OpenAI：自动化实习生已落地 距AI研究员仅18个月

3.1 个 agent 替 1 个研究员干活

OpenAI 把 agent 的运行时长折算成 8 小时标准工作日，得出 8 月中旬的一个比值：每 1 天人工投入，背后跑 3.1 天 agent 工时。

这个比值藏着两个拐点。研究员对 agent 的使用量在 6 月之前还低于总人工，现在反超；高并发用户，也就是同时跑 4 个以上 agent 的人，数量还在往上走。单人多 agent 的工作流正在普及，不只是把单线程活儿外包出去。

钱也烧出新量级。按 API 单价算，中位数研究员（应用程序接口，按调用量向模型付费的入口）日均花 600 美元算力，90 分位用户日均花 7000 美元。一年前同口径开销 OpenAI 没给对比数字，但从年初的零星使用到日均 600 美元，跨度本身就是答案。

实习生按期交付，距研究员还有18个月

去年秋天 OpenAI 给自动化研究画了两条线：今年 9 月交付「研究实习生」，2028 年 3 月冲刺「AI 研究员」。9 月 6 日这份报告就是按时交卷。一级台阶已经踩实。

「实习生」的官方定义写得克制：在人类指导下完成定义明确的研究任务，单个任务的工作量相当于一个熟练研究员干几天。它不抢方向盘，只接活儿。一级台阶过线，二级台阶——能自己发现和推进课题的「AI 研究员」——离交付还剩 18 个月。

OpenAI 在报告里把这条路径叫做 RSI（Recursive Self-Improvement，递归自我改进），也就是让 AI 自己把研究能力推得越来越强。

研究不是一条直线，从想点子、设计评估（判断实验结果好不好的打分标准）、搭基础设施、调参到最终集成，每一环都可能卡壳。agent 跑得再快，也只是把单点工时压短，整条链路的瓶颈还在人类手里。所以「按期交付」是事实，「研究从此指数加速」不是结论。

为了把交付这件事钉在数字上，报告给了三张卡：

自家活儿自家刹车，HF 事件后 RL 真停过

最反直觉的一刀来自外部：Hugging Face 上发生的那次事件，让 OpenAI 在自家即将部署的最新模型上叫停了强化学习训练。

RL（reinforcement learning）是一种靠奖励信号反复试错、让模型越练越贴目标的人类反馈式训练方法。OpenAI 的处理不是全面停摆：部分负载在更严格的管控下恢复，另一些继续挂着。OpenAI 写得很白——发现不可接受的安全风险时，会放慢或停止开发或部署自家也无法充分防护的系统，这次他们真这么干了。

成本没披露，但信号很明确：安全工作被嵌进模型生命周期的更早阶段，全训练过程都要求拿出更强的对齐行为证据。所谓对齐，就是让 AI 的目标和行为贴合人类意图，不能跑偏。OpenAI 把它从发布前的最后一关，搬到了训练中的每一步。

对照「加能力同步加安全」的口径，HF 事件是一次公开的压力测试。结果是：自家最前沿的训练管线能停、敢停、有恢复路径。这比任何白皮书都更能说明，安全承诺不是挂在墙上的话。

烧自家印的钞，也烧自家的对齐账

2026 年 2 月，OpenAI 宣布 1100 亿美元新融资，投前估值 7300 亿美元——软银、英伟达、亚马逊各掏 300 亿、300 亿、500 亿。这轮钱的直接去处之一，是研究员手上 600～7000 美元/天的 API（开发者调用模型能力的付费接口）算力开销。换句话说，烧算力约等于烧自家账本上印的钞，暂时不存在花不起的问题。

但账本的另一面是责任。OpenAI 在文末写得明白：「we do not yet know how to safely get all the way to aligned, full RSI」——通往全自动研究员的对齐（让 AI 行为符合人类意图的技术问题）路径，OpenAI 自己也没画完。今年早些时候的 Hugging Face 事件后，OpenAI 暂停了最新模型上的强化学习（RL）训练，加固了研究环境的红队攻防（专门找系统漏洞和危险行为的测试），把安全审查嵌进模型全生命周期。资金是燃料，对齐是刹车片，两件事现在必须同步推进。

真正的悬念是 2028 年 3 月那个节点：到那时，agent 不再是人类的脚手架，而是能独立发现和推进研究课题的同事。RSI（递归自我改进，即 AI 加速自身及相关研究的循环）不会只发生在 OpenAI 一家。OpenAI 已经在呼吁整个行业公开追踪 RSI 进度，并把它写进了自家的「前沿政策蓝图」——先把度量标准立起来，让监管有锚点。

这件事指向什么趋势，可以从两个具体信号观察。判断成立的信号：到 2027 年中前，OpenAI 或其他前沿实验室公开「自动化研究实习生」承担的研究产出占比（例如独立完成论文单元、提出可被验证的新假设数量），并配合第三方复测；多国监管机构开始把 RSI 进度披露纳入合规要求，呼应 OpenAI 自家的蓝图。判断不成立的信号：又有前沿实验室因安全事故暂停训练、对齐事故超过能力进步速度，或者 2028 年 3 月那个里程碑被官方自己悄悄推迟，且没有给出可验证的替代指标。18 个月的倒计时已经开始，账本只是这场赛跑最显眼的注脚。

盯紧 18 个月后那扇门：现在能做的三件事

OpenAI 没说今天能试用什么，但留了几个可以盯的钩子：发布日期、对齐研究的公开动作，以及一串它自己承认还在改的指标。

第一，盯今年秋季的"自动化研究实习生"复盘。按官方说法，去年秋天立下的目标是今年 9 月交付，它自称已经达成。下一次自我打分很可能就在下一次公开发布里——拿这节开头那个 1 天人工换 3.1 天活儿的杠杆系数做基准，看它涨不涨、横盘还是掉头。

第二，看懂"agent"和"AI 研究员"之间那道坎。OpenAI 现在的活物叫研究实习生（按指令完成几天级研究任务的系统），下一档是"automated AI researcher"，目标 2028 年 3 月。差在哪？按它的措辞，这档要能"在人类监督下推进深度学习和对齐研究"，不只是跑任务，是做迭代改进。普通读者能验证的不是这一步能不能走通，而是"实习"哪天被偷偷换成"研究员"——这种命名升级在科技公司通常意味着一道新门槛被跨过去了。

第三，留意它自己披露的"不对齐"事件。之前提到的那次事件后，OpenAI 暂停了最新模型上的强化学习训练，等加完防护、扩完监控才放行部分任务继续跑。

读者能看的不是后台日志，是它下次主动报告：它说"对齐"和"安全"得跟上能力，问题是——它用什么指标证明跟上了？这套指标才是未来 18 个月真正值得追问的东西。

从两个信号观察：第一，OpenAI 承认自己还在测——指标是初版的、研究员还没上岗、对齐能不能跟上能力它自己也不打包票。第二，这些"未完成"有没有被悄悄填上——填上的速度，比任何发布会上的口号都更说明问题。18 个月的倒计时已经开始。