OpenAI近日披露了一项雄心勃勃的技术路线图：计划在2028年前打造一套能够自主解决复杂问题的“AI研究员”——一个全自动的多智能体研究系统，能够独立完成从数学、物理、生物化学到政策分析等各类科研任务。这一目标被OpenAI首席科学家雅各布·帕乔基称为公司未来几年的“北极星”方向。

根据计划，今年9月，第一阶段成果将率先落地——OpenAI将先行推出“自主AI研究实习生”系统。这一渐进式路径显示出OpenAI试图将AI科研能力从实验室工具向自主科研主体演进的技术思路。

帕乔基在接受《麻省理工科技评论》独家专访时透露，这一计划标志着OpenAI在推动AI技术从生成内容向自主科研方向跨越的新尝试，也是其在面对Anthropic、Google DeepMind等竞争对手时的重要战略布局。他表示，实现“AI研究员”不仅是技术上的挑战，更是对科研范式本身的重构。

从技术积累来看，OpenAI近年来在多方面为这一目标铺路。今年1月，公司发布了智能体应用Codex，它能够即时生成代码、执行复杂计算任务、分析文档、生成图表、整理邮件和社交媒体摘要等。目前，Codex已成为OpenAI内部员工的标配工具，用于辅助代码开发和问题解决。帕乔基将Codex描述为“AI研究员”的雏形，并称其未来将实现颠覆性革新。

在模型能力层面，OpenAI过去几年的技术演进已为自主科研系统打下基础。从GPT-3到GPT-4，模型在无干预情况下处理复杂问题的时长实现质的飞跃。2024年推出的“推理模型”技术，通过引入“思维链”训练，让AI学会了像人类一样步步为营、遇错回溯。目前，OpenAI正利用数学和编程竞赛的难题对模型进行“魔鬼训练”，旨在提升其处理超长文本和拆解多重子任务的能力，最终能够解决现实世界的科研难题。

帕乔基认为，自动化科研的关键在于系统能够长期运行、减少人工干预。他解释：“我们的目标是开发一个研究实习生系统，可以把本来需要几天的人力任务交给它完成。”通过训练模型逐步解决问题、回溯错误，推理模型能够在较长时间内保持连贯工作，这是迈向自主AI研究员的关键能力。

在应用探索层面，OpenAI目前更专注于与现实世界相关的研究。据介绍，研究人员已经利用驱动Codex的GPT-5模型，发现了多个未解数学问题的解决方案，并在生物、化学和物理学的若干难题中取得了进展。这些成果验证了AI在科研辅助中的潜力，也为后续全自动化研究系统提供了实践基础。

帕乔基强调，OpenAI正在不断迭代模型，希望通过持续的技术积累，证明AI研究员在真正深度介入现实世界科研之前，已经具备科学意义上的可靠性。从“研究实习生”到“AI研究员”，OpenAI试图在AI与科学发现之间搭建一座渐进式的桥梁，为科研范式带来根本性变革。