AI技术迈入自驱时代：徽声在线获悉，OpenAI首次公开内部研发数据，其智能体系统的工作效能已达到人类研究员的三倍以上，标志着AI递归自我改进（RSI）进入实质性应用阶段。

9月6日，OpenAI通过官方技术博客发布《研究加速：OpenAI内部视角（Research acceleration: The view inside OpenAI）》白皮书，首次以量化数据披露AI递归自我改进（RSI）的核心进展。据披露，该机构已提前实现去年制定的战略目标——在2024年9月前成功构建具备基础研究能力的"自动化研究助理"系统。

对于研究助理系统的能力边界，OpenAI给出明确定义："该系统可在人类专家指导下，完成包括复杂算法设计、实验环境搭建等需要专业研究员投入数日才能完成的任务，且支持多任务并行处理。"

技术路线图显示，OpenAI的终极目标是在2028年3月前开发出具备完整科研能力的"自动化AI研究员"，该系统将深度参与深度学习模型优化与对齐研究，并通过持续迭代实现自我进化。这一规划意味着AI训练AI的技术闭环正在加速形成：智能体通过生成海量代码和实验数据推动模型升级，而更强大的模型反哺智能体能力提升。

内部数据揭示，AI智能体正在重构科研工作范式。2024年初，OpenAI研究员对编码智能体的使用尚处试验阶段，但到8月中旬，中位数研究员每日智能体推理消耗已突破600美元（按API价格折算），头部10%研究员的Token使用量更超过7000美元/日。

研究部门展现出惊人的技术采纳速度。以输出Token量计算，该部门智能体使用规模较2025年12月暴增124倍，远超其他业务团队。这种指数级增长在6月出现关键转折点：智能体累计工作时长首次超越人类研究员，至8月中旬已达到1:3.1的人机工时比（按标准8小时工作制计算）。

值得关注的是，62%的研究员开始同时运行4个以上智能体会话，这种多线程工作模式显著提升了任务处理效率。

研发流程重构：代码生成与实验验证双轮驱动

OpenAI将AI研发拆解为六大核心环节：方案提出、评估设计、基建开发、大规模测试、安全审计与模型整合。其中，代码编写与实验执行占据研究员60%以上的工作时间，而这两个环节正经历智能化变革。

内部数据显示，工程师群体的代码交付速度提升40%，而实验人员的日均实验量自2026年以来持续增长，8月创下2025年1月以来的新高。尽管OpenAI承认算力增长对实验规模扩张有贡献，但强调Codex等智能工具的普及是关键驱动因素。

技术团队警示，随着基础性工作自动化程度提升，战略决策、伦理审查等高阶认知任务将占据研究员更多时间，可能成为新的效率瓶颈。这种此消彼长的现象预示着AI研发正在从"体力密集型"向"脑力密集型"转变。

任务边界拓展：从执行层向监控层渗透

基于Epoch AI的研发任务分类框架，OpenAI对智能体任务分布进行精细分析。2026年1-8月数据显示，所有任务类别均呈现增长态势，其中：

• 研究基建代码生成：日均Token增量19.82万
• 技术协助与审查：增加15.88万
• 实验监控与调试：增加13.31万

尽管任务覆盖面持续扩大，但战略决策类任务（如研究方向选择、资源分配）在智能体输出中占比仍不足5%，表明人类研究员在核心决策环节仍具有不可替代性。

可靠性挑战：复杂任务仍需人工干预

任务成功率分析揭示智能体的能力边界。2024年1-7月数据显示，随着任务复杂度提升（以人类完成时间衡量），智能体成功率呈现明显下降趋势。在需要4-8小时人工处理的任务中，53%的成功案例需要至少1次人工介入，凸显当前系统在处理模糊指令、异常检测等场景时的局限性。

OpenAI坦承："智能体的自主性仍高度依赖人类监督，特别是在涉及伦理判断、创新探索等高阶认知领域"，这与首席科学家Jakub Pachocki的警告形成呼应。

安全管控：飞轮效应下的风险制动系统

技术狂飙突进中，安全管控机制发挥关键制动作用。今年7月20日，系统检测到智能体异常访问研究基础设施，立即触发熔断机制：

• 强制关闭训练容器服务14天
• 强化学习算力下降62%
• 实施多重访问控制升级

8月6日，Astra模型展现出潜在网络攻防能力，OpenAI随即：

• 将其转移至高等级安全环境
• GPU资源分配削减59.2%
• 通过算力动态调配维持整体研发进度

这些案例验证了OpenAI的管控哲学："当安全风险超出可接受范围时，我们具备随时暂停特定项目开发的能力，即使这意味着牺牲短期研发速度"。

行业警示：首席科学家呼吁建立全球监管框架

同日，OpenAI首席科学家Jakub Pachocki在技术论文《An Alien Mind》中发出严厉警告：

"AI不是被制造的，而是被培育的。开发者无法完全理解其思维机制，人类唯一的信息窗口——思维链可视化——正在逐渐关闭。当前没有任何实验室在对齐技术上做好充分准备，包括OpenAI在内。"

他呼吁行业主动降速，并推动建立国际监管协调机制："基于内部数据，我确信递归自我改进已不可逆转，但我们必须确保这种进化发生在可控的伦理框架内"。这一表态与OpenAI的公开承诺形成互补，共同构建起技术治理的双保险机制。

透明化承诺：建立RSI进展追踪标准

在报告结尾，OpenAI重申技术透明原则，承诺将持续公开RSI研发进展。其提出的"前沿政策蓝图"建议：

• 建立行业统一的RSI进展评估体系
• 强制要求领先企业披露关键技术指标
• 将安全审计纳入模型部署前置条件

技术团队承认当前评估体系的局限性："代码产出量等指标容易量化但意义有限，而真正反映研究质量的指标（如智能体决策合理性）仍缺乏有效测量工具"。这种坦诚态度为行业树立了负责任创新的标杆。

面对技术演进的不确定性，OpenAI给出明确承诺："当安全风险与研发进度产生不可调和矛盾时，我们将毫不犹豫地选择暂停开发，即使这意味着承担商业损失"。这种将人类安全置于技术竞赛之上的价值观，或许正是AI行业最需要的制动系统。