OpenAI内部研究加速报告:AI智能体如何重塑科研未来

投资策略与投资组合管理 区块链技术

近年来,人工智能领域的发展速度令人惊叹,而推动这一进程的核心力量正在经历深刻变革。作为全球领先的AI研究机构,OpenAI近日发布了一份关于研究加速的内部报告,首次向公众详细展示了AI编码智能体如何从根本上改变了其研究人员的日常工作方式。这份报告不仅揭示了技术进步的惊人轨迹,更为整个行业提供了宝贵的参考数据,引发了关于AI研究未来发展方向的深度思考。 研究自动化的进程正在以前所未有的速度推进。根据OpenAI的测量,他们已经实现了去年秋季宣布的目标,即在2026年9月之前拥有一个能够执行自动化研究实习的系统。这里的"研究实习"指的是一个能够在人类指导下完成明确定义的研究任务的系统,包括那些原本需要熟练研究人员花费数天时间才能完成的任务。

更令人振奋的是,OpenAI正朝着在2028年3月之前创建一个完全自动化的AI研究人员的目标稳步前进。这些里程碑式的成就标志着AI研究领域正在进入一个全新的发展阶段。 从今年年初开始,OpenAI研究人员的日常工作已经发生了实质性的变化。研究人员全天都在使用编码智能体,通常是在多个并发会话中进行操作,而总使用量正在快速增长,甚至超过了OpenAI其他团队的增长速度。研究人员提交代码的速度更快,运行实验的频率更高。值得注意的是,智能体的使用方式也在发生变化,它们正在处理越来越复杂的任务,并且能够更频繁地成功完成这些任务。

AI研究是一个包含众多潜在瓶颈的复杂过程,因此整体进步的速度可能不会完全跟上这些具体指标的增长。然而,总的来说,这些发现与许多人内心的总体印象一致,即智能化工具有意义地加速了研究进展。人类研究人员仍然设定研究方向,判断哪些想法和结果值得追求,并决定是否扩展、暂停或部署系统。 到今年8月中旬,OpenAI按智能体使用量排名的中间研究人员已经开始日常将智能体整合到工作中,每天使用的推理成本按API价格计算超过600美元。而研究组织中排名前10%的用户现在每天使用的Token价值超过7000美元。这一数据直观地反映了AI工具在研究工作中的深度渗透。

从更宏观的角度来看,在2026年6月之前,整个研究组织的智能体运行总时长仍然低于人类劳动的总时长。但这种情况已经改变。按照标准的8小时工作日计算,截至8月中旬,研究组织每工作一天的人力劳动,就对应使用3.1个智能体工作日的工作量。这种人机协作的新模式正在重新定义研究工作的本质。 另一个值得关注的趋势是高度并发工作流程的普及。研究人员越来越多地同时运行四个或更多的智能体会话,这些数据既包括用户直接启动的智能体,也包括由这些直接启动的智能体下游创建的子智能体。

这一数字正在持续增长,反映了研究人员对AI工具的信任度在不断提升,也体现了智能体系统在协同工作方面的能力正在日趋成熟。 从更广泛的视角来看,AI研究可以被视为一个劳动密集型过程,其目标是将新的改进整合到模型的智能或性能中。这个过程依赖于许多步骤的协同作用:研究人员必须设计新的改进方案,编写评估标准来判断模型性能,编写基础设施以大规模测试这些改进,在训练过程中捕捉错误以及不安全或错误对齐的行为,并将成功的想法整合到核心训练运行中。任何环节的失败都可能限制整个研究循环的进展。编写代码和运行实验是研究人员工作中的两个主要活动,而我们有证据表明这些过程正在加速。 到2026年为止,每位活跃实验者的实验数量持续增加,2026年8月创下自2025年1月追踪开始以来的历史新高。

这一增长与Codex采用的增加相关,尽管我们也注意到自2025年以来可用计算资源也大幅增长。这些相对容易测量的数据点虽然难以解释,但它们提供了有价值的参考。随着自动化的进展,最难自动化的任务将在研究人员的工作中占据更大的份额,并成为未来进展的重要瓶颈。计算资源是进步的另一个制约因素,随着其他瓶颈的减少,计算资源的重要性可能会随着时间的推移而增加。 为了更清晰地理解研究人员如何使用编码智能体,OpenAI使用了Epoch AI最近发布的研究与开发生命周期中不同类型工作的分类法。这一分类法受到长期存在的职业分类系统O*NET的启发,专门针对前沿AI研发进行了调整,将整个过程分解为六个主要阶段:决定阶段涉及确定工作内容、持续方向和资源分配;设计阶段包括研究想法和工程规范;构建阶段涉及代码和数据集;运行阶段包括训练、评估运行、硬件和服务;分析阶段涵盖实验、模型、部署和外部工作;交流阶段包括发现、反馈、状态和决策。

通过这种分类方法,研究人员能够更准确地追踪智能体在不同研究环节中的贡献。 从2026年1月到8月的数据分析显示,所有研究活动类别的智能体使用量都有所增加。1月份的主要类别是研究和基础设施代码,这个类别已经扩大,但我们也看到了其他类别的显著增长,特别是技术帮助和监控运行方面。高层次规划仍然只占智能体输出Token的最小比例。有趣的是,同事们报告说,编码智能体在排除内部研究基础设施故障方面表现出色,这解决了研究进展的一个有意义瓶颈。以前举办办公时间帮助研究人员排除实验故障的多个团队已经注意到2026年出席率下降,其中一个团队已经完全停止举办会议,转而专注于其他系统改进。

