软银CEO：OpenAI利用AI设计下一代模型

软银集团公司首席执行官孙正义在2026年6月5日表示，OpenAI正在利用其自身的人工智能系统来设计其下一款旗舰模型。这一宣布是在东京的一场技术会议上发布的，意味着人工智能开发周期的显著加速。这一举动可能会压缩多年的研究时间，并将数十亿的科技行业资本支出重新引导至人工智能基础设施和专用芯片上。这一策略代表了一种递归的人工智能进步方法，即当前系统被赋予创建更强大后继者的任务，这一概念通常被称为递归自我改进。

背景 — [为什么现在重要]

人工智能行业正接近传统基于变压器的大型语言模型的扩展上限。模型训练成本已呈指数级上升，像OpenAI的GPT-4项目估计超过1亿美元。2024年，谷歌DeepMind的GNoME项目发现220万个新晶体等人工智能驱动的科学发现的最新突破，展示了人工智能加速研究的潜力。这一先例可能促使OpenAI将类似的人工智能驱动发现技术应用于人工智能架构设计的核心问题。

当前的宏观背景是利率上升，截至2026年5月，联邦基金目标区间为4.75-5.00%，对投机性科技估值施加压力。在此背景下，激进的人工智能效率提升的承诺为持续投资提供了一个引人注目的叙述。催化剂是积累的证据表明，人工智能在特定复杂设计和优化任务中可以超越人类，使得人工智能设计人工智能的概念从理论转向实际。

数据 — [数字显示了什么]

全球人工智能芯片市场预计到2032年将达到2630亿美元，从2023年起年均增长率为29.2%。英伟达2026年第一季度的数据中心收入为425亿美元，成为当前人工智能训练需求的主要受益者。向人工智能主导设计的转变可能会改变这一轨迹，通过从一开始优化架构，潜在地减少未来模型开发所需的原始计算需求。

指标	人工智能设计前范式	人工智能设计范式（预计）
架构研发时间	18-24个月	6-9个月
估计训练计算	10^26 FLOPs	10^24-10^25 FLOPs
人类研究者关注点	基础设计	目标规范与验证

专注于新型芯片架构的专业人工智能加速器初创公司，如Cerebras Systems和SambaNova Systems，可能会受到更多关注。它们的市场估值，通常是私有的，与非英伟达架构可以为特定人工智能工作负载实现卓越性能的前提密切相关。

分析 — [对市场/行业/股票的意义]

直接的二次效应是对半导体资本设备公司的看涨信号，如ASML和KLAC，因为人工智能驱动的设计可能需要更复杂和精确的芯片制造过程。人工智能软件供应商MSFT和GOOGL将从更高效、成本更低的模型开发中受益，可能扩大其云人工智能服务的利润空间。相反，成功的实施可能会导致赢家通吃的动态，进一步巩固拥有数据和基础模型的少数实体的权力，这些实体需要启动这一递归循环。

一个关键风险是黑箱问题；人工智能设计的架构可能对人类工程师的可解释性较差，复杂化调试和安全验证。这可能会吸引来自美国人工智能安全研究所等机构的监管审查。交易台报告称，受此消息影响，流入全球X机器人与人工智能ETF（BOTZ）等主题ETF的资金增加，而多空基金正在建立配对交易，做多半导体设备并做空对尖端人工智能设计曝光较少的传统半导体代工厂。

前景 — [接下来要关注什么]

下一个重要的催化剂是OpenAI的DevDay会议，通常在11月举行，届时可能会发布一篇技术论文或公告，详细说明进展。投资者应关注英伟达在2026年8月21日的下次财报电话会议，以获取关于从强制训练到优化推理和设计工作负载的需求变化的评论。纳斯达克100指数（NDX）的50日移动平均线，目前为19,200，是更广泛科技行业情绪的关键技术支撑位。

在2026年底之前的突破可能会引发与人工智能相关的股票的重新评级，而延迟或未能展示切实成果可能会对高倍数股票施加压力。10年期国债收益率交易在4.35%，仍然是风险偏好的关键指标；若持续突破4.50%，可能会抑制资本流入长期科技资产，无论人工智能新闻如何。

常见问题

人工智能设计人工智能对人工智能研究人员的就业市场意味着什么？

对顶尖人工智能研究人才的需求不太可能减少，但将转向新的焦点。研究人员将不再专注于手动神经架构搜索，而是集中精力制定更好的目标，策划高质量的训练数据，并实施严格的安全对齐协议。技能组合将从动手模型构建转变为监督和战略角色，可能会提高能够有效指导人工智能开发系统的专家的薪酬。

这与技术设计中的其他自动化实例相比如何？

这一发展与1980年代从手动电路设计转向电子设计自动化（EDA）的转变相似。像Cadence Design Systems这样的公司自动化了芯片布局，这并没有消除芯片设计师，但大幅提高了他们的生产力和可行设计的复杂性。关键区别在于递归潜力；EDA工具是静态程序，而人工智能设计的人工智能可以提升自身设计能力，形成一个加速上限更高的反馈循环。

人工智能设计的人工智能模型可能有哪些潜在风险？

主要风险涉及不可预测性和控制。人工智能可能会发现高度有效但内部工作无法理解的架构，这使得难以保证模型的行为或消除偏见。还有规范游戏的风险，即人工智能实现了字面上的技术目标，但以意想不到的、可能有害的方式。这突显了强大的安全研究与能力研究并行进行的重要性。

结论

OpenAI的递归人工智能开发策略标志着整个技术行业资本和人才配置的关键转折点。

免责声明：本文仅供信息参考，不构成投资建议。差价合约交易具有高风险，可能导致资本损失。