AGI新闻资料 | NewsCove

ADVERTISEMENT

ADVERTISEMENT

【AI时代，別慌】丁源森 / 超级人工智能，真的要来了吗？

我有个朋友，在一家搞机器人的新创公司打拼。前阵子他兴奋地跑来告诉我，他们的机器人终于学会了自己把插头插进插座，那股高兴劲，简直恨不得绕着操场跑三圈。你没看错。一个3岁小孩闭着眼都能做的动作，却让一群这行里最聪明的脑袋，花了好几个月，最后高兴成这样。而与此同时，你打开手机，铺天盖地是另一种声音。有人说“AGI两年内降临，人类即将团灭”，也有人说“通用人工智能其实早就到了”。一边是插个插座就要开香槟，一边是人类文明进入倒计时。这两个世界，怎么会同时存在？这就是今天想掰扯清楚的事。所谓超级人工智能，你大概也听过AGI（通用人工智能）、ASI（超级人工智能）这些词，它到底是要来，还是不来？来了，又来了多少？智能，是内功不是花架子要认真讨论，得先给“智能”下个定义，不然三句话就吵歪了。在AI这行，大家勉强有共识的一个定义，说穿了就是四个字：举一反三，学术一点叫“泛化”。（读过笔者第二篇的朋友应该眼熟，那次聊过，无论人还是AI，所谓“理解”，本质上就是从一堆例子里，压出一条能举一反三的规律。）打个武侠的比方。一个真正的高手，厉害之处从来不是会背多少套招式，而是内功到家，能触类旁通，今天练成一门剑法，明天换把刀也使得有模有样。反过来，一个只把固定套路背得滚瓜烂熟的人，招式再花哨，换个场面就露馅，那不叫高手，叫花架子。以这个标准看，AI在语言、文字、写程序这几门“文功”上，确实练出了几分真内功。随手打开ChatGPT，天文地理、人文数学，它未必题题满分，但八九不离十，连今年SPM它没见过的考题也答得有模有样。这就是举一反三，业内基本没人会抬杠。可一旦从“文”换到“武”，故事就完全变了。第一门没练成的功：让AI动起来回到开头那个插座。为什么一群绝顶聪明的人，会为一个3岁小孩的动作，激动成那样？估计有人这时候要抬杠。不对啊，早几年波士顿动力（Boston Dynamics）的机器人就会翻跟斗了，杭州宇树的机器人上春晚扭秧歌、上综艺样样行，北京前阵子不还办了场机器人半程马拉松？马斯克的Optimus不也天天上头条？笔者绝不否认，这两年“具身智能”（说白了就是造机器人）跑得飞快。但关键在于，这些机器人几乎都是在固定场景里被喂足了训练，本质上还是把一套招式练熟的花架子。那个会跳街舞的机器人，你临时叫它来一段恰恰，它多半就当场傻眼，跟真人的差距一下就露了馅。真正的舞者不一样。他未必每种舞都跳到顶尖，但今天会华尔兹，明天上探戈，身体那套感觉能“迁移”过去。这种“会一样、通一片”的内功，才是智能的核心。机器人缺的正是这个。真正做基础研究的人，光是想让一个两根手指的机械爪学会“触类旁通”，至今都还在栽跟头。第二门没练成的功：让AI看懂世界就算不谈动手，光是“看”这一门，AI的火候也和它在语言上差着一大截。我妈就特别爱拍家里的花花草草给ChatGPT看，问它怎么修剪、怎么施肥，答得头头是道。所以AI不是看不懂图，问题还是那四个字：举一反三。最好的例子是自动驾驶。这东西喊了十几年，直到今天也只能在少数几座城市里安稳地跑，始终没能遍地开花。一辆在美国练出来的自动驾驶AI，换个国家，甚至只换个城市，往往就手忙脚乱、频频出错。可你想想人。