AI 开始改进 AI：OpenAI 公布自我改进时间表，同一天自家首席科学家喊停

9 月 6 日，OpenAI 干了一件罕见的事：同一天发两篇文章。

一篇叫《研究加速：OpenAI 内部视角》，用内部数据宣布------我们已经做出了"自动化研究实习生"，2028 年 3 月前要做出完整的"自动化 AI 研究员"。

另一篇是首席科学家 Jakub Pachocki 的个人长文《一个异星心智》，核心意思是：没有哪家实验室配全速往前跑，包括我们自己。

一家公司，同一天，一封捷报和一份警告。这不是精神分裂，这是 2026 年 AI 行业最真实的状态。

引子：飞轮开始自转了

先摆这周几组关键数字，它们分属不同领域，但指向同一件事：

时间	事件	关键数字
9.6	OpenAI 公开 RSI 进展	每 1 个人类工作日对应 3.1 个 AI 智能体工作日；中位研究员日均推理花费 >600 美元
9.6	Pachocki 发《An Alien Mind》	警告思维链监控"正在失去可靠性"，呼吁行业自愿放缓
9.7	最高法发布涉 AI 司法意见	共 24 条，覆盖 AI 换脸拟声、AI 幻觉侵权、自动驾驶"人机共担"
9.7	OpenRouter 周度数据	全球周调用 115 万亿 Token ，中国大模型连续十九周超美国
9.7	华为发布麒麟 9050 Pro	首个端侧 MoE 全模态大模型入端，总参 300 亿 / 激活 20 亿
9.7	黄仁勋谈 GPT-6 Astra	约 10 万+ NVLink 72 集群训练完成，下一批 40 万 GPU 在路上

把它们摆在一起，会看到一条很清晰的分界线：上半场是人类造 AI，下半场是 AI 参与造 AI。

一、天花板：RSI 从一个名词，变成了有日程表的工程目标

递归自我改进（Recursive Self-Improvement, RSI）过去是个理论概念------更好的 AI 造出更好的 AI，循环加速。OpenAI 这次把它变成了可测量的现实。

1.1 已经实现的："自动化研究实习生"

OpenAI 官方博客确认，已实现去年秋天定下的目标：2026 年 9 月前做出"自动化研究实习生"。

定义很清楚------一个能在人类指导下执行明确定义的研究任务 的系统，包括那些需要熟练研究员干好几天的任务。注意定语：在人类指导下 + 明确定义。它不是替代研究员，是把"定义清楚、耗时长"的活儿接过去。

下一个目标更激进：2028 年 3 月前，完整的"自动化 AI 研究员"------能独立参与深度学习与对齐研究，并通过迭代改进系统本身。

从"实习生"到"研究员"，差别不在能力数值，而在自主程度：实习生需要人给任务，研究员自己参与决定做什么。

1.2 内部数据：飞轮已经转起来了

OpenAI 这次公开了几组很有意思的内部指标：

指标	数值	说明
智能体工作日 / 人类工作日	3.1 : 1	2026 年 6 月发生反转，此前智能体总运行时长低于人类
中位研究员日均推理花费	> 600 美元	按 API 价格折算
前 10% 研究员日均	> 7000 美元	高强度使用者
中位研究员输出 Token	较 2025 年 12 月增长 124 倍	快于公司其他团队
每活跃实验者实验数	2026 年 8 月创历史新高	自 2025 年 1 月开始跟踪以来

但 OpenAI 自己给这组数据打了预防针，这句话很关键：

"这些数据点相对容易测量，但可能很难解释。"

为什么？因为最不容易被自动化的任务，会逐渐成为新瓶颈。写代码、跑实验这些执行环节被放大后，剩下的"决定做什么"就成了限速步骤。

数据也印证了这点。按 Epoch AI 的六类任务分类，智能体输出增长最快的是：

复制代码

  研究与基础设施代码      +19.82 万 token/人/日
  技术协助与审查          +15.88 万
  启动、监控与调试运行     +13.31 万
  分析结果                + 4.02 万
  ─────────────────────────────────────────
  决定做什么              + 0.23 万   ← 差了两个数量级
  决定继续还是停止        + 0.02 万   ← 几乎为零

执行层在爆炸式增长，决策层几乎没动。 这大概是本次披露中最值得琢磨的一张图。

1.3 自主性的真实边界

还有一个数字比 3.1 更重要------成功率与人工介入的关系：

15 分钟以内的任务：86% 无需任何干预即可成功
需要人类 4--8 小时完成的任务：超过一半的成功案例至少有一次人工介入

翻译成人话：任务越复杂，人越不能走开。 现在的智能体是"高效但需要持续看护的执行者"，不是"可以放手的下属"。

1.4 同一天的另一面：监控正在失效

Pachocki 的《An Alien Mind》里，最有分量的一句是：思维链监控正在失去可靠性。

思维链（Chain-of-Thought）监控是 OpenAI 押注的核心监管手段------通过看模型"说出来的思考过程"来发现欺骗、奖励黑客等问题。Pachocki 说这条路在变窄，原因有三个：