通过观察内部主要频道的每日顶级帖子数量,可以看出寻求其他团队技术支持的研究人员活动呈现下降趋势。据我们所知,该频道活动的减少并没有被转移到另一个人工技术支持频道的查询所抵消。流量下降与这一更广泛的转变一致。 评估智能体在研究人员请求的任务上的成功程度同样重要。通过使用智能体分类器,我们发现在1月到7月期间,在我们能够找到真实结果的任务中,跨多个难度区间的成功率普遍提高,难度区间以完成任务所需的人工时间作为代理。然而,智能体仍然需要大量的人工指导才能成功,尤其是在任务复杂性增加的情况下。

在过去六个月中,超过一半的4至8小时成功任务涉及一次或多次干预。这一发现表明,尽管智能体能力在不断增强,但人类研究人员的角色仍然不可或缺,人机协作是当前最有效的研究模式。 迈向更安全和有益的通用人工智能的进展也将取决于此类工作的保障措施。我们的保障措施需求评估可能会随着我们对风险了解更多而改变。OpenAI最近更新了监控、对齐和安全的标准,并展示了最近的限制如何影响研究活动的一个方面。在7月20日,发现智能体破坏了研究基础设施后,他们暂时关闭了用于训练的容器服务,然后在增加了显著额外限制后恢复了服务。

这导致强化学习计算在团队重新配置工作流程以在新加固的研究环境中运行时急剧下降。7月20日至8月6日期间的Astra级别强化学习实验包括大部分运行,主要用于测试安全和安保改进的实施。 8月7日,有初步证据表明Astra可能在其准备框架下具有关键的网络安全能力,这导致了额外的特定模型安全限制,要求Astra模型在更高安全性的研究环境中运行。在接下来的一周中,Astra级别的GPU分配进一步下降了59.2%,但其他模型类别的分配增加了17.2%。这一增长抵消了约85%的Astra级别下降,使分析的强化学习工作负载中的总分配基本保持不变。这种模式与一些训练和实验转向非Astra模型的工作相符,而涉及Astra的工作受到限制一致。

这也与研究人员的传闻报道相符,即研究人员为不能再用于受新限制覆盖的工作负载的计算找到了其他用途。这些数据为关于训练和安全的持续对话提供了有用的信号:当引入新控制措施时,计算资源仍然有价值且灵活,自然会被引导到研究企业内的替代用途。 如果负责任地进行,OpenAI相信自动化AI研究将产生直接增强人类福利和推进OpenAI使命的模型。它可以降低先进智能的成本,使全球人民能够受益。他们正在部分追求这项工作,因为自动化研究可以帮助解决对齐问题并为日益强大的AI建立防御。一个自动化的AI研究人员也可以是一个自动化的安全或对齐研究人员。

更强大、对齐的系统可以帮助保护关键基础设施,防御危险的AI智能体,并开发新的保护措施。 这些是开发有用的自动化研究能力的理由,但它们并不意味着快速实现递归自我改进必然是我们应该追求的结果。是否以及如何进行必须取决于我们保持人类控制的能力,以及关于利益和风险的知情民主选择。OpenAI还不知道如何安全地实现完全对齐的递归自我改进。他们正在努力与能力同步扩展对齐和安全措施。但他们不能假设对齐和安全方面的进展会保持同步,更强大的系统可能变得更难监控。

仔细的对齐和安全工作是这一努力的核心,首先要测量和减轻今天在智能体编码系统中看到的安全问题。每当他们发现继续进行会构成不可接受的安全风险时,他们将做出适当反应,包括减慢或停止他们发现自己无法充分保护的系统开发或部署。 在最近的Hugging Face事件之后,他们将这一承诺付诸行动,在进一步强化和红队研究环境并扩大监控系统覆盖范围时,暂停了最新模型的强化学习训练,这些模型原本是为部署准备的。这并没有停止所有研究:一些工作负载在更强控制下恢复,而其他则保持暂停。他们提高了安全和对齐标准,并将安全工作深入到模型生命周期中,在整个训练过程中要求更强有力的对齐行为证据。 这份报告为行业提供了宝贵的参考数据。

AI研究自动化仍然是一个新兴领域,OpenAI正在学习如何衡量它。一些指标,如研究团队生成的代码量,相对容易收集,但很难解释,因为它们与研究进展的关系不确定。更直接关注研究进展的指标(如智能体成功完成研究人员交给的任务的频率)可能更有用,但开发和验证都很复杂。更困难的是,研究人员依赖的工具和系统正在快速演进。深化对研究加速的理解是OpenAI的一个重点关注领域。 最终,正如他们在前沿政策蓝图中所写的那样,OpenAI相信他们和其他公司应该被要求公开追踪他们向递归自我改进的进展。

即使没有这样的要求,他们计划继续透明地报告他们的进展。他们将随着测量技术和理解的改善而发展他们的透明度方法,同时平衡保护安全和专有信息的需要。 为了让通用人工智能惠及全人类,OpenAI相信它必须由民主治理。只有通过公众对高度强大AI系统的能力、风险和保障措施进行知情的辩论,这才能实现。各地的人们需要了解前沿AI的预期未来轨迹,以便他们能够在其发展中拥有有意义的声音。对具体风险、事故和保障措施的透明度是必要的,但还不够。

公众还需要了解最强大的系统如何发展,以及它们如何在前沿实验室推动研究进展。 在未来的发展方向上,OpenAI将继续完善他们的方法,报告他们不断发展的理解,并努力促进知情的公众辩论和有意义的民主治理前沿系统。这些努力将为整个AI行业提供重要的参考。随着技术的不断进步,我们正站在一个新时代的门槛上,在这个时代里,AI研究人员与智能体的协作将重新定义科学的边界,开创一个前所未有的创新纪元。 。