“两年后，人类在AI研究中的角色可能就像今天下国际象棋一样——能下，但没人会在意结果。”前OpenAI核心研究员Jerry Tworek在近期访谈中抛出这一观点，引发AI圈热议。这位主导过o1、o3等关键模型研发的专家，如今已离开OpenAI创立Core Automation，试图打造全球最自动化的AI实验室。
Tworek将AI研究分为“出主意”和“干活”两阶段。目前后者已基本被AI代理（Agent）接管——他创立的公司通过自动化流程将实验周期从一个月压缩至一天，效率提升30倍。但“出主意”环节仍由人类主导，原因在于AI代理的创造力虽高产却低质，“想法多如牛毛，但普遍糟糕”。
更严峻的现实是，全球真正能独立主导前沿模型研发的专家可能不足50人。OpenAI内部人士透露，其余从业者多在为这几十人“打下手”。Tworek证实这一现象：“任何顶级团队都是少数人定方向，身后跟着庞大的执行机器。”他创立的Core Automation已挖角Anthropic、DeepMind等机构的核心成员，印证了这场人才争夺战的激烈程度。
在Tworek看来，Transformer架构是横亘在AI进化前的最后一道墙。他指出该架构存在两大缺陷：无法在部署后持续学习，且持续微调会导致灾难性遗忘。尽管行业围绕Transformer的优化多聚焦于降低成本而非提升能力，但真正尝试替换底层架构的次数“七年里只有三到四次”。他回忆在OpenAI推动强化学习时，曾因算力不足陷入“必须有结果才能要算力，但没算力就出不了结果”的死循环，最终靠首席科学家Jakub Pachocki特批的GPU资源才突破瓶颈。
如今，自动化工具正在瓦解这道墙。Core Automation通过编程代理优化GPU内核的案例显示：投入约10万美元调用成本，即可将QR分解内核速度提升60倍——这项原本需要顶级专家手工调优的工作，成本大幅降低。Tworek认为，当自动化覆盖研发全链条后，那几十个专家的“方向盘”也握不了多久。
对于人类在AI时代的定位，Tworek描绘了两幅图景：一是像古希腊哲人般在广场辩论、锻炼、享受生活；二是像职业运动员般追求卓越，“没有经济必要，但骨子里的骄傲驱使我们触摸伟大”。他直言：“‘必须工作世界才运转’的假设，根本不成立。”这种观点与其创业行为形成微妙矛盾——他正在开发的自主进化系统，恰恰会加速人类研究员的边缘化。
这场访谈中最耐人寻味的细节，是Tworek对自身处境的清醒认知。他引用公司口头禅“一切都是skill issue”（失败只因技术不足），回应“创业太晚”的质疑。当被问及是否在为倒计时踩油门时，他坦言：“如果我们相信这是职业生涯最重要的阶段，那或许值得。”这种矛盾心态，恰似AI研究员群体的集体写照——他们既是颠覆者，也是被颠覆的对象；既在加速技术爆炸，又在计算自己职业的剩余时间。
