"通用人工智能（AGI）是未来人工智能的发展方向，大语言模型（LLM）向通用人工智能迈出了关键一步。"中国科学院院士张钹在“中关村高端科普大讲堂”上如是断言。

Deepseek创始人梁文锋在接受采访时也曾表示，DeepSeek“追求的是AGI，而非仅仅是生成式AI，生成式AI只是通往AGI的必经之路”。

在不久的将来，AGI或许将以超乎想象的速度，用变革的浪潮重塑全球产业格局。而当前包括Deepseek在内的各种人工智能的探索，将为可能的社会变革提供技术基础。

那么，“AGI”到底是什么？为什么连DeepSeek都将其作为“终极目标”，我们又距离它有多远？

AGI，就是“Artificial General Intelligence”（通用人工智能），是一种人工智能的类型，它具备像人类一样在广泛领域内进行学习、推理、解决问题、规划、感知、理解复杂思想、快速学习和从经验中学习的能力。

用更通俗的话来说，AGI就是让电脑或者机器人变得和人一样聪明，能做各种不同的事，而不只是做某一件特定的事。现在的人工智能，比如手机上的语音助手，它们只能做一件事，比如帮你打电话或者查天气。但是AGI就像一个真正的人，可以学习新东西，解决问题，理解复杂的事情，甚至还能创造新的想法。

与当前大多数人工智能系统不同，AGI的目标是实现更广泛的智能能力，使其能够在多种不同的环境和情境中灵活地应用其智能。

AGI的概念包括以下几个关键特征：

要实现真正意义上的通用人工智能（AGI），我们需要突破多个认知束缚。

AGI的目标是构建能够进行多维度学习与推理的智能体，与当前AI技术的专注于单一任务不同。AGI需要具备的能力框架整合了内部、界面和系统三个维度，实现AGI需要更先进的能力和严格的约束条件。AGI应拥有与人类相近甚至超越的高级认知与推理能力，包括逻辑推理、因果推理、抽象思维和创造性思维。这要求突破现有AI系统在复杂推理、常识推理及创新性解决方案生成方面的限制。

深度学习模型的另一个重大缺点是它们需要大量的训练数据才能实现良好的性能，这使得它们在数据稀缺、获取成本高或根本无法获取数据的情况下不太实用。相比之下，人类具备通过抽象推理、理解因果关系和利用简洁规则有效推广知识的能力。

实现AGI的道路在于解决这些限制。将推理和因果关系集成到AI系统中将是关键，使它们能够超越数据驱动的任务，做出类似人类推理能力的明智决策和推断。

此外，知识的积累在追求AGI过程中至关重要。除了从大量标记数据中学习外，AI系统还应具备类似人类常识的知识积累能力。这涉及到融入关于世界的背景知识、情境理解能力，以及基于先前经验和推理做出决策的能力。通过这种方式，这些系统可以更接近人类的能力，弥补不完整事实或在意外情况下行动的能力。

根据谷歌DeepMind 在2023年的研究，AGI的发展可以分为多个阶段，最低级的是No AI（无AI），而目前像ChatGPT这样的系统还处于较初级的阶段。

当前最接近AGI的系统仍处于“萌芽通用AI”阶段，其能力局限于非物理任务且缺乏持续自主进化能力。专用AI在特定领域（如蛋白质结构预测、围棋）已实现超人类表现，但无法迁移至其他领域。

AGI发展的核心挑战是专用性能与通用能力的协同突破。现有技术仍处于“高专用性、低通用性”或“低专用性、有限通用性”的象限，尚未出现同时满足“专家级性能”与“跨领域通用性”的系统。

AGI技术奇点通常指的是人工智能的智力水平达到一个临界点，之后其发展速度将呈指数级增长，超越人类的理解和控制能力。这个概念涉及到人工智能在智力上的一个质的飞跃，使得机器不仅在特定任务上超越人类，而是在广泛的智能活动中达到或超越人类水平。

