【AI】奥特曼爆冷改口：AGI没用？MIT预测2028年降临，50%概率

人工智能产业链union 2025-08-19 14:55

资讯配图
资讯配图

来源：新智元

【导读】我们越来越接近AGI——至少看起来是这样。时间表从50年压缩到5年，更有大佬预测2026、2028年。可与此同时，AI在ARC测试的得分却是0%，在人类基本能力上依然像个新手。我们是不是太早以为，它已经准备好了？

算力膨胀、模型堆叠，提示词像燃料一样被反复输入。
AI的脚步没有停下，反而越来越快。
有人预言，AGI遥遥无期，至少要等上半个世纪。
可现在，一些关键节点被提前。
这条路，曾被说太远；可谁也没想到，它会走得这么急。
资讯配图

奥特曼最新观点：AGI这一词没啥意义了


资讯配图
十年缩成五年
AGI预言大幅提前
正如MIT Technology Review Insights刚刚发布的一篇名为「The road to artificial general intelligence」所指出的。
我们对AGI的预判，正在经历一次肉眼可见的加速。
从GPT-3发布时的「50年才能实现」，到如今的「5年内可见雏形」，时间提前了数十年。
资讯配图
对AGI未来的预测
Anthropic联合创始人Dario Amodei提出了一个更实际、更新的表述：「Powerful AI」。
这是一种具备诺奖级智能，能够跨文本、语音与物理环境灵活切换，还能自主设定目标并完成推理执行的模型。
而他对其判断是——最早2026年，它就可能出现。
奥特曼则认为，具备AGI特征的系统「已经初露端倪」，其潜力或将带来堪比电力与互联网的社会变革。
从更宏观的数据看，预测的时间线也在明显前移。
多位预测显示，到2028年，AI实现多个AGI里程碑的概率至少为50%。
到2027年，机器在无人辅助下超越人类完成一切任务的概率约为10%，到2047年可能上升至50%。
这条被认为还需「半个世纪」的路，如今正在被重写。

资讯配图
超能力与短板并存
AI的八宗缺陷
今天的AI，像是一个成绩优异的天才学生。
它能背书，能考试，甚至能在高难度的专业任务中胜出。
可一旦离开考场，它就像丢了魂。
图像识别时，它会把香蕉认成吐司；做导航，它可能直冲墙上；让它接住一杯水、剪断一根线，十有八九会手忙脚乱。
这些不是笑话，而是现实。
AGI真正需要的，不只是逻辑和语言生成的能力，更需要的是「人类默认技能」。
McKinsey曾总结过AGI在模仿人类智能上的8项核心缺陷，它们几乎覆盖了我们与智能体互动的每一个维度：