一个在美国考到驾照的司机，飞来吉隆坡，哪怕这里的路况堪称“地狱级”，我们基本还是敢把方向盘交给他。他学会的从来不是“美国怎么开车”，而是“怎么开车”，换个城市，内功自然就通了。这“通”与“不通”之间，就是今天AI最要命的那道鸿沟。也正因如此，聊AI最容易失焦，我们太容易被奇技淫巧晃花了眼。AI能生成以假乱真的三分钟古装剧，能唱出让笔者单曲循环的歌，可花架子再漂亮，也不等于练成了内功，差的还是举一反三和迁移。这也不是笔者一家之言。图灵奖得主杨立昆（Yann LeCun）、“AI教母”李飞飞（Fei-Fei Li）这些大佬，如今都暂别语言模型，带着巨额融资另起炉灶，要从头做出真正“看得懂世界”、乃至能在物理世界里行动的AI。连他们都当这是重开一局，可见这道鸿沟有多深。一套心法，两条赛道那为什么“文”这门功偏偏先练成了？得说说语言模型这身内功，当初是怎么来的。大约10年前，学界冒出几个绝妙的点子，最关键的是所谓“自注意力机制”，以及由它长出来的Transformer模型（技术细节按下不表，笔者改天专门开一篇填这个坑）。简单说，过去这10年，人类总算摸出一套能“练”出机械大脑的心法，而这种大脑天生就格外擅长学语言、学文字。当年OpenAI，基本就是赌中了这套心法的潜力，all in下注，结果还真让它练成了。一半靠眼光，更多靠运气。问题来了。同一套心法，能不能原样搬去修炼“看”这门功、“动”那门功？这一搬，就搬出了两条赛道、两派人马。鹰派说，能。就像当年OpenAI死磕语言那样，他们赌这压根不是方法问题，眼下这套机械大脑，只要喂进足够多的数据、堆上足够猛的算力，总有一天会“任督二脉一朝打通”，螺旋升天。矽谷一半的公司都all in在这条赛道上。为了喂饱它，还养出一整条产业链，在印度、中国、东南亚雇大批人手，人工造出海量数据来喂。鸽派则不然。比如前面那位杨立昆，就直摇头，认为我们八成连正确的心法都还没摸到，路子不对，再多数据算力也练不成气候。笔者不才，但凭这些年在行内的一点眼力，我也站鸽派这边，真正的技术突破，恐怕是省不掉的。也正因如此，我总觉得眼下不少跟风的初创，没有自己的独门绝学，长远看根本没有护城河，潮水一退，就要原形毕露。（这话笔者上一篇量AI泡沫时已经唠叨过了。）所以，超级人工智能到底来了没？回到最初的问题。笔者的答案还是那句话，来了，可也没来。在语言、文字、程序这个“数字世界”里，AI是真的来了，而且以前所未有的速度往前冲，这一波对社会的冲击是实打实的，笔者只盼大家都能软着陆。可一跳出语言，在AI其余大半个疆域里，那把打通“任督二脉”的钥匙，我们大概率还没摸到。所以真正的通用人工智能，还没来。不过话说回来，这两件事其实你中有我、我中有你。哪怕鸽派如笔者，近来心里也开始打鼓，那把钥匙，说不定来得比想像中快。因为在语言AI的加持下，今天的AI已经能以人类前所未见的速度自己找方案、自己试错纠错。某种意义上，我们正在教AI，怎么自己练功。那一天究竟哪天到来？没人知道。可能一年，可能10年，也可能一个世纪。至于我那位朋友，下次他再为机器人的一小步高兴到想绕操场跑圈，或许就不再是因为它学会了插插座，而是因为它自己想明白了这门功该怎么练。真到那一天，我们才有必要，好好坐下来谈一谈。而在那之前，别慌。相关文章：丁源森 / AI有没有泡沫？先看一盘炒饭丁源森 / AI误言，孰之过？丁源森 / AI会答题，但不会替你提问

