个数字，值得拆解。3.1 倍是运行时长，不是等效产出。Agent 可以并行跑满算力，可以连续执行明确指令，但判断研究方向对不对这件事，仍然锚定在人类研究员手里。
OpenAI 自己把当前阶段定义为「自动化研究实习生」。这个定位有刻意压低期望的意味，也有对技术边界的诚实承认。实习生意味着能在监督下完成熟练研究员需数天的明确任务，但方向由人决定，失败归因于人，判断好坏的标准由人制定。
这锅，AI还没法背
这恰恰暴露了自动化的真实边界。Agent 拿走的是重复性工程工作------跑实验、调参数、写 baseline、整理数据。这些是研究流程里最耗时、最可标准化的部分，也是目前 Agent 技术成熟度最高的区间。但研究的本质在于提出对的问题，而不只是回答已有的问题。
当 AI 开始自己做研究，最重要的问题不是它能不能做到，而是它做到之后，谁来定义什么是好研究。
##OpenAI这份内部数据，到
Agent时长突破3.1倍意味着什么
这个比值背后的操作细节值得追踪。OpenAI 内部报告指出，研究组织每投入 1 个人工工作日，就消耗 3.1 个 agent 工作日的运行时长。注意，这是输入工时与运行时长的比值，不是生产力等效换算。
运行时长超过人力，说明 Agent 正在承担更多并行任务。但并行不等于有效。如果 3.1 倍运行时间只产出 1 倍有价值结果，那自动化仍处于投入阶段；如果 3.1 倍运行时间能支撑研究方向快速迭代，那自动化就在改变竞争节奏。
递归自我改进（RSI）是当前讨论最热的概念。它指 AI 系统能自我改进自身架构或训练流程。OpenAI 承认「AI 帮助研究 AI」的循环已经存在，但远未达到 AI 自主研发下一代 AI 的状态。
真正的 RSI 门槛不在于 Agent 能写多少代码，而在于 Agent 能否判断哪些代码值得写。目前这个判断仍在人类手里。2028 年 3 月的「自动化 AI 研究员」节点，目标是让 Agent 在更大范围内自主决策研究方向------那才是 RSI 能否真正落地的分水岭。
自动化研究能力边界
##Agent时长突破3.1倍意
从实习生到研究员：自动化研究的时间线
OpenAI 的计划已经具体到月份。2026 年 9 月达成自动化研究实习生目标，2028 年 3 月推出完全自主的 AI 研究员。这个时间表比外界预期的要快。
实习生与研究员的本质区别在于决策权。实习生被动执行指令，研究员主动定义任务。OpenAI 首席科学家 Jakub Pachocki 在专访中明确表示，目标是打造能独立完成从数学、物理到生物化学各类科研任务的全自动多智能体系统。
这意味着研究流程本身正在被自动化。不只是辅助工具，而是整个研究闭环------从假设提出到实验执行再到结果分析。传统研究中占据研究员大部分时间的工程性工作，正系统性地向 Agent 转移。
但这不意味着研究员会消失。相反，研究员的核心价值在重新分配。当 Agent 接管了跑实验、调参数的工程环节，研究员更需要聚焦在方向判断、问题定义和结果解读上。
自动化研究不是替代人类思考，而是让人类把精力放在真正不可替代的部分------提出问题，而不是回答问题。
递归自我改进，离科幻还有多远
RSI 常被包装成 AGI 的前奏。但 OpenAI 的报告给出的判断相对克制。他们认为 AI 帮助研究 AI 的循环确实存在，但尚未进入自我驱动的递归阶段。
关键点在于：谁来判断改进方向是否正确。如果 Agent 只能优化预定义的指标，那它是在做搜索，不是在做事。只有当 Agent 能自主判断「什么样的改进是有价值的」，才算真正进入 RSI 阶段。
目前 OpenAI 的内部监控体系已经在用思维链分析检测潜在欺骗行为。这是一种防御性对齐，目的是确保 Agent 在自主执行时不会偏离人类意图。这也是 RSI 真正的技术难点------不是 Agent 能不能自主改进，而是它改进的方向是否安全、是否符合人类价值观。
开放AI 的观点很直接：在 AGI 时代之前，必须解决对齐问题。否则自主改进的 AI 可能以极其高效的方式实现与人类利益相悖的目标。
这对科研从业者的启示与应对
对于科研从业者，三个判断值得记录。
第一，工具效率提升不可逆。Agent 接管重复性工程工作的趋势已经确认，短期内不会逆转。排斥这一变化的成本会持续上升。
第二，核心能力正在重新定价。提出好问题、判断研究方向、解读复杂结果------这些能力的价值在上升。只会被动执行任务的「研究员」定位会被压缩。
第三，2028 年的节点值得关注。如果 OpenAI 的计划如期兑现，那 2027 年下半年将是观察 Agent 自主性跃迁的关键窗口期。届时可以评估自己的研究流程中哪些环节已被 Agent 实质性接管，哪些仍依赖人类判断。
当前阶段的策略建议很具体：把现有研究流程拆解为可自动化的工程任务与需人类判断的决策节点，优先让 Agent 承担前者，强化后者的能力训练。
参考文献
1 為造福所有人而建：我們的計劃. openai.com/zh-Hant/ind... 2 刚刚，OpenAI最新内部数据公开！2028年实现全自动AI研究. k.sina.com.cn/article_595... 3 刚刚，OpenAI最新内部数据公开！2028年实现全自动AI研究. finance.sina.com.cn/tech/roll/2... 4 OpenAI完成资本重组，奥特曼宣称28年实现完全自动化AI .... zhuanlan.zhihu.com/p/196681152... 5 Research acceleration: The view inside OpenAI | OpenAI. openai.com/index/resea... 6 OpenAI 研究駐留計劃. openai.com/zh-Hant/res... 7 研究與分析 | OpenAI | OpenAI. openai.com/zh-Hant-HK/... 8 全部AI 动态. aihot.virxact.com/all?channel...