AI开始造AI了，机器人有福了？
OpenAI首度公开内部RSI进展，智能体工作量达人类3倍；宇树联手DeepSeek押注物理AI自进化；智驾的钱和人涌向具身智能。AI飞轮开始自转，具身智能正成为最大受益赛道，但商业化与数据闭环仍是硬门槛。
9月6日，OpenAI在官方博客《研究加速：OpenAI内部视角》里干了一件罕见的事：用内部数据证明AI在加速造AI。中位研究员每天烧掉600美元的智能体推理额度，研究组织整体上，智能体的工作量已经是人类研究员的3倍以上。
同一时间，大洋这头，王兴兴在宇树上市第二天现身北京世界机器人大会，十多分钟里反复念叨一个词：AI。他透露宇树科技正在预研物理AI机器人的自进化，而驱动它的，是DeepSeek的顶尖大模型。
再加上智驾行业的钱和人正在成建制地转向具身智能，一个判断开始变得清晰：AI飞轮开始自转，而具身智能很可能是这架飞轮最大的受益赛道之一。
🚀 研究实习生上岗：RSI从概念变成了KPI
金句先行：当AI能干活这件事开始被写成KPI，游戏规则就变了。
OpenAI这次披露的核心，是他们提前完成了去年秋天定下的目标——在今年9月前造出一个自动化研究实习生。注意它的定义：一个能在人类指导下执行明确定义研究任务的系统，包括那些需要一名熟练研究员数天才能完成的任务。
翻译一下：不是聊天助手，而是能独立跑通数天级研究任务的智能体。
支撑这个结论的，是几组很硬的内部数据：
- 今年年初，按使用量排序的中位数研究员对编码智能体的使用还很有限；到8月中旬，这批人已把智能体纳入日常工作流；
- 按API价格折算，中位研究员每天智能体推理使用额超过600美元；研究组织前10%的研究员，每天Token价值超过7000美元；
- 以中位员工的输出Token变化计算，研究部门的使用规模较2025年12月增长124倍；
- 更关键的转折在6月：在此之前，研究组织的智能体总运行时长低于人类劳动总时长，此后反超，至今已达人类的3倍以上。
研究部门的智能体使用增速快于公司其他团队，这一点很有信息量。AI最先吃掉的不是客服、不是文案，而是OpenAI自家最贵的人力——研究员。
据多位接近大厂的人士私下聊，头部模型公司内部早就把智能体替代研究工时当成季度指标在盯，只是没人愿意先公开。OpenAI这次开了头，等于把RSI从科幻叙事拉回了工程进度表的语境。
🔄 飞轮怎么转：一条正在陡峭化的曲线
金句：飞轮最难的是第一圈，之后每圈都比上一圈省力。
OpenAI描述的飞轮逻辑很直白：AI产出更多代码和实验结果，研究进展加快，更好的模型被训练出来，再反过来提升智能体能力。画出来就是这样：
下一个里程碑定在2028年3月：实现完整的自动化AI研究员，能够参与深度学习和对齐研究，并通过迭代进一步改进系统。也就是让AI真正进入那个自我改进的闭环，而不只是给人类打下手。
对机器人行业来说，这条曲线的意义在于模型能力的供给端正在变陡。具身智能过去两年最大的瓶颈之一，恰恰是底层模型对物理世界的理解能力和任务泛化能力不够。当上游模型的迭代速度被飞轮加速，下游的本体厂商相当于站在一条越来越快的传送带前面。
这不是玄学。研究加速的溢出效应，历史上每次都先惠及离模型最近的 应用层。这一次，机器人大概率在名单靠前的位置。
🤖 王兴兴的补课：宇树为什么需要DeepSeek
金句：会造身体的找会造脑的，是这个阶段最理性的分工。
宇树的故事线很有意思。8月19日上市，首日市值冲到4449亿元的高点，随后回落，到8月24日收盘只剩2400亿元左右，高点蒸发约2000亿元。市值缩水背后，市场真正关心的问题是：宇树接下来靠什么撑住估值？
王兴兴给出的答案是AI。8月20日他在世界机器人大会论坛上，谈AI实时生成、实时识别，谈AI模型投入，最后抛出了宇树的预研方向——让物理AI机器人实现自进化。他特别强调，这要用目前最前沿、最顶尖的AI大模型来驱动。
而这恰恰是宇树的短板。过去几年宇树在模型研发上有积累，但投入不足、进展缓慢。于是8月，宇树与DeepSeek达成合作，围绕AI大模型与具身智能相关技术展开。
当前具身智能大模型没有统一技术路线，VLA和世界模型是行业重点探索的两个方向，甚至有团队在摸索两者融合。宇树自己也在摸索，且模型投入明显跟不上节奏，找一个顶尖大模型公司合作，是比较自然的选择。
