科研奇点已至：AI两小时完成博士数月工作

【导读】就在今天，Agentic AI工程师发现：博士80小时的科研任务，Codex不到2小时就跑完了，效率差达到了40倍！其实按照旧标准，AGI早已存在了，只是全行业都在移动球门。

科研界的「奇点」真的来了，比所有人预想的都要近。

近日，一项针对Codex「目标模式（Goal Mode）」的实验震惊了学术界：Codex可以让AI科研效率猛增40倍！

Agentic AI工程师Dan McAteer近日在X上披露一次实验：用OpenAI Codex的Goal Mode跑一项机械可解释性（Mechanistic Interpretability）研究任务。

GPT-5.5自己估算这个任务博士可能需要约80小时才完成，在实际操作中，AI 仅用时1小时56分钟便彻底完成了任务。

表面效率提升约40倍！

他所使用的是Codex中一种内置的技能 /goal。

也就是，让模型自行设定目标，其中的关键就是它写出的提示词很可能比你的更出色。

这不再是简单的「效率提升」，而是一场彻头彻尾的「降维打击」。

当科研周期从以「周」为单位缩减至「小时」，当 AI 开始自主撰写自己的实验目标（/goal），我们必须承认一个残酷的现实：

「智能爆炸」的斜率已经现身，AI 的自我迭代速度正在脱离人类的掌控节奏！

先来看看这个实验是怎么进行的。

实验发起人是Dan McAteer，Agentic AI工程师，前Amp Code工程师。

常年在X上分享AI agent工程化的具体实践。

他的实验配置很简单——

他自己对这套配置的描述是：当前可用的最高效的AI智能体配置。

这件事真正值得说的是Codex /goal这个模式本身。

按OpenAI Codex工程师Philip Corey的描述，/goal是我们对Ralph loop的一种实现——让目标在多轮对话里持续存在，不达成不停止。

简单说，普通的Codex调用是你说一句、它做一步、回你一句。

Codex /goal是你说一个目标、它自己拆分子任务、自己执行、自己review、自己继续，直到达成或失败。

这是从对话式AI到目标驱动AI的工程切换。

对Mechanistic Interpretability这类研究任务，/goal模式的天然契合度高。

研究流程本身就是提出假设→设计实验→运行→看结果→修正假设→再实验的循环，正好可以喂给一个会自我循环的agent。

McAteer的实验真正证明的，是Codex /goal 模式在科研型循环任务上具备可用性：不是替代研究员，是替代研究员的重复操作部分。

这个能力如果能稳定下来，对AI研究本身有非常直接的杠杆。

它意味着AI实验室自己内部的AI研究员，未来某天可以用AI agent去做训练数据准备、实验设置、消融研究、可视化生成、初步结果分析这些重复工作。

这也就是Anthropic和OpenAI最近反复说的AI正在加速AI研究本身。

这套流程之所以漫长，是因为人类大脑在处理复杂逻辑和海量数据时，存在物理上限。

但Codex的这次实验彻底打破了这种认知。

在「/goal + GPT-5.5 High + Fast Mode」的最强智能体配置下，AI不再是一个「听指令」的工具，而是一个「出策略」的独立研究员。

它能够理解复杂的自然语言自动编码器（NLA）实验需求，自主拆解任务，并在不到2小时的时间里走完了人类精英需要两周才能走完的路。

这代表着，从此人类的科研门槛彻底崩塌。曾经需要数年寒窗苦读换来的专业分析能力，正在被算法模块化。

而且，自主AI研究员已经提前降临了！

OpenAI此前设定的目标是2026年底实现AI自主科研。

但从目前的实验进度看，2026年可能不是开始，而是人类彻底交出科研接力棒的终点。

如果说Codex 40倍速实验是一个刺眼的个案，那更让人坐不住的，是围绕「递归自我改进」的证据正在密集涌现。

5月7日，据Axios报道，Anthropic联创Jack Clark公开给出了一个概率：

到2028年底，AI实现完全递归自我改进的概率超过60%。

Sakana AI和UBC的研究团队今年造出了Darwin Gödel Machine，一个能改写自己源代码来提升自身能力的编程智能体。

在SWE-bench上，它的得分从20.0%自我提升到50.0%。全程没有人类插手。

同一个团队的AI Scientist项目今年3月发表在Nature上。

一整条科研流水线，从头到尾，AI独立完成。

再看一组硬数据。GPQA Diamond，一个由博士专家出题的科学问答基准。2023年11月GPT-4得分39%。人类领域专家的平均水平约65%。

2026年4月，前沿模型集体越线：Gemini 3.1 Pro得分94.3%，Claude Opus 4.7得分94.2%。

所有前沿模型都已远远甩开人类博士专家。

SWE-bench的轨迹更能说明加速度。

2023年底，Claude 2的通过率是2%。现在，93.9%。

两年半，就从2%飙升到了93.9%。

这条曲线画出来，任何一个学过高中数学的人都认识它的形状。

显然，递归自我改进（RSI）的进程已经开始。

一旦 AI 开始用这种 40 倍的效率去改写自己的底层代码、优化自己的架构，智力的增长将不再是线性的，而是垂直向上的。

按照 2022 年之前的定义，AGI其实早已实现。

之所以现在还没人承认，是因为整个AI行业正在对公众进行一场集体性的「煤气灯效应」。

2022 年前，只要能通过图灵测试、能跨领域处理任务，就是AGI。

ChatGPT出现后： 「光有这些不行，还得有完美的推理、得有身体（具身性）、得有自我意识。」

每当模型突破一个关口，人类就会即兴加入新的、虚无缥缈的指标作为门槛，不断移动球门。

问题是，如果AGI已经存在，那么现在的行业逻辑就变得极其荒诞。

OpenAI 还在筹集 400 亿美元声称要「构建 AGI」；Anthropic 每次发布新模型都要包装成「接近 AGI」的期货。

如今，我们正处于一个极其诡异的节点。

在实验室里，AI已经用 40 倍速在进行机械解释性研究，甚至在帮自己写代码。

在市场上，算力依然是硬通货，英伟达的 Blackwell 芯片被疯抢，每一块芯片都在加速那个奇点的到来。

然而在社会心理上，大众还在用「复读机」和「概率预测」这种过时的词汇来安慰自己。

当 AI 能够独立完成博士级任务时，我们现有的教育体系、职称评定、甚至专家这个词本身的含义，都将面临灭顶之灾。

正如哥白尼将地球移出了宇宙中心，现在的 AI 正在将人类移出「唯一智慧生命」的圣殿。

现在，这场名为智能爆炸的战争没有硝烟。

我们要么学会如何与这种智能新物种共生，要么就只能眼睁睁地看着它，以 40 倍的速度，把我们甩在尘埃里。