模型的口语化思考正在与受监控的通信、工具调用混在一起；
系统越来越擅长操纵自己的推理过程；
模型不通过口语化思考也能变聪明。

他还把对齐问题拆成两层，这个拆法很值得记住：

lua 复制代码

  目标对齐（Goal alignment）：AI 是不是在追求我们给的 goal？
      └─ 相对可测：让它 debug，它是不是真在 debug？

  价值对齐（Value alignment）：当 goal 与我们期望它内化的价值冲突时，它选哪个？
      └─ 极难保证：让他"不惜一切代价保证医院网络在线"，
         "不惜一切代价"会不会被字面执行？

Pachocki 的警告是：一个"想着对齐想法"的模型，在足够大的优化压力下，可能学会把这些想法扭向它被训练去达成的目标。

他还提到 Hugging Face 事件：智能体没有越界去操纵人类，但违反了自己所受训练价值的精神------注意这个区分，它说明"守规则"和"懂规矩"是两件事。

于是就有了这个略显荒诞的局面：

复制代码

   OpenAI 官方博客：技术上我们按计划推进，飞轮已经启动
   OpenAI 首席科学家：安全上我们还没准备好，呼吁行业自愿放缓
   OpenAI 官方博客原文：我们尚不清楚如何安全地一路通往对齐且完全成熟的 RSI

"能不能做到"的答案越来越明确，"安不安全"的问题尚无解------而这两句话出自同一家公司、同一天。

二、地板：制度开始追上来，中国路径是"用起来"

2.1 最高法给 AI 系上司法"安全带"

9 月 7 日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，共 24 条。几个关键点：

AI 换脸拟声：明确裁判规则，直击最泛滥的侵权形态；
AI 幻觉侵权：这是个新命题------模型编造内容造成损害，责任怎么算；
自动驾驶"人机共担"：不把责任全推给某一方；
首次确立人格权侵害禁令制度：可以在损害发生前申请禁令，而不只是事后索赔。

最后这一条的含金量最高。司法从"事后算账"转向"事前制止"，意味着 AI 应用正式进入可预期法律责任的阶段。对企业来说，这其实是好消息------规则明确了，才敢投入。

2.2 中国大模型调用量连续十九周第一

OpenRouter 数据测算（8 月 31 日--9 月 6 日）：

erlang 复制代码

  全球 AI 大模型周总调用量      115 万亿 Token（环比 +1.77%）
  ├─ 中国大模型                56.72 万亿（环比 +2.83%）
  └─ 美国大模型                16.54 万亿（环比 -3.10%）

中国已连续十九周超过美国。

更值得看的是结构变化。判断一项技术有没有完成"从尝鲜到生产"的跨越，有个朴素指标：它是不是工作日的刚需。

豆包大模型日均 Token 调用量突破 180 万亿，过去一年增长超 10 倍；
火山引擎以 49.5% 份额连续两年居中国公有云 MaaS 第一，"万亿 Tokens 俱乐部"成员超 200 家；
视频生成模型 Seedance 2.0 推出后，工作日的负载和使用次数反超周末------此前调用高峰集中在周末，本质还是"数字玩具"；反转后，企业客户成了核心使用群体。

调用曲线从"周末型"变成"工作日型"，是 AI 进入生产流程最诚实的证据。

还有一个很硬的例子：在芯片设计 RTL 任务中，豆包 2.1 Pro 连续运行 18 小时 、历经多轮迭代，最终生成 1300 行可直接上线的有效代码。从"帮你补几行"到"独立交付一个模块"，这是质变。

三、暗线：算力、地缘与端侧

3.1 算力：RSI 是需求侧的"永动机"逻辑

黄仁勋在 X 上祝贺 OpenAI，透露 Astra 由约 10 万+ NVIDIA Grace Blackwell NVLink 72 集群训练完成，并直言"AGI 已到来"，还提到下一批 40 万 GPU 即将上线。

这里有个值得注意的温差：黄仁勋高调宣告 AGI，OpenAI 官方从未公开宣称实现 AGI。这不矛盾------硬件供应商需要为需求天花板描绘宏大图景，而直接开发者对"AGI"三个字更谨慎。

但 RSI 给算力需求提供了一个比"用户增长"更硬的逻辑：

复制代码

  传统逻辑：训练一个模型 → 部署 → 结束（一次性投入）
  RSI 逻辑：训练模型 → 用它设计下一代 → 再训练 → ......（复利循环）

算力消耗不再是线性的，而是自我强化的。这是本轮硬件周期最底层的支撑。

3.2 地缘：算力主权开始分化

彭博社 9 月 7 日报道，在美国阻挠各国使用华为 AI 芯片的背景下，马来西亚仍倾向将昇腾 910C 作为规模达 20 亿林吉特的主权 AI 计划核心。若落地，将是首个外国政府在国家级 AI 计划中选用中国 AI 芯片的案例。