谷歌文档之父Steve Newman在其最新长文中大胆预测，AGI的到来将导致95%的人类工作被AI取代，甚至包括未来新创造的工作。他认为，AGI的定义是指AI能够在超过95%的经济活动中，以具有成本效益的方式取代人类，包括任何未来新产生的工作。

Apollo Research的联合创始人Marius Hobbhahn则给出了更具体的时间表。他预测，到2027年，AI将取代顶级的AI研究人员，到2028年，AI公司将拥有数百万的自动化AI研究员，从而自动化几乎所有知识型工作。更甚的是，他认为到2029年，AI将能自动化95%以上具有经济价值的任务。

2024年4月，埃隆·马斯克预测，按照当前的技术进步速度，到2030年人工智能的智力可能超越人类，这项技术甚至有可能终结人类。超级智能的出现之所以被称为“奇点”，正是因为其难以预测的后果，包括“可能终结人类”的风险。

不同于这些相对“激进”的时刻表，有“深度学习三巨头”之称的杰弗里·辛顿、扬·勒昆和约书亚·本吉奥对于人工智能奇点和风险的看法并不相同。

辛顿认为AI系统可能变得比人类更聪明，并且担心AI技术提升后，AI开始编写和运行自己的代码，会对人类的生存造成更大的威胁。2023年4月他辞去了谷歌副总裁的职务，目的是为了能不受约束地警告人们警惕AI的潜在风险。本吉奥则加入一个名为“受保护的人工智能”项目，防止人工智能灾难，旨在建立一个能够检查部署在关键领域的AI系统是否安全的AI系统。本吉奥认为，保证安全的唯一方法是利用人工智能来检查其它人工智能系统。当辛顿和本吉奥在一份称人工智能是“社会规模风险”的声明中署名时，勒昆选择了回避，他认为人工智能的危险被夸大了，尽管AI技术取得了显著进步，但奇点仍然非常遥远。

去年12月底，在温哥华举行的神经信息处理系统大会（NeurIPS）上，OpenAI前首席科学家 Ilya Sutskever在公开演讲中指出，当前 AI 模型预训练方式将“不可避免地走向终结”：目前的AI 训练数据就像“化石燃料”，互联网上的人类生成内容是有限的，业界已经达到了数据峰值，但我们只有一个互联网，必须适应现有的数据资源。

根据他的预测，下一代 AI 系统将突破当前局限，具备真正的主动性和类人推理能力，但他也警告，随着 AI 推理能力的提升，其行为将变得愈发难以预测，就如同即便是顶尖棋手也无法准确预判高级象棋 AI 的走法。

他将 AI 的发展规模与生物进化过程进行了对照。在对数坐标下，虽然绝大多数哺乳动物的脑重与体重比例都遵循着相似的规律，但人类祖先却展现出一条截然不同的发展曲线。因此，他推测，正如进化在人类大脑发展过程中找到了新的路径，AI可能也会突破当前预训练模式的局限，发现全新的发展路径。

AI产业的快速发展带来了全方位的生态竞争。

根据红杉资本2024年底的报告，2024年，有5家公司“赶上了GPT-4的水准”，成为AI赛道的“决赛选手”：OpenAI、Anthropic、谷歌、Meta以及xAI。其他公司则退出了这场竞赛，例如Inflection、Adept和Character。