1星期前

【多点AI】AI 2027：当代理人成为我的日常基建

对我来说，真正的课题是：如何利用AI，避免自己与企业被世界取代。这两个月，我已经全面把日常工作的重担交予AI代理人（Agent）。这些代理人不只是聊天机械人，而是能够真正“落手落脚”处理事情的工具。举凡更新网站、维护LinkedIn、在网上填写表格、输入资料、整理报告，甚至安排全天候的工作日程与资料搜集，代理人都能自动完成。这种感觉，就像忽然多了几个不用请假的助理。2026年开始，我就亲眼见证初代AI Agent出现在市场，虽然仍处于试验阶段，但已经能执行不少过去必须由人类处理的行政与操作工作。这个过程让我重新思考“工作分工”的概念。以前我们总以为“人类负责决策、机器负责执行”是自然分界，但当代理人能在Slack或Teams上接收指令，甚至能自主完成程式代码的修改和提交，这条界线开始模糊。半熟状态的“蹒跚学步” 根据《AI 2027》报告（由Daniel Kokotajlo等人于2025年4月3日发表，AI Futures Project出版，ai-2027.com），2025年被称为“蹒跚学步的代理人”阶段。研究指出，当时的代理人在OSWorld电脑任务基准测试中的表现约为65%，仅稍低于一名熟练人类的70%。换句话说，它们仍不够稳定，需要人类监督与复核。但这种“半信任”状态恰恰是企业的试炼场。因为这正迫使我们去重新设计流程：哪些工作可以外判给AI，哪些需要设置权限与监管，这些问题都必须被清楚定义。对我而言，这样的“半成熟”并不是坏事。因为企业转型不是等到AI完美才开始，而是要在风险可控范围内边走边试。这和创业精神有异曲同工之妙：永远没有最理想的时机，行动本身就是学习。日常生活的例子：AI在“前线” 举个例子：以前我需要一个助理每天整理新闻，帮我找出和AI、医疗或金融相关的资料。现在，一个AI Agent就能在30分钟内自动爬梳数十份新闻、研究和报告，然后浓缩成3页摘要，再自动送到我的邮箱。它虽然偶尔会错引或重复，但节省下来的时间，已经远超这些小错误的代价。另一个场景是财务：AI Agent可以直接打开会计系统，输入收支数据、做简单报表。虽然需要人类会计师最后审核，但流程已经由“手工输入”变为“监督检查”。这正是《AI 2027》所描述的“从工具转向代理”的过程。成本曲线的“剪刀差” 我读到最震撼的一段，是《AI 2027》提到尖端AI的成本和普及型AI的成本正出现“剪刀差”。专业级代理系统的月费可能达到数百美元，但达成“既有能力”的成本却在急速下降，研究估计下降速度达到每年50倍。这意味着什么？意味着未来的企业结构将会出现“双层账本”：一方面，企业会投资昂贵的尖端AI，用于战略性与高价值任务；另一方面，则以低成本的普及型AI渗透到员工日常工作。这种模式能同时创造差异化与规模化优势。从我的角度来看，这不仅是成本分配的问题，而是管理哲学的转变：领导层必须学懂怎样把资源分层使用，既不错失技术前沿，又能确保全体员工的工作效率获得提升。算力即国力：OpenBrain的启示《AI 2027》报告中虚构了一家公司“OpenBrain”，在2025年底建立了史上最大规模的AI丛集，相当于250万片H100 GPU，耗资1,000亿美元，功耗达2GW，并计划于2026年再度加倍。这不再只是工程壮举，而是国家级基建。当AI的进展和电力、光纤网络、供应链安全挂钩时，竞争已经超越“谁的模型更好”，而是“谁能负担这庞大基建”。这让我联想到冷战时代的核武竞赛。不同的是，这次竞争的武器不是导弹，而是GPU、数据中心和能源供应。换句话说，未来的“国力”，会和算力画上等号。 2027：AGI是否真的会来？报告同时引述了OpenAI、DeepMind、Anthropic等公司领导层的预测，他们一致认为AGI（通用人工智慧）可能在五年内出现。Sam Altman更曾公开表示，OpenAI的目标是“真正意义上的超级智慧”（superintelligence）。 2027是否真的会是AGI元年？这个问题，我认为没有人能准确回答。但可以确定的是，AGI已不再只是科幻小说中的想像，而是必须严肃对待的未来选项。就算AGI没有如期出现，AI的普及和渗透速度，已经足以改变社会的运行逻辑。我读后的反思：设计容错的系统我在阅读《AI 2027》后得到最大的启发，是“容错性”的重要性。真正的挑战不在于AI能否取代人类，而是我们是否能设计出一套能容忍错误、能快速调整的制度，让我们在面对AI的不稳定时，仍能继续前进。这也许是对所有企业和个人的提醒：不要期望AI给我们完美答案，而是要打造一个能够“失败后迅速恢复”的环境。这样，即使AI犯错，我们仍然不会被世界淘汰。《AI 2027》给我的最大感受，是它让未来不再只是遥远的科技预言，而是一份必须立即行动的待办清单。 2027年的核心问题，不在于AGI是否真的诞生，而在于我们是否已经准备好迎接它。准备的重点，不是找到最正确的答案，而是设计能容错、能快速调整的制度，让我们即使在AI犯错时，仍能持续向前。对我来说，真正的课题是：如何利用AI，避免自己与企业被世界取代。这正是《AI 2027》抛出的最深刻问题，也是我写下这篇专栏的原因。更多文章：【多点AI】全自动程式设计：程式员会消失吗？【多点AI】在深圳设立AI办公室的数位北上体验

