AI独立研究超越人类？别急着下结论

华子上网 | 快评

AI独立开展科学研究，竟然超越了人类的表现。

没错，你没看错。

Prime Intellect 让 Claude Code 和 Codex 在 nanoGPT 优化赛道上实现完全自主运行——全程无人类介入、无人工干预，两个智能体自行开展实验、调整参数、探索优化路径——最终 Claude Code 达到 2930 步，超越了 2990 步的人类基准。

等一下，读一遍这句话。

AI 的研究成果，超越了人类设定的 benchmark。

但事情没这么简单。

如果你只看标题，你会以为 AI 已经成为科学家了，可以收拾东西回家了。

冷静一下。

智能体在这件事上确实厉害——约 1.4 万 H200 小时的算力投入，系统性地遍历了社区主流的优化方法，执行超参数扫描，尝试各种策略组合。在"系统整合已知最佳方法"这件事上，AI 的效率是人类的 10 倍、甚至 100 倍。

这什么概念？

就像刚入职的新人，把过去十年所有论文的最佳实践全部翻出来，排列组合做了大量实验，最终找到一套最优配置，超过了老教授手动调整的结果。是天才吗？是的。但这是另一种天才。

真正的考验在后面。

项目有一关叫"新颖性检查"。

意思就是——别光抄作业，你倒是想点新东西出来。

结果呢？

智能体全军覆没。没有一个能在真正创新的环节上突破基线。

它能做最好的学生，但你让它当老师，它不会。

很多人看到这个新闻会慌。

会有人说"完了，程序员要失业了"——连搞研究的 AI 都出来了，写代码的算什么？

我反而觉得，这是一个好消息。

如果 AI 真正突破的是"组合优化"和"系统整合"这条线，那它解放的是什么呢？是科学家和技术人员从无聊的超参数调参中解脱出来。它把最枯燥、最重复、最像体力活的环节抢走了。

把创新留给了人。

我说两句不好听的。

现在的问题不是 AI 能不能搞科研。

问题是，人类搞科研的流程还在用上个世纪的模式——一篇论文从实验到发表要半年，审稿再半年，代码可复现性是最低优先级。AI 社区虽然在开源上领先，但整个学术体系的运转速度已经被 AI 远远甩在后面了。

你想想，AI 一天能跑一万次实验。

人类审稿人一个月看一篇论文。

这种速度差，到底谁拖谁的后腿？

最后说一句。

AI 还没学会"灵光一闪"，

但它已经学会了把所有已知的方法试个遍。

这还不够可怕吗？