深度解读：OpenAI AI实习生入职，黄仁勋宣告AGI已来

type

status

date

slug

summary

AI研究实习生入职：生产力的指数级爆发

做成一个“自动化AI研究实习生”，一直是openai的“北极星”目标。去年10月，CEO山姆·奥特曼曾立下Flag，计划在2026年9月造出自动化实习生。而现在，他们提前通关了。根据最新披露的数据，在今年9月前，OpenAI已成功在内部部署了这一系统。

最令人震撼的数据是“1个人类工作日 = 3.1个AI工作日”。这意味着，每一个坐在工位上的人类研究员背后，都有超过3个AI Agent在同时狂奔。并发成为了核心推手，超过七成的研究员同时开启4个以上的Agent，化身AI指挥官。随着工时的暴增，全公司每位活跃工程师的代码改动量飙升至此前的7倍。这种生产力杠杆的作用，为chatGPT及后续模型的迭代注入了前所未有的加速度。

当然，这种效率的代价是高昂的算力燃烧。普通研究员每天的Agent推理费用高达600美元，而前10%的顶尖研究员一天就能烧掉超7000美元。这充分说明，在未来的大模型竞争中，算力即是生命线。

算力豪赌与GPT-6 Astra：黄仁勋的终极助攻

GPT-6 Astra的诞生被业界广泛视为首个“真·AGI”的雏形。这头巨兽的背后，是OpenAI不计代价的算力豪赌。为了打造Astra，他们在得州的“星际之门”超级计算机集群中直接砸下了超10万块GPU，完成了史上最大规模的一次训练任务。

就在这一数据曝光的同时，黄仁勋放出豪言：“AGI来了”。从最初的GPT-3到o1，再到如今的Astra，仅仅用了4年时间。为了维持这种恐怖的进化速度，黄仁勋承诺接下来将为OpenAI送上40万块GPU。这种级别的算力注入，意味着LLM（大型语言模型）的演进已经彻底脱离了传统的摩尔定律，进入了算力暴力的无人区。对于关注AI新闻的开发者而言，这无疑是一个强烈的信号：底层算力的军备竞赛才刚刚开始。

AI的能力边界：接管基建与让位决策

这3.1倍的额外工时，究竟产出了什么？OpenAI借用Epoch AI的研发分类法，将Agent的输出Token进行了归类。数据清晰地勾勒出了当前“AI实习生”的能力边界。

增量最恐怖的环节集中在：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。Agent已经完美接管了写代码、修环境、预防训练崩溃等劳动密集型工作。一个极具画面感的细节是，OpenAI内部的人类互助频道几乎“名存实亡”，日均新帖数断崖式跌落，因为所有的技术疑难杂症都被Agent消化了。曾经需要人类互助的团队，现在已经解散并转向底层系统改进。

然而，在“研究方向往哪走”、“核心算力往哪投”的战略决策层，AI的参与度依然“极少”。这表明，掌握核心的提示词（Prompt）设计和战略规划能力，依然是人类在人工智能时代不可替代的壁垒。

异星心智的警告与长线任务的瓶颈

在RSI飞轮高速旋转的同时，OpenAI内部也传出了刺耳的刹车声。首席科学家Jakub Pachocki在《一个异星心智》中警告，机器智力正在超越人类理解的范畴，我们正在创造一种无法预测的“异星心智”。

这种担忧并非空穴来风，但从工程落地的角度来看，AI目前仍有其物理和逻辑约束。数据显示，对于15分钟内的碎片任务，AI的零干预成功率高达90%；但对于32小时以上的长线复杂任务，零干预成功率仅在20%左右徘徊。任务只要一复杂，就离不开人类的干预。越是难以自动化的决策环节，越会疯狂吞噬人类的精力。这也是为什么目前它还只是个“实习生”，而非独立的“研究员”。

剑指2028：自动化AI研究员与商业化未来

OpenAI重申了他们的下一个宏伟节点：2028年3月造出真正的“自动化AI研究员”。这个未来的AI将能够自己立项、规划路线，并在数周内独立闭门推演，几乎不需要人类干预。

3.1倍工时只是一个起点。当AI深度参与研发AI，下一代必然比上一代更强，这种递归自我改进的节奏最终将超出人类的跟进极限。对于广大企业和开发者而言，如何在这场技术海啸中寻找AI变现的路径，如何利用现有的API和工具重塑业务流程，成为了当务之急。

AGI不再是科幻小说中的遥远概念，它已经化身为每天烧掉数千美元算力、默默在后台跑实验的“实习生”。获取每日最新的AI日报、深度AI资讯以及最全的大模型评测，请持续关注我们的AI门户，与我们一起见证AGI时代的全面降临。