但这里有个绕不开的前车之鉴：
| 节点 | **Figure AI** × **OpenAI** | **宇树科技** × **DeepSeek** |
|---|---|---|
| 合作起点 | 2024年，OpenAI投资并签三年协议，共同开发人形机器人AI模型 | 2026年8月，围绕大模型与具身智能合作 |
| 合作时长 | 仅约一年后Figure终止合作，转向自研 | 刚刚起步 |
| 核心矛盾 | 顶级模型公司不愿只做外包大脑 | 待观察 |
问题很尖锐：王兴兴和梁文锋，会不会重走Figure AI和OpenAI的老路？
从产业逻辑看，模型-本体的短期分工是现实解——宇树的强项是电机、减速器、整机工程和成本控制，DeepSeek的强项是模型。但长期看，具身智能的核心资产一定是数据闭环加自研模型，Figure当年分手的逻辑（数据和能力都不愿假手于人）大概率会在每个头部玩家身上重演一次。合作是补课，不是终点。
💰 智驾的钱和人，正在涌向下一站
金句：资本流向是最诚实的信号，人才流向是最诚实的领先指标。
2026年，中国智驾交出的成绩单其实不差：上半年L2级新车渗透率70.5%，NOA车型渗透率34.2%，L3开始在特定区域上路。但聚光灯之外，一场人才迁徙正在上演。
曾在头部科技企业智驾部门干了三年的算法工程师陈茉（化名），数月前跳去了一家具身智能公司——新公司一半同事都来自智驾行业。前知名车企数据岗的周亦冉（化名）做了同样的选择，她的原话很到位：当年智驾火的时候，钱和人一起涌进来，现在风吹向了具身智能。
为什么走？商业账算不平。
国内智驾软件目前主要采用一次性购买模式，而国内消费者的软件付费习惯还没养成。结果是：L2渗透率再高，行业仍未赚到钱，量产规模填不满研发成本。当智驾从技术探索期走进商业落地深水区，边际增量故事讲不动了。
而具身智能这边，2025年至2026年融资事件数和金额双双攀升，宇树上市一度把市值顶到4449亿元。两边一对比：
| 维度 | 智驾（2026上半年） | 具身智能（2025-2026） |
|---|---|---|
| 技术成熟度 | L2渗透率70.5%，NOA达34.2% | 技术路线未收敛，VLA与世界模型并行探索 |
| 商业模式 | 一次性购买，付费习惯未养成 | 整机销售+早期场景验证，尚未规模化 |
| 资本态度 | 增量故事变弱 | 融资事件数与金额双升 |
| 人才动向 | 围城内重新打量位置 | 成建制接收智驾工程师 |
智驾工程师是具身智能最对口的劳动力池——感知、规划、控制、数据闭环，技能栈高度复用。当年智驾吸走了自动化的人才，如今这批人带着完整的工程方法论转向机器人，等于给具身智能做了一次人才层面的技术转移。
⚠️ 冷思考：飞轮很快，但落地有它自己的节拍
金句：上游的飞轮转得再快，也替代不了下游把数据闭环跑通。
必须泼三瓢冷水。
第一，合作模式的稳定性存疑。Figure AI与OpenAI从签约到分手只用了一年，具身智能的核心壁垒恰恰在数据和模型自研上，宇树与DeepSeek的合作能走多远，取决于双方对数据归属和长期利益的界定。
第二，估值与商业化之间隔着一条沟。宇树市值从4449亿元回落到2400亿元，市场已经开始用更挑剔的眼光审视人形机器人的订单真实性和场景兑现节奏。RSI加速的是模型能力，不是客户签单速度。
第三，物理AI自进化需要的不只是聪明的大脑，还有海量的真实交互数据。OpenAI的飞轮建立在数字世界代码可自动验证的基础上，而机器人面对的物理世界没有这样的快速反馈回路，飞轮逻辑不能简单平移。
行业内部其实早有共识：具身智能的飞轮，要么靠仿真补数据，要么靠真实场景跑闭环，两者都比写代码慢一个量级。
小结
OpenAI用内部数据证明AI在加速造AI，王兴兴给机器人找来了大模型大脑，智驾的工程师用脚投票涌向具身智能——三条线索拼在一起，指向同一个趋势：AI能力供给正在指数化，而具身智能是这波供给溢出的最优先承接方。飞轮已经开始自转，接下来比拼的，是谁能更快把模型能力翻译成真实场景里的可靠作业。2028年3月的自动化AI研究员是个值得盯的节点，但对机器人行业来说，真正的里程碑永远写在客户的车间里，而不是发布会PPT上。