AI训练AI，钱从美债里来？

9月7日，OpenAI在官方博客里丢出一篇《研究加速：OpenAI内部视角》，第一次用内部数据公开了AI"递归式自我改进"（RSI）的进展。

几乎同一时间，地球另一端，全球最大主权财富基金的管理机构NBIM致函挪威财政部，建议把债券组合里的政府债券权重从70%砍到50%，其中近800亿美元的削减直指美国国债。

这两件事看似不相干。但把它们摆在一起看，答案就很直白了：

AI要自己训练AI，需要的不是信仰，是天量算力；而算力背后，是全球资本正在重新排座次。

这篇我们就把这两条线拆开揉碎讲清楚。

🤖 "研究实习生"上岗了

先说最劲爆的那件事：RSI，也就是让AI改进AI自身，从科幻概念变成了有明确时间表的项目。

OpenAI在文章中确认，团队已经完成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"。

这个"实习生"是什么水平？定义很克制，它是一个能在人类指导下、执行明确定义研究任务的系统。注意关键词：明确定义的任务。这类任务，经验丰富的研究人员通常要干上好几天。

也就是说，AI现在能顶上人类研究员好几天的工作量，但还只是"实习生"，需要人带。

下一步更狠。OpenAI预计在2028年3月前实现完整的"自动化AI研究员"，让它能参与深度学习和对齐研究，并通过迭代进一步改进系统本身。

把时间线拉出来看，节奏相当紧凑：

OpenAI团队成员Kevin Liu在X上转发此文时说得直白："RSI很可能是未来几年AI能力跃升的核心驱动力，但该技术目前只存在于少数头部AI实验室之中。"

这句话有信息量。它意味着两件事：第一，RSI不是营销话术，内部已经有实打实的进展和用法；第二，这项能力本身就是新的护城河，不是花几百亿买卡就能追上的。

当然，Kevin Liu也顺势呼吁其他AI企业采取同样的公开举措，称信息透明能帮助社会公众讨论应当以何种节奏推进模型研发、是否需要约束。

这话听着高尚，但换个角度想：先公开的人，掌握定义规则的权力。这也是产业竞争的一部分。

💸 一张每天600美元起步的账单

RSI的进展，不只有里程碑，还有账单。

OpenAI给出的内部数据很能说明问题：今年年初，内部研究人员对Agent的中位使用量还处于较低水平；到8月中旬，研究人员已经把Agent融入日常工作。

融入到什么程度？看钱就知道了。按照API公开价格计算：

一天600美元，一个月就是1.8万美元起步。90分位的用户一天烧掉7000美元，一个月超过20万美元——这还只是一家公司内部研究人员的消耗，不是对外收入。

这个数字背后是两层产业逻辑。

第一层：推理算力的需求正在从C端聊天，转向B端深度工作流。研究员把Agent当同事用，意味着单任务消耗的Token量级比聊天高了不止一个数量级。这将持续推高推理侧的算力需求。

第二层：这种消耗是内部自循环的。AI帮助AI公司做研究，研究产出更强的模型，更强模型又提高内部效率。这笔账不直接产生收入，却在直接消耗现金和电力，它本质上是把未来几年的研发投入，前置到了今天的资本开支上。

业内普遍的判断是，这就是硅谷巨头们为巨额资本开支找的"新理由"：不再是赌下一代ChatGPT卖得多好，而是赌RSI这条自我加速的曲线本身。

⚠️ 实习生顶不上来的部分

但故事没那么线性。OpenAI在文章里给了一个很清醒的提示：

随着自动化进程推进，最不容易被自动化替代的研究任务，反而会占据研究人员更多时间，成为未来AI研发的新瓶颈。

这句话值得反复读。它承认了一个行业里大家心照不宣的现实：AI能接管"有明确定义"的任务，但问题定义本身、研究方向的选择、对齐的价值判断，这些模糊地带依然只能靠人。

自动化消灭了一批瓶颈，就会把瓶颈挤到下一个环节。老瓶颈缓解之后，OpenAI也明说了——算力的重要性会进一步凸显。

OpenAI并不是唯一押注RSI的玩家。

就在上个月，公开报道显示，谷歌DeepMind正把RSI视作AI资本开支的核心投资逻辑。该公司首席战略官Jasjeet Sekhon表示：尽管RSI技术远未成熟，但目前AI企业已经能用模型辅助设计其他模型的部分组件，这可被视为递归自我进化的"前兆"。

