资讯
OpenAI初步实现自动化研究 “AI训练AI”图景加速形成 算力仍是未来重要瓶颈？
📋总体概括
OpenAI在官方博客首次以内部数据披露AI递归式自我改进进展：已如期在9月前造出「自动化研究实习生」，能完成人类研究员需数天的明确定义任务，并计划2028年3月前实现可参与深度学习与对齐研究的「自动化AI研究员」。内部Agent使用量快速渗透，中位研究员每天Token消耗超600美元，90百分位高频用户日耗超7000美元。OpenAI同时提示，自动化后最难替代的研究任务将成新瓶颈，算力重要性将进一步凸显。
⚡关键信息
- ▸OpenAI已实现去年秋季定下的目标：今年9月前造出「自动化研究实习生」，可执行经验丰富研究员需数天完成的研究任务
- ▸OpenAI预计2028年3月前实现完整「自动化AI研究员」，能参与深度学习与对齐研究并通过迭代自我改进
- ▸内部Agent使用量从年初的低位，到8月中旬已融入研究员日常工作，渗透速度显著
- ▸按API价格计，中位研究员日耗Token价值超600美元，90百分位高频使用者日耗超7000美元，两者相差约10倍以上
- ▸OpenAI提示：自动化推进后，最难被替代的研究任务将占据研究员更多时间；算力将在其他瓶颈缓解后成为关键约束
🔥犀利点评
OpenAI用内部数据给「AI训练AI」做了第一次实锤背书，但更该看的是那两个数字：日耗600美元到7000美元的Token账单，翻译过来就是训练成本正从人力侧向算力侧大规模转移。所谓RSI进展，本质上是一场成本结构的迁移——当Agent替人干活，瓶颈不会消失只会转移，OpenAI自己都承认算力是下一道坎。对新能源产业链而言，这才是真正值得盯的信号：AI自我改进一旦形成飞轮，算力电力需求将脱离线性增长逻辑，储能与绿电的确定性叙事又多了一块硬地基。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 财联社深度 阅读全文 →