从Astra到研究型智能体：AI参与科研工作的比例正在如何变化

一项来自 OpenAI 研究部门的内部数据披露，让“AI参与科研”从概念讨论进入了更具体的工作量衡量阶段。资料显示，截至 2026 年 8 月中旬，如果把 Agent 的运行时间统一折算为 8 小时工作日，OpenAI 研究部门每投入 1 个人类工作日，同时会产生约 3.1 个 Agent 工作日。这个数字描述的是单一研究团队内部的工作时间和任务调度变化，不应被理解为整个科研行业已经达到同样比例，也不能直接等同于研究员效率提升了 3.1 倍。

从有限辅助到并行执行

根据 2026 年 9 月 6 日发布的相关内部研究资料，2026 年初，OpenAI 研究员对 Coding Agent 的使用还相对有限。随后几个月，Agent 的运行时间持续增加。到 6 月左右，研究部门中 Agent 的总运行时间开始超过人类工作时间；截至 8 月中旬，二者的折算比例进一步达到 3.1:1。

这组数据真正值得关注的地方，并不在于 3.1 这个比例本身，而在于科研工作从“研究员亲自完成每一步”转向“研究员拆分任务并行调度”。过去，一项实验往往沿着比较线性的路径推进：研究员修改代码、启动运行、等待结果、检查异常，发现问题后再进行调试，之后进入下一轮实验。实验过程中的大量时间，消耗在等待计算、排查基础设施、整理结果和重复修改上。

当多个 Coding Agent 被同时调度时，同一项研究任务可以被拆解成不同支线。一个 Agent 负责修改实验代码，另一个检查基础设施问题，另一个监控实验状态，还有 Agent 负责整理或分析结果。研究员不再只是“亲手执行实验的人”，而更像是实验流程的设计者、任务的分配者和结果的审查者。

这种变化与传统的代码补全并不相同。代码补全通常发生在研究员正在编辑代码的局部环节，研究员仍然掌握完整的执行节奏。研究型 Agent 则可能持续运行多个步骤，跨越代码修改、实验执行、结果读取和问题定位等环节。它的价值不只体现在生成一段代码，而是体现在把一个目标拆解为一系列可以并行推进的工作单元。

3.1:1意味着什么，又不意味着什么

资料披露的 3.1:1，首先是工作时间的折算关系，而不是产出质量、论文数量或模型性能的对比。一个 Agent 工作日可能包含大量尝试、失败、重复运行和等待过程，其中一部分结果最终不会被研究员采用。因此，Agent 运行时间增加，只能说明系统承担了更多执行活动，不能自动证明科研产出按同等比例增长。

同样，公开资料中提到的研究员日均推理消耗，也需要准确理解。相关信息显示，截至 8 月中旬，OpenAI 研究员中位数每天使用的 Agent 推理资源，按对外 API 价格折算后超过 600 美元；使用量最高的 10% 研究员，每天按同一口径折算甚至超过 7000 美元。

这里必须强调，这些金额是“按公开价格折算”的资源使用价值，并不等同于 OpenAI 实际为每位研究员支付的账单，也不等同于单个研究员每天的直接科研成本。公开 API 价格与内部资源调度、硬件利用率、批量运行方式和实际财务核算并不是同一个概念。把折算金额直接当作真实支出，或者进一步推导出研究员个人创造了多少经济价值，都会超出资料本身能够支持的范围。

这组数字的意义在于，它显示高强度科研工作正在消耗更多 Agent 推理资源。研究员使用 AI 的方式，已经不只是偶尔询问一个问题或让模型生成一段辅助代码，而是把多个 Agent 作为持续运行的研究基础设施。研究员的工作台因此发生变化：人类的时间更多用于提出问题、设定约束、判断方向和审核结论，机器的时间更多用于搜索方案空间、运行实验和处理重复性任务。

但“同时运行多个 Agent”也会带来新的管理成本。Agent 数量增加后，研究员需要知道每个 Agent 正在做什么、使用了哪些假设、产生了哪些中间结果，以及不同 Agent 之间是否出现重复劳动。没有任务边界的并行化，可能只是把一个缓慢的流程变成多个难以追踪的流程。

研究员的角色正在从执行者转向监督者

AI进入科研流程后，最容易被忽略的变化，是研究员能力结构的变化。过去，研究员需要投入大量时间编写实验代码、配置运行环境和处理常见错误。这些能力仍然重要，但它们在工作中的相对位置可能发生调整。研究员需要更重视如何定义问题、如何拆解实验、如何判断结果是否可信，以及如何发现 Agent 没有意识到的前提错误。

一个优秀的研究任务提示，不只是告诉 Agent“完成某项实验”，还应当说明实验目标、可接受的假设、需要比较的变量、不能触碰的边界，以及什么样的结果才值得进入下一阶段。否则，Agent 可能在形式上完成任务，却在研究问题上偏离方向。

例如，同一个实验目标可以被拆成多个支线：一条支线寻找实现路径，一条支线复核数据处理逻辑，一条支线检查实验环境，一条支线尝试反例。这样的安排能够扩大探索范围，但也要求研究员具备更强的实验设计能力。研究员不是简单地等待多个答案，而是要决定哪些答案具有独立证据，哪些答案只是同一错误假设的重复表达。

这也意味着科研训练中的“直觉”不会自动消失。恰恰相反，当 Agent 可以快速生成大量方案时，人类对问题重要性的判断、对异常结果的敏感度、对实验设计缺陷的识别能力，可能变得更加重要。若研究员只会接受 Agent 生成的结果，却无法解释结果为何成立，那么并行执行速度越快，错误扩散的速度也可能越快。