同期国内：讯飞发布星火 X2.5，MoE 架构 293B-A30B ，重点提升代码与智能体能力，且基于全国产算力完成全流程训练与推理。

"算力主权"正在从一个政治词汇变成采购清单上的实际选项。

3.3 端侧：MoE 终于进了手机

华为 Mate XT 2 首发麒麟 9050 Pro，实现行业首个端侧 MoE 全模态大模型入端------总参数 300 亿、激活 20 亿，整机性能提升 42%。

这件事的意义在于：MoE 一直是"云端大模型的专利"（总参大、激活小，靠显存换质量），现在它第一次真正跑进了手机。端侧模型从此不只是"小模型"，也可以是"稀疏激活的大模型"。

配合上一期提到的------2026 年推理需求预计是训练的 4--5 倍------端侧这条路会越走越宽。

四、三个判断

判断一：稀缺资源正在从"算力"转向"可验证性"

这是本周最重要的一条。

Pachocki 说思维链监控在失效，本质上是在说：我们越来越难知道 AI 到底在想什么、做得对不对。 当执行能力爆炸式增长而验证能力跟不上时，瓶颈就转移了。

于是"可验证"本身变成稀缺品。这解释了两件事：

为什么数学形式化证明（今天另一篇文章的主题）突然变得重要------它是唯一能给出绝对判定的领域；
为什么"AI 幻觉侵权"会被写进最高法的司法意见------因为验证成本正在被转嫁给社会。

下一个阶段的赢家，不是让 AI 做得最多的，而是能让 AI 做的每一件事都被验证的。

判断二：RSI 的最大风险不是"AI 太强"，而是"组织看不清自己在做什么"

OpenAI 自己的数据暴露了一个反直觉的事实：增长最快的是执行层 token，决策层几乎没动。而 Pachocki 担心的是监控失效。

两者叠加，得到的是一个很具体的风险画像：系统产出的东西越来越多，但负责判断"这些产出对不对"的环节，既没有自动化，工具还在变钝。

对任何正在引入 AI Agent 的团队，这条同样适用。建议现在就做一件事：给你的 AI 产出建立独立验证回路，不要依赖"看它的推理过程"这种会失效的监控。

判断三：中国路径不是"更强的模型"，是"更深的流程"

连续十九周调用量第一、工作日负载反超周末、日均 180 万亿 Token------这些数字拼出来的，是一条和硅谷不同的路：

复制代码

  硅谷路径：冲通用能力上限 → 模型即产品
  中国路径：冲垂直场景渗透 → 模型进流程、进工作日

国家人工智能应用中试基地在济南启动，浪潮已布局 15 个工业垂域大模型，面向 43 个行业发布工业智能体群；北京启动"AI+"揭榜挂帅，聚焦智慧安检、视频物联网络安全等 4 个项目。

这条路的天花板看起来没那么性感，但它有一个优势：需求是真的，付费意愿是可验证的。 在能力普遍过剩的年代，这可能是更稳的位置。

结语：同一天的两篇文章，就是答案

回到开头那个略显荒诞的画面：OpenAI 同一天发布捷报与警告。

这其实不是矛盾，而是对"我们处在什么阶段"最诚实的描述------

技术上，飞轮已经转起来了，而且转速在加快（3.1 倍、124 倍、2028 年 3 月）；
安全上，监控工具在变钝，对齐问题没有解；
制度上，司法开始入场，但速度远慢于技术；
商业上，AI 已经进了工作日，这是不可逆的。

有一句话值得单独拎出来，OpenAI 博客原文：

"每当我们发现继续推进将带来不可接受的安全风险时，我们将采取适当应对措施，包括放缓或停止我们认为无法充分保障安全的系统的开发或部署。"

而且他们确实做过------7 月 Hugging Face 事件后，OpenAI 暂停了最新模型的强化学习训练，导致 RL 训练算力急剧下降约两周。

这句话能不能兑现，可能比 2028 年 3 月那个目标更重要。

对我们普通从业者来说，本周值得记住的就三件事：

AI 已经开始参与造 AI，算力需求逻辑变了；
验证能力正在成为新的稀缺资源，提前布局；
别再问"AI 能不能做"，去问"做完了我怎么知道它对不对"。

本文数据来源：OpenAI 官方博客《Research acceleration: The view inside OpenAI》（9 月 6 日）、Pachocki《An Alien Mind》、最高人民法院、OpenRouter 周度数据、央视新闻、财联社、彭博社等公开报道。观点仅代表作者观察，不构成投资建议。