1. 视觉感知：对颜色和图像变化反应迟钝，容易混淆，缺乏真正的视觉一致性；

2. 音频感知：难以处理声音的空间位置、细节特征，无法识别语调和情绪；

3. 精细动作：无法完成复杂的精细动作，比如穿针引线、外科手术；

4. 自然语言处理：只能理解句法，不理解含义，面对语境和暗示经常「跑偏」；

5. 问题解决：只能应对被定义好的问题，面对新任务几乎无从下手；

6. 导航能力：在动态现实中难以自主规划路线，无法适应环境变化；

7. 创造力：无法提出真正的新问题，也无法优化和改写自己的逻辑结构；

8. 社会与情绪理解：看不懂脸上的情绪、听不出语气的变化，更不会真正共情。


    强大，但失衡；聪明，却迟钝。
    这就是今天的AI——它站在我们面前，却还隔着一层看不见的玻璃。

    资讯配图
    既要跑得快，还要会协同
    AI背后的算力战
    AGI不是靠一颗更大的芯片叠出来的，它需要一整套进化中的计算体系从硬件到底层软件。
    从数据中心的能源结构到移动设备的资源调度，层层协同，彼此唤醒。
    这场战争，已经悄悄打响。
    在进入深度学习时代后，AI的计算需求增速从21个月翻倍骤降到5.7个月翻倍，模型体积膨胀百倍，训练成本指数上升。
    资讯配图
    AI计算需求增长曲线
    一些预测甚至认为，未来某些AGI训练任务的算力消耗可能超过一个国家的GDP。
    这不仅是硬件的拉锯战，更是架构的重写。
    为了适应大规模推理和实时响应的需求，AI系统正全面转向异构计算路径：CPU、GPU、NPU、TPU各司其职，把最合适的算力分配给最合适的任务。
    而让这支多芯片协同作战的，是隐藏在系统底层的软件工具和软件框架。
    资讯配图
    通用AI的计算栈结构
    它们负责管理、协调和调度任务，帮助开发者在不重写代码的前提下调用不同硬件、跨平台部署，优化性能同时降低能耗。
    但即便如此，想靠现在这套算力栈直接堆出AGI，依旧不现实。
    MIT报告指出，真正的问题不只是算得不够快，而是结构不够对。
    就像Transformer曾引爆了生成式AI一样，AGI可能也需要一次架构革命。
    不是再卷一个更大的LLM，而是去发明一种认知骨架，让模型像人类一样，可以在新环境中学会思考、适应、转移技能、优化自己。
    资讯配图
    而这也许正是当下最大的悖论——
    我们需要更强的计算系统去支撑AGI的形成，却又需要彻底重构智能的底座，来突破单纯堆算力的天花板。

    资讯配图
    智力的真正考题
    AI在ARC测试里惨败
    François Chollet，也是ARC智力测试的发起人，提出了一个更苛刻的标准：
    「真正的智能，是能把你已知的知识重新组合，去解决全新的问题」。
    为了验证这一点，他设计了ARC-AGC的测试。
    和传统测试不同，每一道题都是从未出现过的新任务。
    考察的是真正的人类式推理——抽象能力、迁移能力、类比能力。
    结果出人意料，纯大语言模型的得分是0%。
    即便是经过额外推理优化的系统，也只拿到了个位数的成绩。
    而人类，几乎能全部做对。
    Chollet直白地说：
    「这说明目前最强的AI模型，根本不具备灵活重组知识的能力。它们只是记忆力好，但不会真的想」。
    这场测试暴露出的，不是参数不够、训练不够，而是根本方向错了。
    它不是缺少力量，而是不具备「思考结构」本身。

    资讯配图
    不是更强，而是更广
    AGI的最终拼图
    通往AGI的路径，从来就不只一条。
    但越来越多的证据开始指向同一个结论：
    AGI可能不是某一个技术点的突破，而是一整套异构系统的协同崛起。
    它需要更灵活的硬件结构——用对芯片，做对事，CPU、GPU、TPU、NPU各司其职。
    它需要更聪明的调度框架，让这些异构芯片动态配合，不浪费一点算力。
    它需要新的架构，像Transformer之于GPT，引发一次认知方式的跳跃。
    它甚至需要重新建构「智能」本身。
    也许通向AGI的，不是某种「更强模型」的出现，而是一次技术的集体转向。
    正如MIT报告中所说：
    「我们在追寻更聪明机器的过程中，可能也会第一次真正理解聪明意味着什么」
    参考资料：
    https://wp.technologyreview.com/wp-content/uploads/2025/08/MITTR_ArmEBrief_V12_final.pdf

