关于 AGI（通用人工智能）是否会在未来十年内实现，这个问题在 2026 年不仅没有共识，反而因为技术路线的分化和商业利益的介入，变得比以往任何时候都更加撕裂。最核心的困难在于，连”AGI 是什么”都没有统一的定义。
有人把它等同于”能完成人类几乎所有工作的模型”，有人认为必须具备”从零提出新科学假设的能力”，还有人坚持”没有物理身体的智能根本不算通用智能”。定义不统一，讨论”什么时候实现”自然就成了各说各话。
1
时间线预测：从”就在今年”到”还需要几十年”
目前业内的预测大致可以分为三个阵营。
激进派
AGI 近在咫尺
2026—2027
马斯克认为 AGI 将在 2026 年底实现；阿莫迪预判 2027 年将出现”诺贝尔奖得主水平”的模型。核心依据：模型已进入”自我改进闭环”，工程师转型为模型的”编辑”。
代表：马斯克、达里奥·阿莫迪
渐进派
还需关键突破
2029—2030
哈萨比斯认为 AGI 需要探索自然科学、提出全新理论的能力，还差”一到两项 AlphaGo 级别的技术突破”。2030 年前有 50% 的概率实现。
代表：戴密斯·哈萨比斯
降温派
仍然遥远
数十年
杨立昆认为仅依赖当前 LLM 路线几乎不可能通向 AGI。吴恩达判断真正实现可能还需要几十年。辛顿估计 5 到 20 年。
代表：杨立昆、吴恩达、辛顿
值得注意的是，即便是同一阵营内部也存在张力。黄仁勋在 2026 年 3 月宣称”我们已经实现了 AGI”，但他同时承认目前 AI 代理的成功”高度偶然”，”十万个这样的代理里能真正做出一个英伟达的概率是零”。
⚠️ 商业叙事的干扰
这种自相矛盾的表态，恰恰说明 AGI 这个概念本身已经被商业叙事严重污染——在 OpenAI 等公司的合同条款中，”是否达到 AGI”直接绑定巨额资金和战略方向，宣称”已经实现”往往不是技术判断，而是资本信号。
2
真正的技术障碍在哪里
抛开定义之争，当前 AI 系统确实存在几个被广泛认可的能力短板。
3
关键变量：什么因素决定时间线
未来十年 AGI 能否实现，取决于几个核心变量的走向。
算力瓶颈
哈萨比斯明确指出算力是当前最大的瓶颈。GPT-6 Astra 训练使用超过 10 万块 GPU，这种量级的投入能否持续，直接关系到迭代速度。
架构创新
当前基于 Transformer 的架构可能存在根本性局限。世界模型、持续学习机制、更高效的推理架构都是可能的方向，但都尚未成熟。
安全与竞争博弈
哈萨比斯将当前局面形容为”囚徒困境”：花更多时间做安全测试的实验室，反而会在竞争中处于劣势。安全考量被竞争压力压制，可能制造出能力强大但不可靠的系统。
花更多时间做安全测试的实验室，反而会在竞争中处于劣势。——戴密斯·哈萨比斯
4
一个诚实的判断
综合来看，在未来十年内（即到 2036 年），实现一个在严格定义下、具备人类水平通用认知能力的 AGI，概率并不高。
更可能发生的情况是，我们会在特定领域看到”窄 AGI”——在编程、数学、科学研究等可验证领域达到甚至超越顶尖人类水平，但在物理世界交互、持续学习、提出全新科学假设等方面，仍然存在结构性差距。
哈萨比斯自己的估计——2030 年前 50% 概率——可以看作是一个相对中肯的锚点。这意味着即便在最乐观的渐进派看来，未来十年内实现真正 AGI 的概率也只是”抛硬币”。
而考虑到他同时强调还需要”一到两个 AlphaGo 级别的突破”，而这类突破何时到来本身就高度不可预测，实际概率可能更低。
结语：不如问一个更实际的问题
AGI 不会在某一个早晨突然”降临”。它更可能是一个渐进的、不均匀的过程：某些能力先达到人类水平，另一些长期滞后；某些场景先实现”通用”，另一些始终无法突破。
与其追问”AGI 什么时候来”，不如关注一个更实际的问题：在通往 AGI 的路上，哪些能力正在变得可靠，哪些仍然脆弱，以及这些变化对现实世界意味着什么。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...