同时，Anthropic也正在把越来越多的AI开发工作委托给AI。

也就是说，头部实验室已经形成共识：模型辅助设计模型这件事，已经发生，只是程度深浅的问题。 RSI从技术路线图上的一个远期节点，变成了当下资本开支决策的核心变量。

而这条共识的尽头，指向同一个资源：算力。谁能在未来几年持续拿到、且用得起天量算力，谁才有资格留在RSI这张牌桌上。

💰 800亿美元，从美债挪窝

技术侧讲完了，看钱。

据英国金融时报报道，管理着逾2.3万亿美元资产的挪威主权财富基金（政府全球养老基金）的运营方NBIM，致函挪威财政部，建议将基准债券指数中政府债券的权重从70%下调至50%。

这一调整意味着：削减约1060亿美元的全球政府债券敞口，其中大部分来自美国国债，规模接近800亿美元。

具体怎么调？拆开看很有意思：

资金去向也说得明白：主要转向抵押支持证券（MBS）等风险溢价更高的固定收益产品。NBIM的逻辑是，目标MBS由房利美、房地美及吉利美等机构担保，信用质量"接近于美国政府债券"，但因存在提前还款风险，收益率略高于国债。

翻译成人话：既不想放弃美债级别的安全性，又想在同等安全边际上多薅一点收益。 这是在多年期高位的美债收益率、持续的市场抛售、以及地缘冲突推升通胀忧虑的背景下，一个顶级长线资金给出的妥协答案。

需要说明的是，这个提议还只是建议。信函由挪威银行行长Ida Wolden Bache与NBIM首席执行官Nicolai Tangen联署，完整报告预计明年1月提交，财政部将于2027年春季才向议会提出最终建议。

而且耐人寻味的是，今年4月，挪威财政部长Jens Stoltenberg还公开表示该基金"没有减少美国敞口的计划"，并称"预计不会有重大变化"。如今运营方主动提出调整，说明机构层面正在对债券组合做更主动的再评估。钱的态度，往往比声明更诚实。

🔌 两条线，在算力这里汇合

现在把两条线拧到一起。

一边，OpenAI、谷歌DeepMind、Anthropic确认RSI是真路线，AI训练AI正在加速形成；RSI跑起来之后，最稀缺的资源排序是：不可自动化的研究判断 > 算力。

另一边，全球最大的长线主权资金，正在从美债这种传统无风险资产中挪出800亿美元，去寻找风险溢价。美债收益率高位徘徊，财政部长Scott Bessent今夏多次干预市场仍未压下来。

这两件事的交汇点在哪？

在资本的定价逻辑上。RSI叙事的本质，是给巨额资本开支提供了一个超越传统收入模型的新理由，如果AI能加速改进AI，那今天的每一度电、每一块卡，都在为未来的能力跃迁"复利"。这解释了为什么头部实验室敢持续加码开支。

而主权基金的调整，则反映了长钱在宏观层面的同一逻辑：当无风险资产的实际回报被通胀和高收益率反复侵蚀，长线资金不得不在"接近国债信用"的资产里寻找多一点点的风险溢价，同时被动的目光必然会转向那些具备长期复利特征的成长资产。科技与算力，正是这个清单上最显眼的一栏。

换个更直白的说法：AI吃算力，算力吃资本，资本正在从美债这个全球资产定价之锚上，一小口一小口地松动。 800亿美元对2.3万亿的盘子不算伤筋动骨，但方向比规模重要。

当然，也要泼点冷水。RSI目前仍只在少数头部实验室手中，Kevin Liu自己都承认这一点；技术远未成熟，Jasjeet Sekhon也只敢称之为"前兆"。把叙事当成既成事实去定价，历史上从来没有便宜过。

小结。 这一轮我们看到的是两个进程的同步：技术上，AI训练AI从愿景变成有明确交付时间（2028年3月前的"自动化AI研究员"）的工程项目；资本上，全球最稳的长钱开始重新审视美债的配置权重。前者决定未来几年算力需求的上限，后者决定这些算力融资的边际成本。两条曲线只要同时陡峭下去，产业的游戏规则就会改写。接下来值得盯的信号有三个：挪威财政部2027年春季的最终决定、其他头部实验室是否跟进公开RSI进展、以及Token消耗曲线是否会从"内部研究"外溢到更多行业。钱往哪挪，路就往哪修。

（本文基于公开报道整理分析，不构成投资建议。）