    ☟☟☟

    ☞人工智能产业链联盟筹备组征集公告☜

    ☝


    精选报告推荐：

    11份清华大学的DeepSeek教程，全都给你打包好了，直接领取：


    【清华第一版】DeepSeek从入门到精通

    【清华第二版】DeepSeek如何赋能职场应用？

    【清华第三版】普通人如何抓住DeepSeek红利？

    【清华第四版】DeepSeek+DeepResearch让科研像聊天一样简单？

    【清华第五版】DeepSeek与AI幻觉

    【清华第六版】DeepSeek赋能家庭教育

    【清华第七版】文科生零基础AI编程：快速提升想象力和实操能力

    【清华第八版】DeepSeek政务场景应用与解决方案

    【清华第九版】迈向未来的AI教学实验

    【清华第十版】DeepSeek赋能品牌传播与营销

    【清华第十一版】2025AI赋能教育：高考志愿填报工具使用指南

     10份北京大学的DeepSeek教程

    【北京大学第一版】DeepSeek与AIGC应用

    【北京大学第二版】DeepSeek提示词工程和落地场景

    【北京大学第三版】Deepseek 私有化部署和一体机

    【北京大学第四版】DeepSeek原理与落地应用

    【北京大学第五版】Deepseek应用场景中需要关注的十个安全问题和防范措施

    【北京大学第六版】DeepSeek与新媒体运营

    【北京大学第七版】DeepSeek原理与教育场景应用报告

    【北京大学第八版】AI工具深度测评与选型指南

    【北京大学第九版】AI+Agent与Agentic+AI的原理和应用洞察与未来展望

    【北京大学第十版】DeepSeek在教育和学术领域的应用场景与案例(上中下合集)

