OpenAI 首次公开内部账本：每人每天配 3.1 个 Agent 工作日，2028 年冲全自动 AI 研究员

OpenAI 发布博客《Research acceleration: The view inside OpenAI》，首次系统披露 AI Agent 参与内部科研的量化数据。去年秋天他们定下目标——"今年 9 月前拥有自动化研究实习生"，现在宣布：目标达成。

核心数据

• 3.1 个 agent-workdays / 人 / 天：每位研究员每工作一天，平均消耗相当于 3.1 个 AI Agent 工作日的自动化算力。半年前这个数字还不到 1。
• 重度用户日烧 7000+ 美元 token：研究员日均推理算力支出约 600 美元，头部 10% 超过 7000 美元/天，人均年花费约 20 万美元（按 API 价）。
• 产出端的变化：年初以来每位贡献者的代码变更量提升 7 倍，实验数量提升 1.6 倍。
• 多 Agent 协作已成常态：超过 70% 的研究员同时管理 4 个以上 Agent。

下一站他们也说得很直白：正朝 2028 年 3 月实现"全自动 AI 研究员"推进。

为什么值得关注

第一，这是第一份来自头部实验室的"Agent 用工成本"真实账本。 过去我们讨论"AI 员工"大多停留在案例层面，这次直接给出了人力配比（1:3.1）、单位成本（600-7000 美元/天）和产能变化（代码变更 7 倍）。对正在规划 AI 工作流预算的团队来说，这是极稀缺的锚点数据：AI 不是替代一个 headcount，而是给每个岗位叠加数倍的并行执行单元，而 token 开销会跟着并行度指数级走。

第二，"1 个工作日 = 3.1 个 Agent 工作日"的斜率比绝对值更重要。 半年时间从 <1 涨到 3.1，说明 Agent 编排能力（任务拆解、并行调度、结果回收）的成熟速度快于模型本身。真正拉开差距的不再是"用不用模型"，而是"一个人类能监督多少个 Agent"——这恰好是 Harness 层面的竞争。

第三，2028 全自动 AI 研究员意味着工作流重构要提前布局。 如果这个时间表哪怕只兑现一半，科研、工程团队的组织形态都会被改写：人类角色从"执行者"转向"目标设定 + 结果验收"。企业现在搭建的 Agent 工作流，最好按"未来一个管理者对应一队 Agent"的规模去设计权限、审计和成本控制，而不是按今天 1:1 的辅助模式。

一句话总结：AI work 的下半场，比的不是谁能用上最强模型，而是谁的人均 agent-workdays 提升得更快。