两年倒计时：当Agent开始做AI研究
一、核心判断
一名深度参与o1和o3推理模型研发的前核心成员近期抛出一个时间表：人类AI研究员还剩大约两年的窗口期。两年之后，人类继续参与前沿AI研究，将如同今天的人类继续下国际象棋——你当然还能下，但没人在乎你下得如何。
这个判断并非否定人类的智力价值，而是指向一个结构性变化：当Agent能完成绝大部分「把想法变成代码」的工作时，研究的核心瓶颈就从「执行」转移到了「方向」。
需要区分的是，这个判断带有强烈的个人视角——说话的人既是观察者，也是这个倒计时的加速者之一。
二、背景：从OpenAI到Core Automation
Jerry Tworek在2019年加入OpenAI，完整经历了强化学习规模化从「死活scale不动」到推动o1、o3诞生的全过程。2026年4月，他创办了Core Automation，目标是「造全世界最自动化的AI实验室」。
他在OpenAI内部会议上听到的路线图只有一句话：「我们想造AGI。」七年后，他把这句话拆解成具体的工程问题，开始用自己的方式推进。
三、现状：研究工作的两段式裂变
AI研究被他拆成两段：
- 第一段是出主意：想清楚该往哪个方向走。
- 第二段是干活：把想法变成能跑的代码，并把数据拿回来。
第二段已经基本归Agent所有。以Core Automation的实践为例，他们把一次完整实验的周期从一个月压到一天，效率提升约30倍。这意味着，大量曾经需要研究员熬夜盯实验、调参数的工作，正在被编程Agent接管。
而第一段——决定研究方向——目前仍主要依赖人类。原因不是Agent缺乏创造力，而是它们的创造力是「劣质、海量堆砌」型的：想法确实多，但普遍质量堪忧。
事实：上述对Agent当前能力特征的描述，来自Tworek本人的判断。
推断：这并不意味着Agent永远无法进入「出主意」环节，而是当前在质量过滤和方向判断上仍有明显短板。
四、原理：Transformer的天花板与「运行时学习」的缺失
Tworek认为Transformer「几乎不可能是最优解」，核心论据有两个：
- 部署后无法继续学习：模型在对话过程中不会变强，下一轮对话还是原来那个它。即使是Codex这类编程Agent，连续使用约20分钟也需要压缩上下文窗口。
- 持续微调代价高昂：效率极低，且会「灾难性遗忘」——学会新东西就忘了旧的。
因此，过去几年整个行业围着Transformer做的工作，大部分是在「把它变便宜」，而不是在「把它变强」。
他真正想要的能力是 test-time learning（部署后继续学习），而替换Transformer只是通向这个目标的手段。
一个被忽略的事实
在OpenAI的七年里，真正认真尝试替换底层架构的次数只有3到4次。
原因是流程性的：先写小规模验证实验，跑至少三个月；结果看着像样才敢放大；而所谓放大需要说服大约10个掌握资源分配权的人，再投入3到6个月的时间。最后要么被Transformer的生态动能碾碎，要么被部分吸收成它的「螺丝钉」。
事实：「7年/3-4次」是Tworek对OpenAI内部架构创新产能的描述。
推断：这意味着架构层面的突破本身就是一个高门槛、低频次的事件，而不是持续涌现的常态。这不一定是技术问题，更多是组织决策问题。
五、冲击：30-50人的「池子」与Agent的接管
一个常被低估的现实是：全球真正能把一个前沿模型从训练摸到部署的人，估计只有30到50个。剩余所有人都在给这几十个人打下手——包括顶尖实验室里的绝大多数正式员工。
这是一个高度集中的产能结构。当这几十个人开始用Agent大幅放大自己的产出时，整个行业的产出节奏就会被改写。
Core Automation的招人名单印证了这一点：联合创始人来自Anthropic和Google DeepMind，做过Gemini的工程师被挖来，原OpenAI的人力负责人也加入。所有顶尖实验室在同一个30-50人的池子里抢人。
六、案例：十万美金顶一个专家
