OpenAI每研究员配仨AI实习生；企业深感“模型疲劳”；内蒙古狂建词元工厂 | 日记

1. OpenAI宣布实现“AI实习生”：智能体工作量已超过人类研究员

OpenAI发布内部研究数据，称已经完成去年提出的目标，今年9月构建能够在人类监督下完成数天级科研任务的“自动化研究实习生”，并计划在2028年3月进一步实现“自动化AI研究员”。截至8月中旬，按8小时工作日折算，OpenAI研究部门每投入1个人类工作日，同时使用约3.1个智能体工作日；中位数研究人员每天消耗token价格已超过600美元。OpenAI同时披露，智能体开始承担实验基础设施排障、评测设计和更长周期研究任务；但在成功完成的4—8小时级任务中，超过一半仍然至少需要一次人工介入。

2. “模型疲劳”出现：企业开始跟不上前沿模型发布速度

媒体报道称，一些企业IT负责人已经出现所谓 “模型疲劳”。过去一周Anthropic、Meta、谷歌、阿里巴巴和OpenAI连续发布Claude Fable/Mythos 5.1、Muse Spark 1.3、Gemini 3.8 Flash、Qwen3.8-Max以及GPT-6 Astra；模型发布速度从过去数月一次缩短到几周甚至数天一次，企业根本来不及重新评测、迁移和治理每一个新版本。前沿实验室的竞争速度正在超过企业的吸收速度。

3. OpenAI首席科学家警告：“没有实验室解决对齐”，必要时应主动减速

OpenAI首席科学家帕乔基（Jakub Pachocki） 9月6日发表长文《一种异质智能》 （An Alien Mind），称目前的机器智能越来越像一种“我们并不完全理解的智能”：它并不是按照人类认知过程被设计出来，而是在巨大算力和优化过程中“生长”出来。如果现有趋势持续，未来几年AI不仅会超过人类更多能力，还将越来越深地参与自身研发，即进入递归自我改进。他明确表示，目前没有任何一家AI实验室已经把对齐和监控解决到足以最大速度继续扩展的程度，并预计在建立共同安全门槛之前，实验室“自愿减速”可能成为常态。他还主张，把OpenAI 和Anthropic 的内部责任规则逐渐转变为统一安全门槛，由政府、第三方审计甚至国际机构执行。

4. 陶哲轩警告AI数学只生成答案: AI在制造“不可消化的科学”

数学家陶哲轩，针对最近AI鼓捣出来的数学难题答案，提出一个更深层的担忧：AI如果迅速直接找到正确构造，而探索过程又被封闭在企业内部，数学可能得到答案，却失去大量由失败路线产生的新概念和方法。这可能是AI 科学下一阶段非常重要的争论：科学发现的价值到底只是找到正确答案，还是还包括人类理解“为什么其他路径失败”。如果Harness在巨量算力下秘密遍历数百万条路线，只公布最终Lean证明，结果可以完全正确，却可能成为一种“不可消化的科学发现”。GPT-6 Astra发布后，OpenAI披露其在有界素数间距问题上通过Lean形式化证明将已知上界从246缩小到186；Anthropic和Axiom同期也分别给出了188和212的结果。（在无限延伸的整数世界里，永远会反复出现彼此距离不超过186的相邻素数）。

5. Uber创始人卡兰尼克复出：Atoms押注工业AI，融资17亿美元，首站自动驾驶

据《金融时报》Uber联合创始人、前CEO卡兰尼克（Travis Kalanick）正通过新公司Atoms重新进入自动驾驶和工业AI领域，已经融资约 17亿美元，其中Uber投入约1亿美元，a16z、贝恩风险资本和沙特PIF等参与。Atoms对外把自己定义为“工业AI”公司，目标不仅包括自动驾驶，还包括物流、食品、建筑和矿业等物理AI场景；已经与Uber讨论将自动驾驶技术接入其网约车平台的可能性。

6. 特斯拉Cybercab刚上路，当局开始核查汽车是否应该为人类驾驶设计

美国国家公路交通安全管理局（NHTSA）已针对特斯拉在奥斯汀新上路的Cybercab展开核查，要求这种无方向盘、无踏板的出租车符合联邦机动车安全标准的自我认证。Cybercab的设计从一开始就没有传统人工驾驶控制装置，因此可能颠覆监管：汽车是否还必须按照人类驾驶时代的规则设计。特斯拉试图先把产品推入现实，再迫使监管体系适应物理 AI。

7. 内蒙古狂建“词元工厂”，绿电+算力大干快上

中国国家数据局局长刘烈宏近期调研内蒙古中国联通、中国移动、华为云、优刻得、中金数据零碳算力基地等项目。官方首次特别提到，内蒙古正在依托当地大规模算力基础设施建设 “词元工厂”，探索把能源和算力资源优势转化为数据要素价值。一批词元园区、十万卡集群、吉瓦级数据中心大干快上。

8. 富士康收入创纪录：AI服务器需求继续压过消费电子周期

富士8月营收达到9218亿新台币，约291.5亿美元，同比增长51.98%，创历年同期新高，也是连续第二个月超过9000亿新台币。公司预计第三季度表现将好于市场此前预期，主要动力仍来自AI服务器和云网络产品。即使前沿实验室的收入和盈利仍有巨大不确定性，超大云和新云对AI服务器的实物采购仍在高速增长。

9. AMD把数据中心AI搬到桌边：运行万亿参数模型

AMD在IFA展示一套桌边工作站，可以本地训练、微调和运行万亿参数级模型以及复杂Agent工作流。Threadripper Halo Station采用96核Threadripper PRO处理器和Instinct MI350P加速卡，演示版本配两张144GB HBM3E的MI350P，并可扩展至四张，总GPU显存达到576GB HBM3E，系统内存最高2TB。云端模型越来越大，但GPU显存和统一内存也在快速增长，使以前必须进入数据中心的模型开始下沉到实验室和企业办公室。

（消息来自经验证可信源）