问题
信号显示自主研究能力正在快速成熟（Anthropic 内部 AI 已独立完成 26% 的 R&D 工作，3 月仅为 1%），但这类能力目前只存在于头部实验室和学术原型（如 AIM、AutoLab）中。小型 AI/工程团队在做实验优化、CUDA 调优这类长时程任务时，仍需要人工反复设计实验、跑 benchmark、分析结果，人力是主要瓶颈。信号中并未直接呈现终端用户的抱怨，痛点强度仅为中等（pain: 3）。
目标用户
中小 AI 研究团队、独立 GPU/CUDA 优化工程师、需要大量重复实验优化的工程团队。市场规模不确定：信号来自头部实验室与学术界，未证明中小团队的实际采用规模。
解决方案
- 任务定义接口：用户用自然语言或配置文件描述优化目标（如 CUDA kernel 提速、超参搜索）
- 假设生成与实验规划：LLM agent 将目标拆解为可执行实验序列，自主排期
- 自动执行与监控：调用沙箱计算环境跑实验，失败时自动诊断并调整方案
- 结果分析与迭代：自动对比 baseline、汇总数据、决定下一步实验方向
- 报告输出：生成可复现的实验记录、代码和结论摘要，人只做最终验收
AI 是产品核心：承担假设生成、实验编排、结果分析与自主迭代的完整循环，人类只在最上层“steering from above”。
为什么是现在
两条信号都指向能力拐点：Anthropic 的追踪显示 AI 自主完成的 R&D 工作占比从 3 月的 1% 跃升至 26%；AIM 论文显示自动化研究系统在 wall-clock 时间上最快以 3.1 倍速度达到最强基线水平，并在长期 CUDA/模型开发任务上超出基线 4.9 个百分点。自主长时程任务能力刚刚跨过实用门槛，是切入这一方向的窗口期。
MVP 范围
做：单一垂直任务（如 CUDA kernel 或超参优化）上的端到端自动实验循环：读取任务描述 → 生成假设与实验方案 → 调用计算资源执行 → 分析结果 → 迭代改进 → 输出带复现脚本的报告。不做：开放式科学发现、跨领域通用研究、多人协作平台、商业化计费体系。
风险
- 技术风险极高：长时程自主实验的可靠性、错误累积和结果可复现性是核心难题。
- 算力成本：自动实验循环消耗大量 GPU 资源，前期投入大且回报不确定。
- ** incumbent 风险**：头部实验室（Anthropic 等）和开源系统（AIM、AutoLab）快速迭代，小团队成果可能很快被追平或开源。
- 需求风险：信号是能力进展而非用户付费意愿，市场是否存在真实买家未经验证。
已有产品
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
arXiv cs.AI10月1日增长数据
“AIM surpasses the strongest baseline by 1.6 percentage points on System Optimization tasks and 4.9 percentage points on long-horizon Model Development & CUDA tasks.”
AIM outperforms the strongest baseline on automated research benchmarks, reaching baseline performance up to 3.1x faster in wall-clock time.原文
The Rundown AI9月29日新能力
“Anthropic's own tracking shows AI now completes 26% of the lab's R&D work on its own, with humans just steering from above, up from just 1% in March.”
AI now completes 26% of Anthropic's R&D work on its own, up from 1% in March, indicating rapidly growing autonomous work capability.原文