    8份浙江大学的DeepSeek专题系列教程

    浙江大学DeepSeek专题系列一--吴飞：DeepSeek-回望AI三大主义与加强通识教育

    浙江大学DeepSeek专题系列二--陈文智：Chatting or Acting-DeepSeek的突破边界与浙大先生的未来图景

    浙江大学DeepSeek专题系列三--孙凌云：DeepSeek：智能时代的全面到来和人机协作的新常态

    浙江大学DeepSeek专题系列四--王则可：DeepSeek模型优势：算力、成本角度解读

    浙江大学DeepSeek专题系列五--陈静远：语言解码双生花：人类经验与AI算法的镜像之旅

    浙江大学DeepSeek专题系列六--吴超：走向数字社会：从Deepseek到群体智慧

    浙江大学DeepSeek专题系列七--朱朝阳：DeepSeek之火，可以燎原

    浙江大学DeepSeek专题系列八--陈建海：DeepSeek的本地化部署与AI通识教育之未来

    4份51CTO的《DeepSeek入门宝典》

    51CTO：《DeepSeek入门宝典》：第1册-技术解析篇

    51CTO：《DeepSeek入门宝典》：第2册-开发实战篇

    51CTO：《DeepSeek入门宝典》：第3册-行业应用篇

    51CTO：《DeepSeek入门宝典》：第4册-个人使用篇

    5份厦门大学的DeepSeek教程

    【厦门大学第一版】DeepSeek大模型概念、技术与应用实践

    【厦门大学第二版】DeepSeek大模型赋能高校教学和科研

    【厦门大学第三版】DeepSeek大模型及其企业应用实践

    【厦门大学第四版】DeepSeek大模型赋能政府数字化转型

    【厦门大学第五版】DeepSeek等大模型工具使用手册-实战篇

    10份浙江大学的DeepSeek公开课第二季专题系列教程

    【精选报告】浙江大学公开课第二季：《DeepSeek技术溯源及前沿探索》（附PDF下载）

    【精选报告】浙江大学公开课第二季：2025从大模型、智能体到复杂AI应用系统的构建——以产业大脑为例（附PDF下载）

    【精选报告】浙江大学公开课第二季：智能金融——AI驱动的金融变革（附PDF下载）

    【精选报告】浙江大学公开课第二季：人工智能重塑科学与工程研究（附PDF下载）

    【精选报告】浙江大学公开课第二季：生成式人工智能赋能智慧司法及相关思考(附PDF下载）

    【精选报告】浙江大学公开课第二季：AI大模型如何破局传统医疗（附PDF下载）

    【精选报告】浙江大学公开课第二季：2025年大模型：从单词接龙到行业落地报告（附PDF下载）

    【精选报告】浙江大学公开课第二季：2025大小模型端云协同赋能人机交互报告（附PDF下载）

    【精选报告】浙江大学公开课第二季：DeepSeek时代：让AI更懂中国文化的美与善（附PDF下载）

    【精选报告】浙江大学公开课第二季：智能音乐生成：理解·反馈·融合（附PDF下载）

    6份浙江大学的DeepSeek公开课第三季专题系列教程

    【精选报告】浙江大学公开课第三季：走进海洋人工智能的未来（附PDF下载）

    【精选报告】浙江大学公开课第三季：当艺术遇见AI：科艺融合的新探索（附PDF下载）

    【精选报告】浙江大学公开课第三季：AI+BME，迈向智慧医疗健康——浙大的探索与实践（附PDF下载）

    【精选报告】浙江大学公开课第三季：心理学与人工智能（附PDF下载）

    【精选报告】浙江大学公开课第三季：人工智能赋能交通运输系统——关键技术与应用（附PDF下载）

    【精选报告】浙江大学公开课第三季：人工智能与道德进步（附PDF下载）


    相关阅读

    干货推荐：
    【AI加油站】第一部：《大型语言模型应用检索增强生成：改变搜索、推荐和 AI 助手》附下载
    【AI加油站】第二部：《程序员的自我修炼手册》（附下载）
    【AI加油站】第三部：《大规模语言模型：从理论到实践》（附下载）
    【AI加油站】第四部：《使用生成式人工智能和Python开始数据分析》（附下载）
    【AI加油站】第五部：《使用生成式人工智能和Python开始数据分析》（附下载）
    【AI加油站】第六部：《时间序列：建模、计算与推断》（附下载）
    【AI加油站】第七部：《因果关系的逻辑理论的好书-A Logical Theory of Causality》（附下载）

