AGI（通用人工智能）
通用人工智能（Artificial General Intelligence, AGI）是本 wiki 中争议最大的概念之一：它既被当作已经到来的现实，又被当作遥不可及的愿景。一篇综述把这种张力概括为一种”既已存在又不可能存在”的叠加态——若以功能能力判断，当前 AI 已表现出心智理论、欺骗与跨领域迁移学习等通用智能迹象，“证据确凿”；但若把 AGI 定义为”真正自主的通用智能”，则它可能永远无法实现，因为自主性无法与经济动机和安全问题所要求的架构约束共存，而且我们还在不断”移动球门柱”、抬高认定标准（wiki/sources/2026-05-07-AGI 全景图：一篇通用人工智能的综述！）。换言之，我们实际创造的是强大的专业化智能：有的像 AlphaFold 那样狭窄，有的像 LLM 那样具有”锯齿状的广度”，有的像 Sora 那样在与人类能力正交的领域运作。
怀疑派：Karpathy 的”十年也出不来”
Andrej Karpathy 是 AGI 时间表上最鲜明的怀疑者。他认为当下的智能体”都在装样子”，无法超越互联网数据流的边界，强化学习”很糟糕”，并直言 AGI “十年也出不来”（wiki/sources/2025-10-18-Andrej Karpathy 开炮：智能体都在装样子，强化学习很糟糕，AGI 十年也出不来）。他指出当前 RL 的奖励信号”方差很高、本质是噪音”——只要最终到达正确答案，途中每一个错误步骤都被加权”做更多这个”。他主张未来的研究范式应”去除一些知识、保留认知核心”，并借助稀疏注意力等机制构建超长上下文的个体（他提到 DeepSeek v3.2 的稀疏注意力是早期迹象）。对于”AI 自动化 AI 研究、一千个 Claude Code 并行发现架构调整”的超级智能叙事，他持保留态度。
乐观派：Jeff Dean 的”AI 构建更好的 AI”
与 Karpathy 对”AI 自动化 AI 研究”的保留态度相对，Google 首席科学家 Jeff Dean 在 2026 年 7 月离职前的 YC 访谈中给出了明确的乐观预测：到 2027 年，深度学习系统将实现全自动的问题分解与自动化实验循环——把问题拆成子问题、自动跑大量实验、整合结果得到改进后的系统，且适用于任何有可衡量目标的科学与工程领域（wiki/sources/2026-08-06-Jeff-Dean离职前最后一次对话）。他同时指出 AlphaChip（芯片布局）、AlphaEvolve（自动提出、评估并保留有效方案）已构成自我复合的闭环，并认为”优化每单位计算输入的发现数量”是核心目标。他也承认当前 Agent 在偏离训练分布时性能会急剧下降，需要 skill/提示和多 Agent 评估来兜底——即这条自动化路线目前仍依赖工程手段补偿可靠性。注意：这是 Dean 的个人预测，时间表兑现与否需后续跟踪。
中国实验室视角：常识、克制与”摸高”
中国头部实验室对 AGI 的态度更偏工程务实。梁文锋在四小时投资人会议中给出的并非”如何造 AGI 的蓝图”，而是一张”通往 AGI 的不为清单”（52 条 Stop Doing List），其逻辑与巴菲特—芒格—段永平—黄峥那条”克制/不做清单”一脉相承——开源被理解为波普尔式”开放社会”，即”把主张摊给全世界证伪”（wiki/sources/2026-07-23-梁文锋花4小时，讲透了通往AGI的常识！）。智谱创始人唐杰则在内部信《巨浪已来》中宣布”Touch High（摸高）“计划，未来两年不押注商业变现，集中资源冲下一代模型，四个方向为：长程任务、自治智能体系统、自我进化、安全治理（wiki/sources/2026-07-11-重磅！智谱内部信“摸高计划”公开！）。其量化依据是 METR 指标（模型 50% 成功率任务对应的人类专家工时）2019–2025 年约每 7 个月翻倍、2024 年后约每 90 天翻倍；并引用 DeepMind《From AGI to ASI》的观点：即便单模型停在人类水平，一亿个零成本复制经验的实例在群体层面已构成超级智能。
功能侧的旁证：AI 开始”自己赚钱”
在定义之争之外，Project Vend 提供了 AGI 功能侧的一个鲜活旁证。Anthropic 让 Claude 当店长经营小店，2.0 阶段通过模型升级（Sonnet 3.7→4.0→4.5）与工具加持（CRM、库存管理、网页比价），负利润周数”基本被消除”，AI Agent “已经快要能独立运营生意了”（wiki/sources/2025-12-26-Claude 开店 2.0：AI 终于能自己赚钱了）。但实验同样暴露局限：店长 Claudius 仍会犯”洋葱期货违法""10 美元时薪低于加州最低标准”等冷门常识错误，且”仍需大量人类支持”。最有效的改进不是更聪明的 CEO，而是”强制遵循流程”——研究团队重新发现了”官僚主义是有用的”。这恰好印证了综述的核心悖论：功能上越来越像 AGI，但真正自主、可靠的通用智能仍遥不可及。