AI开始训练AI，RSI要来了

一、OpenAI 的新文章

最近，OpenAI 发了一篇博客，名为《研究加速：OpenAI 内部视角》，公开了一组内部数据，讲了 AI 在研究部门的使用情况。

原文链接：https://openai.com/index/research-acceleration-view-inside-openai/

我读完的感受是：RSI（递归自我改进）这件事，离我们比大多数人以为的更近了。

但先说清楚：这不等于完整的 RSI 已经发生。真正值得重视的是，AI 正在进入研发自身的执行环节，并开始加速下一代 AI 的诞生。

先说数字。截至8月中旬，按标准8小时工作日计算，OpenAI 研究部门每投入1个人类工作日，智能体已经对应3.1个工作日的运行量。今年6月前，智能体的总运行时长还低于人类劳动；到8月中旬，这个关系已经反过来了。

具体的使用量也非常夸张：研究部门中位研究员的智能体输出 Token，较2025年末增长了124倍。中位研究员每天在智能体推理上花600多美元；用量最高的10%，一天超过7000美元。越来越多研究员会并行开4个以上智能体会话干活。

时间表也很明确。去年定下的「自动化研究实习生」目标已经实现。OpenAI 对它的定义是：在人的指导下，完成边界清晰、熟练研究员原本要花几天的任务。下一步是在2028年3月前，做出自动化 AI 研究员，让它在人的监督下参与深度学习和对齐研究，并推动持续迭代。

二、这件事的意义在哪？

AI 研发本身是一条流水线：提方案、设计评估、搭基础设施、跑大规模测试、修 Bug，把有效方案合进训练。智能体把每个环节的等待时间都压短了。

AI 能写更多代码、跑更多实验，研究就更快；研究更快，模型就可能更强；模型更强，智能体又会更能干。

这个飞轮的第一圈，已经在转。

当然，OpenAI 自己也留了很大的余地。实验增长不能全归功于智能体，算力也是同步增长的变量；越难自动化的环节，越会成为新的瓶颈。更关键的是，高难任务现在仍需要大量人类介入：在过去半年里，成功完成的4到8小时任务中，超过一半至少经过一次人工干预。

所以，不能把3.1个工作日直接理解为「AI已经能替代研究员」。它更像是研究员获得了一支越来越强的并行执行团队。方向、取舍、结果判断，以及什么时候该放大、暂停或部署，仍然主要由人来决定。