验证责任没有被Agent接管

AI可以执行更多实验，不代表它承担了最终验证责任。科研结论要能够被复核，至少需要回答几个基本问题：实验是否真的按照设定条件运行，输入数据是否符合要求，代码是否存在隐藏错误，比较过程是否公平，结果是否具有重复性，以及结论是否超出了数据能够支持的范围。

在多 Agent 协作中，验证责任甚至可能比单 Agent 使用时更复杂。一个 Agent 生成代码，另一个 Agent 检查代码，第三个 Agent 分析结果，看起来形成了自动化的交叉检查，但它们仍可能共享相同的错误前提。如果所有 Agent 都使用同一份不完整数据，或者都按照同一种错误的评价方法工作，那么“多个 Agent 一致”并不等于结论可靠。

因此，研究机构需要把验证环节设计成独立的流程，而不是把“让另一个 Agent 再检查一次”视为充分保障。独立验证可以包括重新定义实验条件、审阅关键代码、抽查原始结果、保留运行记录，以及让未参与最初方案设计的研究人员重新判断结论。对于影响模型安全、科研伦理或重大资源配置的结果，人类专家的最终签字和责任边界仍然不可替代。

从组织管理角度看，未来科研团队需要记录的也不只是论文和实验结果，还包括 Agent 参与了哪些步骤、使用了哪些中间产物、哪些判断由人类作出、哪些部分经过人工复核。这样的记录不是为了增加流程负担，而是为了在结果出现问题时能够追溯原因。

从Astra到研究型智能体，变化首先发生在工作单元

搜索资料中还出现了关于 Astra 的描述。相关资料称，Astra 所体现的核心变化，是模型能力进步开始扩大可以交给 AI 完成的工作范围，并将科研、代码开发等专业软件操作视为可能受影响的场景。资料同时提到了一些高难度测试表现和大规模训练资源信息，但这些内容来自相关页面摘录，本文不将其进一步扩展为对 Astra 综合能力、商业化进度或行业影响的独立判断。

如果把 Astra 放在更长的技术演进中观察，它所代表的讨论重点并不是“模型是否能够替代某个职业”，而是模型能否承担更长链条、更复杂、更需要工具调用的任务。早期 AI 工具主要帮助人类完成一个局部动作，例如补全代码、解释报错或整理材料；研究型智能体则试图把多个动作串联起来，让系统围绕一个目标持续推进。

但任务链条越长，风险就越容易累积。一次局部错误可能在后续步骤中被当成前提继续使用，最终形成看似完整、实际失真的实验结论。模型能力越强，输出越流畅，研究员越不能只依赖表面表达判断质量。真正需要建立的是一套能够让 Agent 快速试错、让人类及时发现方向性错误的协作机制。

这也是为什么 OpenAI 研究部门的内部使用情况具有观察价值，却不能直接代表全行业。OpenAI 本身拥有特殊的模型研发环境、工程基础设施和研究任务类型，其团队使用 Agent 的频率、资源规模和工作流程，不一定适用于高校实验室、传统企业研发部门或资源有限的科研机构。不同机构在数据权限、算力条件、合规要求和研究目标上的差异，会直接影响 AI 参与工作的比例。

科研机构管理者需要重新定义“效率”

如果管理者只用 Agent 调用次数、运行时长或折算资源金额来评价 AI 项目，很容易把“使用更多”误认为“创造更多”。更合理的考察方式，是观察研究周期是否缩短、重复性工作是否减少、实验覆盖范围是否扩大、错误是否能够更早暴露，以及研究人员是否把更多时间投入到高价值判断中。

还需要区分不同类型的科研任务。对于代码重构、实验环境排查、常规数据整理等可验证程度较高的工作，Agent 可以承担更大比例。对于研究问题选择、关键假设提出、异常结果解释和最终结论确认，人类仍然需要保持更强控制。AI参与比例不应当设定为一个统一目标，而应当根据任务的可验证性、失败成本和责任要求分别设计。

技术团队则需要把 Agent 当作系统来管理，而不是把它当作一个聊天窗口。任务权限、数据访问、运行记录、结果版本和人工审批，都应该纳入工作流。尤其是在多个 Agent 并行时，需要明确谁负责提出方案，谁负责执行，谁负责复核，谁拥有暂停或终止任务的权限。

对于科研人员个人而言，最重要的能力也许不是让 Agent 运行得更多，而是让每一次运行都能回答清楚一个问题。一个没有明确判断标准的长流程，往往只会产生更多材料；一个边界清晰、验证路径明确的任务，才更可能转化为可用的研究进展。

【软盟观察】

OpenAI披露的研究部门数据，展示了AI智能体进入科研核心流程后可能出现的工作结构变化：人类研究员负责设定方向、拆分问题和审核结论，Agent负责并行执行更多代码、实验与分析任务。按公开价格折算的推理资源金额，以及3.1:1的Agent与人类工作日比例，具有观察意义，但目前只能被理解为单一团队的资料披露，不能直接外推为全行业现状。科研机构真正需要关注的，不是追求更高的Agent运行时长，而是建立与之匹配的验证、追溯和责任机制。AI扩大了实验空间，却没有自动替代科学判断；未来竞争的关键，可能在于谁能把更强的模型能力转化为更可靠、更可复核的研究流程。