台球直播免费斯诺克直播:OpenAI曝光“北极星”项目“2028大失业”可能真要来了

斯诺克直播178:

　　不久前，一篇「2028 年预测」的文中疯传网络，该文章指出由于 AI 的进步，2028 年将会有很大一波失业浪潮，很多人的工作，将会被 AI 取代。

　　文章一出，叠加中东局势，重挫了当天美国股市。此事堪称玄幻，毕竟那篇文章一看就是由 AI 写的，但看起来正契合了人类对于「AI 带来大失业」的恐惧心理，所以造成了如此大的影响。

　　近日，OpenAI 曝光的一则消息，则让大家意识到，「2028 年大失业」，可能并非是空穴来风。

　　近期，OpenAI 首席科学家 Jakub Pachocki 在接受 MIT Technology Review 独家专访时说了一句让人脊背发凉的话——他们的「北极星」，是在 2028 年之前建成一套全自动的多智能体研究系统。

　　这不是产品路线图里的占位符，也不是 Altman 在 X 上的一句随口豪言。这是 OpenAI 在把整个公司资源押注在一个方向上。

　　科技公司说「北极星」的时候，通常意味着两件事：一是其他事情要为它让路，二是企业内部已经达成共识。

　　3 月 19 日，OpenAI 宣布收购开发者工具公司 Astral，团队并入 Codex 部门；同一时间，公司宣布整合 ChatGPT、Codex 和浏览器为一个统一的桌面「超级应用」，由应用主管 Fidji Simo 主导，Greg Brockman 协助推进组织改革。

　　Pachocki 的逻辑其实很清晰：推理模型、智能体、可解释性，这三条技术路线在 OpenAI 内部原本各自为战，现在要整合到一个目标下——造出能在数据中心里自主运行很久的 AI 研究员。 他说，一旦这件事成了，「这是我们真正依赖的东西。」

　　前 OpenAI 研究员 Andrej Karpathy 的看法更直接——「所有大语言模型前沿实验室都会这样做，这是最终的 BOSS 战。」他补了一句话值得细品：「规模化当然会更复杂，但做这件事只是工程问题，它会成功。」

　　Anthropic 的逻辑是：与其告诉开发者 AI 未来能做什么，不如现在就让它嵌进开发者的真实工作流。 Telegram 和 Discord 不是学术论文，是程序员每天工作的地方。让 Claude Code 活在这里，意味着它从「工具」变成了「同事」。

　　有用户直接说：「Claude 通过这次更新把 OpenClaw 给杀了，你不再需要买一台 Mac Mini。」这句话背后的含义是，Anthropic 的基础设施改进，已经让开源替代方案失去了成本优势。

　　而从更宏观的时间线看，Anthropic 在 Claude Code 上的迭代速度确实惊人。短短数周内，它融合了文本处理、数千个 MCP 技能集成和自主 bug 修复能力。OpenAI 在通过收购 Astral 补强 Codex 的同时，Anthropic 已经把 Claude Code 直接送进了开发者的聊天窗口。

　　两家公司都在奔向同一个终点，路线却截然不同——OpenAI 在做「2028 年的全自动研究员」，Anthropic 在做「今天就能用的智能体工具」。

　　Pachocki 在专访中做了一件很罕见的事——他主动谈到了安全和可控性的挑战，而且说得相当坦诚。

　　他说，他们的想法是用其他大语言模型，来「监控 AI 研究员的便签」，在行为出问题之前就捕捉到不良行为。但紧接着他承认：「对大语言模型的理解度，不足以让我们完全控制它们，要真正说『这样的一个问题已经解决了』，还需要很久。」

　　一家公司的首席科学家说「我们还没有完全的控制力」，同时宣布要在 2028 年交出全自动 AI 研究系统，这两件事放在一起，值得所有人认真想一想。

　　这不是在唱衰，而是在理解这件事的真实难度。Pachocki 能说出这句话，本身说明 OpenAI 内部对这条路的艰难有清醒认知。

　　技术层面，有一个被研究者总结的「卡帕西循环」值得参考——成功的自动化 AI 研究框架需要三个要素：一个有权修改单个文件的智能体、一个可以客观测试的单一指标、固定的实验时间限制。

　　这套框架慢慢的开始在实际环境中产生结果。Shopify CEO Tobias Ltke 就公开分享过一个案例：他让 autoresearch 智能体在夜间运行，第二天早上，智能体跑了 37 次实验，把模型性能提升了 19%。

　　Paul Roetzer 的一组数字让人想多看几遍：他援引 OpenAI 内部预测，到 2029 年，智能体业务单独就能带来 290 亿美元年收入，这中间还包括月费 2000 美元的「知识代理」和月费 20000 美元的「研究代理」。

　　这组数字说明，「AI 研究员」从来不只是一个技术目标，它是一条收入路线 美元的「研究代理」，换算一下，是一个资深研究员年薪的几分之一，但它可以 24 小时不间断工作，同时跑 37 个实验。这不是替代某一个具体的人，而是重新定义了「研究生产力」本身是什么。

　　一旦 AI 能够自主推进科学研究，AI 进步的速度，将不再受限于人类研究员的数量和工时

　　Pachocki 也说了同样的意思，只是表达得更克制——「一旦系统能够在数据中心里自主运行很久，这是我们线 月的 AI 研究实习生，不是终点，而是一个重要的起点。