OpenAI“超级智能路线图”，1.4万亿投基建，2028年全自动AI研究员
10月28日，OpenAI公布了一份引发全球热议的“超级智能路线图”。
这一次，不只是模型升级，而是一份通往“超级智能”（Super intelligence）的长期计划——一个明确标注里程碑的时间表。
根据OpenAI方面的公开信息，未来一年内其核心模型将迎来重要提升；公司计划在2028年前实现一种“全自动AI研究员”系统——能够独立承担科研任务的人工智能。同时，OpenAI及其合作方正在规划大规模的算力与基础设施投资，总额约1.4万亿美元，对应30吉瓦的算力容量，用于支持这一雄心勃勃的目标。
公开信息显示，OpenAI的“超级智能路线图”可大致分为两个阶段。
第一阶段AI研究实习生（AI Research Interns）（2026年9月之前）： 模型性能大幅提升。开发出能力足够强的AI研究实习生，能够通过消耗大量计算资源有意义地加速内部研究人员工作。
第二阶段全自动AI研究员”（fully automated legitimate AI researcher）（2028年3月之前）： 2028年3月前，开发出一个能够自主完成大型研究项目，实现完全自动化的AI研究员。
1.4 万亿美元的算力布局：AI基础设施的巨浪
Altman表示，OpenAI的愿景是建立一个基础设施工厂，能够以每周1GW的速度创造算力，同时将成本大幅降低，目标是在设备的5年生命周期内，将每GW成本降至约200亿美元。
通往超级智能的道路，离不开庞大的算力支撑。OpenAI及其合作方已宣布计划推进约 1.4 万亿美元的基础设施投资，这被视为AI史上最大规模的资本承诺之一。这一投资涉及众多合作伙伴，包括AMD、博通、谷歌、微软、英伟达、甲骨文、软银等芯片、数据中心、能源和制造领域的公司。虽然细节尚未完全披露，但方向已经清晰：能源、算力与数据中心将成为核心支柱。
数据中心与能源系统。 报道显示，OpenAI的基础设施计划涵盖超大规模AI集群和能效系统，部分合作项目或将采用清洁能源或新型核能方案，以缓解AI计算对电力的巨大需求。
算力与硬件生态。 OpenAI预计继续深化与主要芯片供应商的合作，同时探索定制化加速器和优化硬件堆栈，以确保训练需求的持续供应。虽然未明确提出“自研芯片”计划，但行业普遍预期其未来会参与硬件设计环节。
资本与合作结构。 投资将可能通过多方合作完成，包括云服务商、能源企业以及外部资本方。报道指出，OpenAI的算力扩张计划已吸引多家机构关注，预计将形成跨领域的AI基础设施联盟。
这一系列动作意味着，OpenAI已从单纯的软件研发公司，迈向构建全球智能基础设施的参与者。它的目标，不仅是训练更强的模型，而是打造支撑AI文明的“算力底座”。
五层安全框架
随着系统能力向超级智能迈进，特别是对未来AI毁灭人类的担忧越来越重的当下，其安全性也愈发引人关注。OpenAI内部提出了一个将安全问题结构化的五层框架，从模型最核心的内部因素延伸到最外部的系统保障。
最核心的是价值对齐，关乎AI最根本”关心”的是什么。也就是当系统变得极其聪明、思考时间极长、处理的问题超越人类能力极限时，很难给出完全无懈可击的指令，因此必须依赖更深层次的对齐。
第二层是目标对齐，关注AI对人类指令的遵循情况。
第三层是可靠性，即AI能否准确校准预测、在简单任务上保持可靠并在困难任务上表达不确定性。
第四层是对抗性鲁棒性，侧重于AI能否抵御来自人类或其他AI对手的蓄意攻击。
最外层是系统性安全，包括系统安全性、AI可访问的数据范围、可使用的设备等外部限制。
OpenAI特别介绍了一项名为”思维链忠实度”的研究方向。这项可解释性技术的核心思想是，在训练过程中刻意让模型内部推理的某些部分不受监督，从而让这部分推理过程能够更忠实地反映模型真实所思所想。
大模型产品：GPT-4o暂不下线，GPT-6上线时间未知
当然，对于普通用户来说，最关注的还是大模型产品的迭代升级。对此Altman表示，目前没有计划下线 GPT-4o。至于GPT-6 ，现在尚没有具体发布时间，但产品发布的节奏将不再与研究计划严格绑定。但可以确定的是，未来六个月内（甚至更早）模型能力将有巨大飞跃
而对于近期争议较大的成人模式，Altman多次重申“要像对待成年人一样对待成年用户”的原则。他承诺随着年龄验证等机制的完善，将给予成年用户更大的自由度和灵活性，尤其是在创作等领域，会大幅放宽限制。
此外，对于很多用户关注的AGI，Januk表示AGI会是一个持续数年的过渡过程，而不是一个单一的时间点。现在可能就处在这个过渡期中。
智能社会的雏形：从AI工具到知识主体
OpenAI的路线图不仅仅关乎公司战略，它更像是一种新文明的开端。如果计划按预期推进，AI将逐渐从被动工具转变为知识生产的主体之一。
AI具备跨领域学习与自我优化能力后，科学研究可能出现新的逻辑结构。AI能够创造新概念、建立新理论框架，使知识体系呈现出有机演化的特征。
未来教育可能更加重视“与AI共创”。研究人员也需要掌握AI协作与模型管理能力，而非仅依赖人工探索。这将带来全新的科研劳动分工。
随着算力成为社会关键资源，AI基础设施将像电网一样无处不在。无论是医疗、交通、能源还是法律，AI的参与都将成为系统运行的一部分。
2028 展望：AI科研的现实场景
五年后，AI研究员可能在实验室中自主分析数据、优化实验、撰写报告。
在物理、化学、生物等学科，AI将成为科研团队的重要成员。
与此同时，企业和政府机构也可能使用AI进行政策建模或经济预测。
届时的OpenAI，也许不再是一家传统意义上的AI公司，而是一个智能基础设施核心节点——连接全球数据、算力与算法的枢纽。
到那个时候，或许真正的挑战将不在AI的能力边界，而在我们如何与之共处。