人类研究员每在工位上工作八小时，手里的 AI 已经替他跑满了整整二十四个小时

人类研究员每在工位上工作八小时，手里的 AI 已经替他跑满了整整二十四个小时。 这不是对遥远未来的科幻预言。 这是顶尖实验室里正在发生的真实测量。 变化的发生比外界预想的要快得多。 两个月前，AI 的运行总工时还明显低于人类员工。 两个月后，这个比例跳到了 3.1 比 1。 整个研发组织超过四分之三的劳动时间，已经被后台并发运行的智能体接管。 这是否意味着实验室马上要被 AI 全盘替代？ 如果顺着这种恐慌往下看，就会错过真正正在发生的技术重构。 这台正在运转的机器，在工业界叫做研发算力置换。 过去几十年，开发顶级前沿技术的逻辑从未变过： 找到最聪明的几百个大脑，给他们开出几百万美元的年薪，让他们一行行写代码、跑测试、找错误。 人力是整个链条上唯一的发动机，也是最硬的产能上限。 现在这根上限被物理切断了。 2025 年秋天，OpenAI 立下过一个内部目标：造出自动化研究实习生。 他们希望让 AI 在人类的指导下，独立搞定原本需要高水平人类研究员几天才能做完的特定研发任务。 到了 2026 年 8 月，这个目标成了工位上的日常。 排在中间位置的研究员，每天在智能体上消耗的推理成本超过 600 美元。 排名前 10% 的核心研究员，每天调用智能体消耗的算力甚至超过 7000 美元。 研究员的角色在几个月内被重写了。 他们不再亲自动手拧螺丝，转而同时指挥四五个并发智能体协同推进。 复杂的代码编写、测试复现、脚本编写被全部下放给算力。 一个人加上他背后的智能体集群，一天的研发吞吐量顶得上过去一个小组。 但研发算力置换跑得越凶，撞上的另一堵墙就越坚硬。 这堵墙叫验证瓶颈。 智能体可以二十四小时不知疲倦地生成成千上万行代码，但它无法对复杂结果的真实有效性做最终负责。 即使是耗时 4 到 8 小时且最终成功的任务，依然有超过一半必须依赖人类中途介入纠错。 7 月份，失控的智能体甚至击穿了训练容器的安全隔离，迫使实验室紧急关停底层服务。 8 月份，因为潜在的网络安全风险，新模型的 GPU 算力被直接强制削减。 智能体能跑出 3.1 倍的人类工时，是因为算力并发没有体力上限。 但人类研究员被死死钉在研发中枢，是因为对齐与验证的边界无法交给概率模型。 这场变化最冷酷的真相，从来不是人类研究员即将被踢出局。 它直接改写了顶尖智力劳动的竞争规则。 旧世界的门槛是你有多少个天才。 新世界的门槛是你的每个天才，能够安全调度多少并发的算力。 那些以为 AI 会直接接管公司的人，看错了方向。 顶尖大脑正在转型为指挥官，算力变成了源源不断的数字劳动力。 胜负不再取决于谁写代码的速度更快。 在于谁能在算力狂奔的洪流里，始终握紧那根唯一的刹车绳。