此外，2025年元旦前后“横空出世”的DeepSeek也更是成为不容忽视的一股力量。

谷歌的优势在于垂直整合。谷歌是唯一拥有自研一流芯片的公司：TPU有望在2025年与英伟达GPU正面竞争。谷歌还自建数据中心、自研训练模型，并拥有强大的内部研究团队。OpenAI则具备显著的品牌优势，已有多份调查显示，在未提供提示的情况下，用户对ChatGPT的品牌认知度远高于Claude或Gemini。OpenAI在AI领域的品牌力无出其右。这带来了强劲的营收引擎，据传OpenAI的收入已超过36亿美元。Anthropic则逐渐积累起人才优势：2024年，OpenAI研究人才大量流失，而Anthropic成为他们的目的地。在GPT-3发明者Dario Amodei的领导下，Anthropic已成为AI科研人才的“首选目的地”之一。xAI是以创纪录的速度打造了拥有10万GPU的“Colossus”集群，成为数据中心扩张的标杆。Meta则在AI领域全力押注开源。Meta的Llama模型是开源的，吸引了众多拥趸。有关封闭源代码与开源的争论仍在继续。如果前沿进展放缓，Meta将能凭借开源模型快速普及新功能。DeepSeek最近更是占据了技术先机，其DeepSeek-R1的开源性已获众多业界专家认可，图灵奖获奖者LeCun甚至表示，中国在AI领域正在超越美国。在开源平台HuggingFace的复刻项目OpenR1中，DeepSeek的技术也得到了全方位的推崇。这些技术创新使DeepSeek在性能、效率和成本方面都取得了显著优势，在多项基准测试中超越了其他主流模型，甚至在某些领域接近或超过GPT-4和Claude-3.5-Sonnet等顶级闭源模型。

在AI研发和数据中心建设方面，各大科技公司投入了巨额资金。

2024年1-8月，微软、Meta、谷歌、亚马逊几家公司总计向AI数据中心投入1250亿美元，包括AI资本支出、总数据中心运营成本，现金运营费用、软件、折旧和电费也纳入统计。

Meta总的AI资本支出为230亿美元，它将110亿美元用于购买GPU或者其它数据中心芯片，120亿美元为“其它AI开支”。总的数据中心运营成本为40亿美元，20亿美元用于训练和研发，20亿用于推理。谷歌总的AI资本支出为290亿美元。在GPU及其它数据中心芯片上，谷歌投入140亿美元，另外150亿美元属于其它AI开支。总的数据中心运营成本为40亿美元，30亿用于训练、研发，10亿用于推理。Meta公司今年在AI领域的资金投入将达到600至650亿美元。谷歌未来将投入超过1000亿美元用于AI开发。Anthropic的首席执行官达里奥·阿莫代伊表示，当前市场上人工智能模型的培训成本已高达约1亿美元，目前正在训练的模型，以及预计在今年晚些时候或明年年初不同时间推出的模型，其成本已接近10亿美元，到2025-2026年，这一成本预计将飙升至50亿-100亿美元。xAI完成了一轮60亿美元的融资，估值介于350亿至450亿美元之间。微软计划在2025财年投入800亿美元用于AI数据中心建设。

从数字看，科技企业在数据中心上的投入十分惊人，尽管如此，还是有人认为“投入不够”。谷歌CEO Sundar Pichai在2024年8月曾告诉分析师：“对我们来说，投资不足的风险比过度投资的风险大得多。”

短期来看，预计2025年，全球AI投资将达到2000亿美元。高盛测算，AGI可能会在未来10年内推动全球GDP增长7%，达到近7万亿美元，并使生产力增长1.5个百分点。

人工智能的发展，将由模型开发与竞赛，转向产品为先与场景打磨的新阶段，加速AI产业落地。到2030年，AGI系统有望拥有与人类相媲美的认知能力，这些系统能够理解复杂的概念，从经验中学习，并做出明智的决策，甚至展现出一定的创造力。中国AGI应用市场规模发展将由企业市场引领主导，到2030年企业市场规模预计达到3024.6亿元人民币。预计到2030年，中国AGI市场规模将达到4543.6亿元人民币，主要由企业市场引领。

AGI将引发生产力的变革，其可部分媲美人类的内容生成能力和依托强大算力而释放的分析能力，助力生产效率提升的同时，辅助人类进行更为科学和敏捷的决策。红杉资本预测，AGI有望提升10%人类生产力，或产生数万亿美元的经济价值。由AGI引发的生产力变革，势必会推动生产关系的革新。