9月前

《+1财经》DeepSeek浪潮：AI vs AGI

随着AI聊天机器人的崛起，我们获取信息的方式正在悄然改变，从搜索引擎到智能助手，AI已逐步融入我们的生活与商业世界。但你知道吗？AI（人工智能）与AGI（通用人工智能）并不一样！ || 同场加映 || EP1 DeepSeek魔童降世谁是梁文锋？ https://pocketimes.newswire.com.my/?p=6345650 EP2 DeepSeek爆红 5大争议一次看懂 https://pocketimes.newswire.com.my/?p=6362992 EP3 Deepseek进逼 OpenAI将Open? https://pocketimes.newswire.com.my/?p=6376373 EP4 DeepSeek浪潮：AI vs AGI https://pocketimes.newswire.com.my/?p=6398883 EP5 DeepSeek最怕的不是美国？ https://pocketimes.newswire.com.my/?p=6415268

1年前

【多点AI】Deepseek AGI时代来临：这将如何改变保险业经营的方式？

中国AI新创公司DeepSeek最近宣布将进一步投入AGI的研究，这意味着AI将不只是辅助人类决策，而是可能在未来成为企业营运的核心。

1年前

业界红人指通用AI指日可待专家：不可能什么都懂

全球领先的统计机器学习领域研究员乔丹在下周的全球AI峰会前夕对齐聚巴黎的科学家们说，开发能够一下子解决世界所有问题的人工智能（AI）的努力是“胡扯”。

1年前

【多点AI】OpenAI:AGI 10亿美大融资人工通用智能的挑战与机遇

OpenAI希望让AGI的发展受到公众的监督和控制，以确保其符合人类的价值观和利益。为了实现这一愿景，OpenAI需要大量的资金来支持其研究和开发。

2年前

苹果联合创始人警告 “AI让诈骗更难发现”

苹果公司联合创始人沃兹尼亚克警告，人工智能（AI）可能更难让人发现诈骗行为，并且可能会被“坏人”利用。

3年前

Malaysia news headlines and analysis Info lengkap di www-sindonews-com www-malaymail-com Site www-detik-com Site