【外汇ex平台】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？
近日，初步成算OpenAI官方博客发布文章《研究加速：OpenAI内部视角（Research acceleration: The 实现速形view inside OpenAI）》，并首次以内部数据形式公开AI“递归式自我改进”（RSI，自动Recursive Self-Improvement）的化研进展。
文章指出，究A景加团队已经实现去年秋天定下的练A力仍外汇ex平台目标：在今年9月前造出一个“自动化研究实习生”。所谓“自动化研究实习生”，未重指的瓶颈是一个能够在人类指导下执行明确定义的研究任务的系统，包括那些经验丰富的初步成算研究人员需要几天时间才能完成的任务。
展望后续，实现速形OpenAI预计将在2028年3月前实现完整的自动“自动化AI研究员”，使其能够参与深度学习和对齐研究，化研并通过迭代进一步改进系统。究A景加这意味着“AI自动训练AI”的练A力仍图景正在加速形成。
相关数据也侧面证明了这一点，未重根据OpenAI统计，今年年初，OpenAI内部研究人员对Agent的中位使用量仍处于较低水平。到8月中旬，ex官网首页相关研究人员已将Agent融入日常工作。
按照API公开价格计算，处于中位使用量的研究人员每天消耗Token价值已经超过600美元；而机构内处于90百分位的高频使用者，其每天消耗Token价值超过7000美元。
图源：OpenAI
此外，OpenAI提示道，随着自动化进程的推进，最不容易被自动化替代的研究任务，反而会占据研究人员更多时间，ex官网平台成为未来AI研发的新瓶颈；在其他瓶颈得到缓解后，算力的重要性也会进一步凸显。
文章发布后不久，OpenAI团队成员Kevin Liu在社交平台X上转发此文并指出：“RSI很可能是未来几年AI能力跃升的核心驱动力，但该技术目前只存在于少数头部AI实验室之中。”
他进一步呼吁道：“信息透明的重要性空前凸显，这能够帮助社会公众充分讨论：我们应当以何种节奏推进模型研发、是否需要对其加以约束。我建议其他AI企业也采取同样的公开举措。”
事实上，OpenAI的确并非唯一押注RSI的AI企业。
就在上个月，《科创板日报》在《AGI之后，硅谷又为资本开支找了一个新理由》一文中提到，谷歌DeepMind正将RSI视作AI资本开支的核心投资逻辑。
该公司首席战略官Jasjeet Sekhon表示，尽管RSI技术远未成熟，但目前AI企业已能用模型辅助设计其他模型的部分组件，这可被视为递归自我进化的“前兆”。此外，Anthropic也正在将越来越多的AI开发工作委托给AI本身。
国信证券指出，从模型竞争来看，能力更强的模型既是争取客户的重要因素，同时也正逐渐成为研发下一代模型的生产工具；远期来看，模型能力如果能够持续提高Research Agent和研究人员产出，领先厂商可能形成“更强模型—更高研发效率—更快推出继任模型”的正反馈闭环。
更进一步而言，训练与Research Inference共同扩张，AI研发自动化有望进一步打开算力产业链需求空间。该机构表示：
训练端来看，算力需求不再仅取决于单次前沿预训练规模，RSI落地渗透之下，参数规模、训练Token、模型代际频率、候选实验、Post training、RL Rollout、验证及研发推理均可能同步增加，更快迭代和更高实验并行度可能形成对训练需求的乘数效应，带动算力需求的天花板持续提升。
重点关注计算芯片及ASIC、HBM与存储、先进封装、高速互联与光通信、交换设备、液冷、电力及数据中心等供给壁垒较高的基础设施环节；
同时看好具备大规模算力基础设施和持续资本开支能力的头部CSP。随着训练、Research Inference及Agent推理负载同步增长，算力需求将由单次模型训练向持续研发与推理扩散；具备GPU集群、自研ASIC、云平台和模型服务能力的CSP，有望同时受益于AI资本开支扩张和云端AI调用量提升。
