OpenAI首度公开AI自我进化路径，目标2028年实现自动化研究员

人工智能实验室OpenAI近期首次对外披露了其内部AI系统参与自身研发的详细情况，证实了业界流传已久的关于其推进“递归自我改进”（RSI）路径的猜测。这一举动不仅揭示了前沿AI实验室内部的运作模式，也将关于通用人工智能（AGI）是否已经到来的讨论推向新的高度。

首度确认RSI路径与具体时间表

在一篇题为《加速研究：来自OpenAI内部的观察》的文章中，OpenAI明确表示，按照公司内部衡量标准，其已实现去年秋季设定的阶段性目标——在2026年9月前开发出一名“自动化AI研究实习生”。下一步，该公司计划在2028年3月前实现“自动化AI研究员”的目标。

这一表述被视为OpenAI首次公开承认正在推进RSI。所谓RSI，通常指AI系统能够参与改进AI研发流程，从而产生能力更强的下一代系统，形成迭代加速的循环。不过，OpenAI在表述上相对谨慎，称其目标是“安全地构建一套能够在人类监督下推进深度学习和对齐研究的自动化AI研究员”，以实现迭代式改进。

OpenAI同时强调，AGI的发展必须与民主治理同步演进，公众需要了解高能力AI系统的能力、风险和安全措施，以及前沿AI的发展轨迹，才能参与决定技术发展方向。

内部数据显示AI Agent已成研发主力

文章披露了多组内部数据，直观展示了AI Agent在研究团队中的渗透程度。2026年初，处于中位数水平的研究人员仅少量使用编程Agent；而到8月中旬，该研究员已每天将Agent融入工作流程。若按API公开价格计算，中位数研究员每日消耗的推理资源价值超过600美元，而重度用户（第90百分位）的日消耗则超过7000美元。

更值得关注的是，AI Agent的总运行时间已超越人类研究员的劳动时间。截至8月中旬，OpenAI研究部门每投入一个人类工作日，就会同时使用相当于3.1个工作日的Agent运行时间。OpenAI提醒，这并不直接意味着Agent的生产效率已达到人类研究员的3.1倍，因为Agent可能并行尝试多个方案，部分运行会失败或需人类纠正。但这组数据确实表明，AI Agent已成为研究组织中一种“大规模并行计算型劳动力”。

在任务类型上，OpenAI引入Epoch AI的研发任务分类体系，发现Agent的职责正在从简单的代码编写扩展到调试、监控和分析等环节。然而，高层规划（如决定研究什么、哪条技术路线值得投入）目前仍主要由人类掌握，Agent输出Token中高层规划占比很小。

另一个值得注意的变化是，Agent在排查内部研究基础设施问题上的能力，已显著减轻工程团队负担。有团队反馈，过去常见的“Office Hours”答疑时间已无人问津，甚至有一支团队完全停止了此类活动，因为大多数问题已由编程Agent解决。

AGI是否已到来？业界反应不一

OpenAI的披露引发了关于AGI进展的广泛讨论。英伟达CEO黄仁勋在社交媒体上发文称：“从ChatGPT到o1，再到Astra，只用了4年。AGI已经到来。祝贺OpenAI团队。”OpenAI联合创始人兼总裁Greg Brockman也回应称：“我们现在正迈入AGI时代（无论你将其视为当前模型、上一模型还是下一代模型），而这一切都离不开紧密的合作伙伴。”

尽管业界领袖高调表态，但关于AGI的定义和实现程度仍存争议。OpenAI的数据显示，AI Agent在研发中承担了更多执行性任务，但核心决策仍由人类把控。有分析认为，真正的AGI应具备自主提出研究假设、设计实验并独立判断结果的能力，而目前AI Agent仍处于辅助阶段。

从行业视角看，OpenAI此次披露的意义在于，它首次提供了前沿实验室内部AI使用情况的一手数据，有助于外界理解AI研发的实际进展与瓶颈。随着自动化程度的提高，算力约束可能成为下一阶段的主要瓶颈，而人类研究员的角色将转向更高层级的决策与创新。未来几年，AI与人类协作研发的模式如何演进，将直接影响AGI的落地路径与时间表。