AGI定义：四类锚点与底层分歧
通用人工智能（AGI）的核心研究问题在于如何定义、衡量并判断其到来。全球机构对AGI的理解主要分为四类：
- 经济价值口径（如OpenAI、麦肯锡）：关注AI替代经济价值工作的能力。
- 能力分级口径（如DeepMind）：从性能和通用性二维刻画能力层级（L0-L5）。
- 技能获取效率口径（如Chollet/ARC）：强调在陌生任务上快速学会的能力。
- 世界理解与具身交互口径（如LeCun、李飞飞）：强调缺乏世界模型和具身交互的系统不算真正通用。
不同定义反映了对智能衡量标准的分歧，从结果、能力、学习效率到世界模型的不同侧重。
全球机构判断：AGI是一条能力阶梯而非单一时点
主要AI机构对AGI的判断分为四类：
- 激进（近端）：如OpenAI，认为AGI是逐步实现的能力阶梯，当前处于L2向L3过渡。
- 审慎（远端）：如DeepMind，认为AGI需在性能和通用性上达到较高水平（如L3专家级通用AI）。
- 务实（应用）：如多数中国大厂，重应用落地，对时间表保持克制。
- 具身（物理）：如中国具身企业、LeCun，主张智能须在物理世界习得。
通往AGI：现有范式能否外推仍未收敛
各机构已公开的分级框架
- OpenAI五级路线图：以经济价值和自主程度为主轴，从对话者到组织级AI。
- DeepMind L0-L5分级体系：以性能和通用性二维刻画，L0为无AI，L5为超人级AGI。
主要技术路径
技术路径尚无统一分类，包括：
- 大模型规模化
- 测试时推理
- 强化学习
- 智能体系统
- 物理具身
三大分歧的根源
- 激进/近端：认为现有范式可外推，规模化和推理可推进至AGI。
- 审慎/远端：认为现有模型缺世界模型和因果，需新范式或物理具身。
- 务实阵营：重应用落地，对时间表保持克制。
- 具身阵营：主张智能须在物理世界习得。
时间表预测的方法与口径
乐观者预期2030年左右，AI从业者预期中位数2047年。
AGI衡量：新基准涌现，统一标准仍缺位
衡量AGI的主要困难
- 基准饱和：数学、代码、知识问答类基准已难区分高下。
- Goodhart定律：指标一旦成为优化目标就不再是好指标。
- 数据污染：训练数据可能含测试题，污染检测缺乏统一标准。
- 依赖自报：常依赖厂商自行公布的成绩。
主流评测基准
- 行业标准套装：SWE-bench、ARC-AGI-2、GPQA、HLE、GDPval等。
- ARC-AGI：被多家大厂写入模型卡，但前沿成绩快速提升。
各方提出的替代标尺
- 经济价值（GDPval）
- 泛化效率（ARC-AGI）
- 自主任务时长（METR）
- 能力分级（DeepMind L0-L5）
- 对抗/动态评测
经济影响：测算口径决定价值判断
主要测算方法
- 用例增加值法：生成式AI每年可新增2.6-4.4万亿美元增加值。
- 职业/任务暴露法：约80%美国劳动力任务被AI影响。
- 宏观task-based法：未来十年AI对GDP拉动约1%。
- 行业咨询综合法：到2030年AI可为全球经济贡献约15.7万亿美元。
- 全自动化→增长爆发：AGI全自动化可能带来远超历史增速的年增长。
差异的根源
- 测对象不同：现有AI渐进影响 vs AGI跃变影响。
- 关键假设不同：自动化广度、瓶颈、再配置速度。
风险治理：审慎派与加速派并存
审慎/风险派
- 代表：Hinton、Bengio、Stuart Russell。
- 主张：立即监管、国际合作、安全设计。
- 已采取措施：成立组织、推动政策、开源。
淡化/加速派
- 代表：LeCun、吴恩达、Marc Andreessen。
- 主张：开源、反对过度监管。
- 已采取措施：推动开源、游说反对限制性监管。
中间/务实派
- 主张“人本超级智能、可控不自主”。
- 多数政府走“分级—透明—评测”路线。
风险提示
- 技术迭代不及预期
- 大模型厂商ARR增速放缓
- 云服务商资本开支不及预期
- 智能驾驶及机器人商业化落地不及预期