    【AI加油站】第八部：《模式识别（第四版）-模式识别与机器学习》（附下载）

    【AI加油站】第九部：《Python深度学习（中文版）》（附下载）
    【AI加油站】第十部：《机器学习方法》（附下载）
    【AI加油站】第十一部：《深度学习》（附下载）
    【AI加油站】第十二部：《从零开始的机器学习》（附下载）
    【AI加油站】第十三部：《Transformer入门到精通》（附下载）
    【AI加油站】第十四部：《LLM 应用开发实践笔记》（附下载）
    【AI加油站】第十五部：《大模型基础 完整版》（附下载）
    【AI加油站】第十六部：《从头训练大模型最佳实践》（附下载）
    【AI加油站】第十七部：《大语言模型》（附下载）
    【AI加油站】第十八部：《深度强化学习》（附下载）
    【AI加油站】第十九部：清华大学《大模型技术》（附下载）
    【AI加油站】第二十部：Prompt入门神书-《Prompt 学习指南》（附下载）
    【AI加油站】第二十一部：吴恩达&open AI联合推出《大模型通关指南》（附下载）
    【AI加油站】第二十二部：《李宏毅深度学习教程》值得反复阅读的神书！（附下载）
    【AI加油站】第二十三部：Prompt经典中文教程-《提示工程指南》（附下载）
    【AI加油站】第二十四部：爆火下载28万次！MIT最新神书《理解深度学习》（附下载）
    【AI加油站】第二十五部：LLM4大名著，OpenAI专家强推《深度解析：大语言模型理论与实践》（附下载）
    【AI加油站】第二十六部：NLP大牛Thomas Wolf等新书《Transformer自然语言处理》（附下载）
    【AI加油站】第二十七部：哈工大博士耗时一年整理《PyTorch常用函数手册》，轻松掌握PyTorch的各种操作（附PDF下载）
    【AI加油站】第二十八部：大模型炼丹大师必备《深度学习调优指南中文版-系统性优化模型》（附下载）
    【AI加油站】第二十九部：炸裂发布！《大语言模型：导论》重磅发布！（附下载）
    【AI加油站】第三十部：最值得读的LLM书！下载量10w+！《基于Transformer和扩散模型的生成式AI》（附下载）
    【AI加油站】第三十一部：RL稀缺宝典！《强化学习的艺术》（附下载）
    【AI加油站】第三十二部：一本醍醐灌顶的教科书！《大语言模型提示工程：构建LLM应用的艺术与科学》（附下载）
    【AI加油站】第三十三部：机器学习好评榜第一《机器学习基础》（附下载）
    【AI加油站】第三十四部：所有大模型领域学习者必读，没有之一！由深度学习三巨头联合撰写！（附下载）
    【AI加油站】第三十五部：{AI炼丹神书}——从0到1榨干深度学习模型每一滴性能的终极战术手册《深度学习调优指南》（附下载）
    【AI加油站】第三十六部：面向生产环境的大型语言模型实战手册《LLM 大语言模型构建指南》（附下载）
    【AI加油站】第三十七部：《深度学习的数学导论：方法、实现与理论》从神经网络架构到物理信息模型的全景综述（附下载）
    【AI加油站】第三十八部：下载量10w+！《大型语言模型：语言理解和生成》从文本分类到主题建模的实战指南（附下载）
    【AI加油站】第三十九部：包教包会！《从零开始构建大语言模型的关键要点》大模型训练全景指南：从0到1的系统性最佳实践（附下载）
    【AI加油站】第四十部：《大规模机器学习训练工程实战手册》——从硬件选型到故障恢复的系统性指南（附下载）
    【AI加油站】第四十一部：《ChatGPT后训练全景解析：技术演进、核心挑战与未来方向》（附下载）
    【AI加油站】第四十二部：《百页机器学习书》：从算法到实战的全景指南（附下载）
    【AI加油站】第四十三部：《掌握大语言模型》核心知识速览：从NLP基础到LLM前沿实践（附下载）
    【AI加油站】第四十四部：《精通PyTorch》-从CNN到Transformer、LLM、GNN的端到端实战图谱（附下载）
    【AI加油站】第四十五部：《图神经网络导论》-全景拆解：从数学基石到落地应用的知识地图（附下载）
    面试推荐：
    【AI加油站】AI面试专题一：BIO,NIO,AIO,Netty面试题（附下载）
    【AI加油站】AI面试专题二：Git常用命令面试题（附下载）
    【AI加油站】AI面试专题三：Java常用面试题（附下载）
    【AI加油站】AI面试专题四：Linux系统的面试题集（附下载）
    【AI加油站】AI面试专题五：Memcached 面试题集（附下载）
    【AI加油站】AI面试专题六：MyBatis框架的面试题（附下载）
    【AI加油站】AI面试专题七：MySQL相关的面试题资料（附下载）
    【AI加油站】AI面试专题八：Netty面试题资料（附下载）
    【AI加油站】AI面试专题九：Nginx的面试题资料（附下载）
    【AI加油站】AI面试专题十：RabbitMQ的面试题资料（附下载）
    【AI加油站】AI面试专题十一：Redis的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十二：Spring的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十三：Apache Tomcat的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十四：Zookeeper的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十五：《阿里巴巴Java开发手册》终极版的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十六：大数据技术面试题资料（附PDF下载）
    【AI加油站】AI面试专题十七：Java并发多线程面试题资料（附PDF下载）
    【AI加油站】AI面试专题十八：设计模式的面试题资料（附PDF下载）
    【AI加油站】AI面试专题十九：Java虚拟机（JVM）的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十：Elasticsearch的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十一：TCP UDP Socket Http网络编程的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十二：消息队列Kafka的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十三：Spring Boot的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十四：Spring Cloud的面试题资料（附PDF下载）
    【AI加油站】AI面试专题二十五：Dubbo的面试题资料（附PDF下载）
    大模型课程推荐：
    【AI加油站】大模型课程系列一：大模型应用：从提示工程到AI智能体——系统化知识地图（附PDF下载）
    【AI加油站】大模型课程系列二：大模型应用：从提示工程到AI智能体——系统化知识地图--合集（附PDF下载）
    【AI加油站】大模型课程系列三：《大模型应用·第3章：大模型提示词》-大模型提示词设计七步法（附PDF下载）
    【AI加油站】大模型课程系列四：《大模型应用·第4章：大模型辅助工作学习》一站式检索-办公-创作全攻略（附PDF下载）
    【AI加油站】大模型课程系列五：《大模型应用·第5章：大模型检索增强》读懂大模型检索增强生成（RAG）全景（附PDF下载）
    【AI加油站】大模型课程系列六：《大模型应用·第6章：大模型认知框架》从情景模仿到自我进化的7种思维范式（附PDF下载）
    【AI加油站】大模型课程系列七：《大模型应用·第7章：大模型使用工具》-从“会聊天”到“能办事”的7个关键洞察（附PDF下载）
    【AI加油站】大模型课程系列八：《大模型应用·第8章：AI智能体核心技术》-从单脑到群体协作的工程落地指南（附PDF下载）
    【AI加油站】大模型课程系列九：《大模型应用·第9章：AI智能体开发平台》-从理论到落地的母婴助手案例解析（附PDF下载）