一个具体案例说明了Agent的冲击波已经触及最底层的性能工程。
Core Automation曾把一个QR分解内核（一种矩阵运算在GPU上的实现）交给编程Agent，运行约四周，烧掉约10万美元的调用成本，把这个内核的速度推到原来的60倍。
这类工作通常需要极少数专家一行一行手调，全世界能做这件事的人本身就屈指可数。
事实：上述数字来自Tworek在访谈中的描述。
推断：这未必意味着Agent能复制所有底层工程任务，但在特定、性能可度量的代码优化场景下，已经可以替代顶尖专家的工作量。这类场景的特点是目标函数明确、反馈信号清晰。
七、限制：算力悖论与「三年只动了三四次」的深层原因
Tworek自己就撞过一次「算力悖论」：
你必须先拿出结果，才有资格要算力；
可你明明得先有那笔算力，才砸得出结果。
当年是后来的首席科学家Jakub Pachocki给了他一批GPU资源，让他「把结果搞得再大一点、再狠一点」，这成为强化学习规模化突破的拐点之一。
这意味着，大多数前沿方向其实卡在「没有足够的算力做实验 → 拿不出漂亮结果 → 拿不到更多算力」的循环里。出口有时候只是领导层一点点信心。
事实：Tworek本人在OpenAI经历过这个转折。
推断：在资源分配高度集中于少数项目的实验室文化里，「信心」可能比「数据」更稀缺。这也解释了为什么架构尝试的频率如此之低——它需要的不是技术论证，而是组织层面的勇气。
八、未来：人类的两幅画面
访谈最后，主持人追问：等这一天真的到了，人还剩下什么可干的？
Tworek给出了两幅画面：
画面一：古希腊——人们在广场碰头，慢条斯理聊上一整天哲学，然后锻炼身体，吃橄榄，喝葡萄酒。他自己承认这大概只是在投射个人愿望。
画面二：高中或大学——人应该保留一种对「卓越」本身的追求。继续贪婪地学新东西，把身体和脑子都往死里练。
第二幅画面更接近职业体育——没有任何经济上的理由非逼着你流血流汗，但人骨子里的骄傲，就是要够一够那个叫「伟大」的东西。
而两幅画面背后，是同一个判断：
我们必须工作，这个世界才能运转——这个假设，根本没必要成立。
他也承认，对很多人来说（包括他自己），工作的消失意味着自我价值的动摇。这可能是最难迈过去的一关。
九、实践建议
综合以上信息，对不同角色的建议：
对正在做AI研究的从业者
- 把精力从「执行」转向「判断」——能定方向、能定义问题、能辨别结果是否真的漂亮，比能跑通代码更稀缺。
- 争取在30-50人那个池子里占一个位置；如果你不在池子里，要成为不可替代的「上下文提供者」，而不是「打杂的执行者」。
- 警惕「我只是在调参」的工作——这类工作被Agent替代的时间表会比想象的更短。
对实验室和团队
- 重新设计「人 + Agent」的协作流程，把Agent当成一个高产能的执行单元，而不是辅助工具。
- 在架构层面预留实验通道——当前3-4次/7年的尝试频率本身就是瓶颈。
- 不要把「我们已经做了相关实验」当成决策的唯一依据，因为「实验次数」本身就太少。
对个体
- 「一切都是skill issue」——失败的最后归因，往往不是大环境。
- 把「持续学习」从口号变成身体层面的习惯，这是未来少数不会被替代的能力之一。
- 提前为「工作的必要性消失」做好心理建设，这是对所有人都将到来的过渡。
十、未被回答的问题
这个判断留有几个未解的问题：
- Agent何时能从「劣质海量」的创意，进入「高质量筛选」的阶段？这取决于评价机制的建立。
- 如果Transformer真的被替换，迁移成本会有多高？整个生态（包括训练框架、推理优化、硬件适配）都会被重写。
- 当30-50人这个池子真正萎缩时，AI研究的「继承」如何发生？新一代研究员能否在没有亲身经历的前提下完成知识的代际传递？
这些问题，目前没有人有答案。能确定的是：两年这个数字本身不重要，重要的是它背后那个结构性变化——当Agent能自己学、自己变强、不再需要人在旁边投喂时，研究这件事的定义本身就会被改写。