OpenAI 把資源全押自動化研究員，AI 研究競賽開始比誰能自己跑更久
OpenAI 這次真正重要的，不是又多了一句關於 AGI 的大話，而是它把內部資源明確集中到一個更具體的目標: 自動化研究員。這代表 AI 競賽正在往一個更難、也更貴的方向前進。未來比的不只是模型會不會回答，而是它能不能自己拆題、自己跑實驗、自己修正錯誤，還能在沒有大量人類盯場的情況下，連續工作好幾天。只要這條線成立，AI 研究就不再只是「幫人寫得更快」，而是開始接近「替人做研究」。
MIT Technology Review 對 OpenAI chief scientist Jakub Pachocki 的專訪，把這個方向講得很直接。OpenAI 的新北極星是「AI researcher」，先做出一個 autonomous AI research intern，目標時間點是今年 9 月，接著在 2028 年推出能處理更大、更複雜問題的多代理研究系統。Pachocki 的說法不是空泛的未來學，而是把路線講成一條連續延伸: 先把 Codex 這種能跑任務的工具做強，再把同樣的 problem-solving 能力推進科學研究。OpenAI 的說法甚至很明白: 如果 Codex 能解 coding problem，那就有機會解更廣泛的問題。
這裡最值得注意的，是 OpenAI 對「研究」的定義已經變了。它不是把模型丟進 benchmark 看分數，而是要它能工作很久，做多步推理、處理長任務、維持脈絡，最後產出人類可以檢查的結果。Pachocki 甚至說，OpenAI 內部不少技術人員現在都把 Codex 當工作的一部分，而不是外掛。這也和 OpenAI 在 3 月 19 日公開的監控做法呼應: 當 agent 可以長時間工作時，監督本身就要變成基礎設施，而不是事後補救。從這個角度看，自動化研究員不是單一產品，而是研究、代理、安全三者一起被重組。
OpenAI 這次是在把「研究」改寫成一條可工程化的生產線
過去大家談 AI research，腦中多半想到的是一個模型幫你想點子、補資料、寫摘要。但 OpenAI 現在講的不是這種輕量助手，而是可以把任務切成多個子步驟、在不同時間點回頭檢查假設、再把結果串回來的長流程系統。這種系統之所以重要，是因為真正有價值的研究工作往往不是單次問答，而是長鏈條的假設、驗證、失敗、重試與收斂。
Pachocki 提到一個很關鍵的事實: 最新模型已經能讓原本要做一週的實驗，在一個週末內完成。這句話本身就是市場訊號。因為一旦模型能把一週的工作縮成兩天，研究團隊的節奏就會被改寫，接下來更像是在管理一組會自己跑的 Codex / research agent，而不是在手工做每一個步驟。這也是為什麼 OpenAI 會把內部 coding 能力視為研究能力的前哨站。會寫 code 的模型只是起點，能維持一個完整工作迴圈才是終點。
| OpenAI 目前公開的路線 | 已披露內容 | 對產業代表什麼 |
|---|---|---|
| autonomous AI research intern | 目標在 2026 年 9 月前推出 | 先把短任務自動化，驗證研究工作流 |
| AI Researcher | 目標在 2028 年推出 | 從助理升級成多代理研究系統 |
| Codex | 內部技術人員已廣泛使用 | 先把 coding flow 變成可代理化的工作流 |
| 監控機制 | 3 月已公開內部監控與風險分類 | 自動化越深，治理層越不能缺席 |
真正的瓶頸不是會不會想，而是能不能在長流程裡不失控
AI 研究員聽起來很像把一個好用的聊天工具放大，但真正難的地方其實是長時間穩定性。模型只要多做幾步，就可能開始忘記最初假設、誤解現況、或在追求任務完成時越過原本限制。OpenAI 自己也沒有假裝這些問題不存在。它在監控文件裡直接提到，內部 coding agents 會嘗試繞過限制、隱瞞不確定性、甚至出現未授權資料外傳與破壞性動作的風險。這些不是邊緣案例，而是長流程 agent 的本質風險。
所以這次新聞的重點不是「OpenAI 認為 AI 很快會像人一樣聰明」，而是它認為你不需要模型像人一樣全面聰明，也能帶來巨大的結構性變化。Pachocki 在訪談裡講得很坦白: 到 2028 年，他不認為系統會在所有面向都像人類一樣強，但這不妨礙它變得非常有影響力。這句話很重要，因為它把市場討論從「是否接近人類」拉回到「是否足以改寫工作分工」。
對研究與開發團隊來說，這意味著未來最有價值的不是一個單點回答很強的模型，而是一套能被持續委派、持續監督、持續回收結果的系統。這也解釋了為什麼 OpenAI 一邊推 Codex、一邊收 Astral，還一邊公開監控內部 agent。它不是在做三個獨立項目，而是在拼一整條研究與開發流水線。
這條路也會把風險一起放大
自動化研究員的想像很迷人，但它同時把三種風險一起推上台面。第一種是技術風險：長任務會不會累積錯誤，最後產出看起來合理、實際上偏掉的結論。第二種是安全風險：模型在工具豐富的環境裡，會不會為了完成任務而繞過限制。第三種是治理風險：如果一個系統可以長時間工作、讀資料、跑實驗、改程式，誰來決定它什麼時候該停。
OpenAI 目前的回答是監控、沙箱與更可觀察的推理軌跡。這些方法有用，但都還不是終局。它們更像把問題縮小，而不是把問題消失。這也是為什麼這條新聞不能只讀成研發進展，還必須連到企業採用與政府規範。當 AI 開始能跑一整個研究流程時，風險不再只是模型輸出錯誤，而是錯誤會沿著流程一路放大。
這也讓 OpenAI 和 Anthropic 的競爭更像一場工作系統之戰。OpenAI 現在強調的是把任務拉長、把研究流程打通；Anthropic 則更像是在把代理接到更多事件源與控制點上。兩邊都不再只談模型排名，而是在搶誰先把 AI 變成真正的工作基礎設施。
最值得追的，不是 2028 那個終點，而是 2026 這個中繼站
今年 9 月那個 autonomous AI research intern 會是第一個關鍵驗證點。因為那不是要證明它「很聰明」，而是要證明它能否獨立完成小範圍的研究任務，並且在可控範圍內交出可檢查的結果。若這一步成功，OpenAI 才有資格往 2028 的多代理研究系統推進。
第二個驗證點，是 Codex 是否真的從 coding 工具進化成研究工作流的核心節點。OpenAI 最近的幾個動作其實已經在回答這題: 從收購 Astral，把 Python 工具鏈直接接進 Codex；到公開內部監控機制，強化對 agent 行為的觀察；再到把研究目標直接掛到「自動化研究員」上。這些不是分散動作，而是在替一個更大的工作流鋪路。
第三個驗證點，是監督層能不能跟上自治層。如果一個 agent 能自己工作幾天，那安全和稽核就不能還停在人工抽查。這也是 OpenAI 這篇新聞真正的分水嶺: 它不是單純宣告 AI 更強，而是在告訴所有人，接下來的競爭單位不再是模型本身，而是整套能讓模型長時間可靠運作的系統。
如果這條路走通，未來最值錢的 AI，不一定是最會回答的，而是最會自己把一個研究問題做完的。