大家都在看OpenAI的动静，说是“北极星”计划要让AI自己搞科研，搞得2028年工作方式可能会变天。 他们首席科学家雅各布·帕乔基刚跟麻省理工科技评论聊了聊，把这个计划透露了出来。他们打算在2028年以前弄出一套全自动的多智能体研究系统，这就意味着其他业务都要给这事儿让路。今年9月先把第一个成果拿出来，推出那种能独立解决特定问题的“自主AI研究实习生”。这不是纸上谈兵，是真的要动手了。 推理模型、智能体技术和可解释性研究这三条路得凑一块儿使劲儿，最后要弄出那种能在数据中心一直自己跑的AI研究员。前OpenAI研究员安德烈·卡帕西把这叫“终极挑战”，他觉得大家都会往这走，现在的瓶颈主要是工程实现难。这不嘛，Anthropic那边也上线了Claude Code Channels功能，让开发者用即时通讯工具直接调用AI写代码。这种把工具插到工作流里的办法，跟OpenAI的长期目标不太一样。 虽然路线不一样，但大家都在一块儿使劲儿。帕乔基也说了，现在大语言模型的行为模式还真没法完全管住，现在是用另一个模型盯着目标系统的运行日志来监控。这就叫“以AI监督AI”，虽然有创意，要想达到安全标准还得慢慢琢磨。有人还提出了个叫“卡帕西循环”的框架，说想让自动化研究行得通得满足三个条件：智能体能改文件、有客观的测试指标、还有固定的实验周期。 拿实际案例来说吧，Shopify公司弄了个智能体晚上跑一晚上，12小时内做完了37次实验，把模型性能提了19%。这就证明了确实有价值。从商业角度看，这事儿比技术突破本身还赚钱。有人预测到2029年这块业务能搞出290亿美元年收入呢。特别是高端的“研究代理”服务，一个月的费用能高达2万美元。这定价这么高也是因为人家效率实在高——24小时不停转还能同时干多件事。 跟传统科研比起来，AI系统不光省了钱，还把什么是生产力重新定义了。现在行业里是两条道跑：OpenAI盯着怎么把完全自主的科研体系建起来；Anthropic呢就想着怎么弄出好用的即时智能工具。这一来二去的竞争把技术迭代的速度给带快了。 随着AI慢慢往科研领域里渗透，以前那些人干的活儿可能就得变一变了。人类研究员的角色可能会从直接干活儿变成给系统设计一下、再去验证一下结果。