    人工智能产业链联盟高端社区




    资讯配图
    精选主题推荐：
    Manus学习手册
    从零开始了解Manus

    DeepSeek 高级使用指南，建议收藏

    一次性说清楚DeepSeek，史上最全（建议收藏）

    DeepSeek一分钟做一份PPT

    用DeepSeek写爆款文章？自媒体人必看指南

    【5分钟解锁DeepSeek王炸攻略】顶级AI玩法，解锁办公+创作新境界！

    DeepSeek接入个人微信！24小时智能助理，随时召唤！
    PS×Deepseek：一句话编写PS脚本，搞定PS批量导出图层
    如何让AI给自己打工，10分钟创作一条爆款视频？
    荐：
    【中国风动漫】《姜子牙》刷屏背后，藏着中国动画100年内幕！
    【中国风动漫】除了《哪吒》，这些良心国产动画也应该被更多人知道！

    【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

    资讯配图
    声明

    免责声明：部分文章和信息来源于互联网，不代表本订阅号赞同其观点和对其真实性负责。如转载内容涉及版权等问题，请立即与小编联系（微信号：913572853），我们将迅速采取适当的措施。本订阅号原创内容，转载需授权，并注明作者和出处。如需投稿请与小助理联系（微信号：AI480908961）

    编辑：Zero

    资讯配图


    资讯配图

    资讯配图
    声明：内容取材于网络，仅代表作者观点，如有内容违规问题，请联系处理。 
    AI
    more
    从+AI到AI+，我们离AI原生还有多远？
    数据猿 1天前
    从+AI到AI+，我们离AI原生还有多远？
    医疗AI安全革命：全球首个医疗动态红队测试框架DAS，破解临床落地信任危机
    ScienceAI 1天前
    医疗AI安全革命：全球首个医疗动态红队测试框架DAS，破解临床落地信任危机
    OpenAI披露5代模型实测对比，力证GPT-5最强，没想到网友最爱GPT-1
    智东西 1天前
    OpenAI披露5代模型实测对比，力证GPT-5最强，没想到网友最爱GPT-1
    独家观点｜《奥尔特曼传》作者、国际媒体Pandaily创始人周恒星：AI要让公众民主参与
    世界人工智能大会 1天前
    独家观点｜《奥尔特曼传》作者、国际媒体Pandaily创始人周恒星：AI要让公众民主参与
    【AI】奥特曼爆冷改口：AGI没用？MIT预测2028年降临，50%概率
    人工智能产业链union 1天前
    【AI】奥特曼爆冷改口：AGI没用？MIT预测2028年降临，50%概率
    “现在读AI博士已经太晚了”
    量子位 1天前
    “现在读AI博士已经太晚了”
    33.9万元起，六座版Model Y发布/奥特曼：美国低估了中国AI/华为重夺中国手机市场榜首
    APPSO 1天前
    33.9万元起，六座版Model Y发布/奥特曼：美国低估了中国AI/华为重夺中国手机市场榜首
    布局边端侧AI芯片，景嘉微2.2亿增资诚恒微
    半导体产业纵横 1天前
    布局边端侧AI芯片，景嘉微2.2亿增资诚恒微
    人工智能产业现状-AI 生产力蓄势待发
    思瀚产业研究院 1天前
    人工智能产业现状-AI 生产力蓄势待发
    彭博社对话王坚博士：我从不追昂贵人才，真正的大牛没人关心时就该拿下，AI竞赛才刚开始，现在谈输赢为时过早
    智能情报所 1天前
    彭博社对话王坚博士：我从不追昂贵人才，真正的大牛没人关心时就该拿下，AI竞赛才刚开始，现在谈输赢为时过早
    Copyright © 2025 成都区角科技有限公司
    蜀ICP备2025143415号-1
      
    川公网安备51015602001305号