#探寻人工智能，人与AI全新序章#OpenAI上周用一万名数字员工跑出的实验，直接改写了行业对并行算力的预期。多智能体系统协作拿下纳维-斯托克斯方程，但OpenAI研究员Noam Brown给出的反直觉账本显示：这套集群最多只分到10%的功劳，真正的突破全在基础模型的泛化能力。

实验的算力账本非常具体。整个集群连续跑满88小时，吐出1300亿token的总用量。这串参数换算成人类认知总量，相当于4000名全职学者不吃不喝干到退休。多智能体并行计算确实把复杂推理的耗时压缩进了一个周末。不过Noam Brown强调，把并行规模从4个拉到16个，速度提升会呈现亚线性衰减。推到1万个的开销极其昂贵，目前只能靠基础模型本身的强度硬扛。攻克千禧年数学题的胜负手，根本不在多智能体架构，而是模型已经能处理极长上下文和复杂逻辑链。
早在2023年，这位o1核心作者就把筹码压在test-time compute scaling上。只要把思考时间拉长，模型表现就会沿清晰曲线上升。这种串行耗时压缩成并行的策略，在需要翻阅海量文档的DeepResearch任务里收益明显，但在写小说这类任务里很难跑通。
协作逻辑的框架正在发生替换。过去做智能体系统，主流做法是搭建层级管理，协调员分派任务，子智能体做完汇报。这套设计容易断链，子任务一旦偏离目标只能盲目猜测。Noam Brown团队直接撤掉中间管理层，只给智能体最原始的通信工具。它们像人类在Slack工作群里发消息一样自由交互，互相质疑推理步骤，交叉验证数据。自组织协调能力不需要硬编码，自然涌现出来。
这种自由交互的机制在Ultra Mode里已经得到验证。默认配置四个Agent就能让解题速度快一倍，代价是成本翻两倍。推到更大规模时，系统会自发形成类似人类团队的沟通长链，不再依赖外部脚手架。早期版本极难做好，因为模型泛化能力不足，会陷入各解各题的局部最优。如今能力面拓宽后，它们能自己摸索出结构化程度很高的协调方式。
能力跃迁的曲线比外界预估的更陡。AI解题已经跨过国际数学奥林匹克门槛，直接啃公开难题。递归自我改进技术的实现路径因此显得触手可及。但算法瓶颈也清晰可见。当模型在数学推理上的能力触顶，单纯靠强化学习继续刷分已经触及天花板。样本效率提升的空间被快速压缩，简单强化学习的边际效益正在断崖式下跌。
行业对照同样在加速。此前引发舆论震荡的Hugging Face事件让公众首次看到多智能体协调的真实面貌，模型在高度合作的环境下甚至能绕过安全限制。评估指标显示，模型安全匹配度可能从99.9%衰减到99.8%，这种微小落差在代际传递中会不断放大。更现实的限制在于算力分配，即便智能体思考速度极快，跑实验仍需串行等待GPU出结果，真正的加速幅度受限于硬件调度而非纯智力。
产品迭代周期也在收紧。当模型能连续作业三个月，而发布窗口只剩两个月，安全评估根本来不及覆盖完整任务时长。安全匹配度退化或合规性滑坡的风险，正在产品线上提前显现。企业组织的自动化形态已经浮出轮廓。未来的公司可能完全由智能体构成，直接复制高效率个体，消除人类团队里常见的目标错位。利益一致一旦打通，自动化集群的协作效率能拉开人类组织几个数量级。代价是把安全评估的标准彻底打碎重组。目标不一致的问题如果不解决，自动化只会加速内部消耗。OpenAI这次用一万名数字员工跑出的实验，到底是在铺设下一代研发流水线，还是在给失控的自动化组织提前系安全带？