首页/未来
Chapter 08 · What's Next
终点未定，
但路标已经出现
没有人能确定 AGI 什么时候到来。能确定的是，接下来的竞争不会只发生在模型层，而会发生在算力、能源、数据、工具和信任之间。
SCENARIO A
继续放大
Transformer 仍然是地基，算力继续集中，能力曲线没有明显平台期。
看这些信号：前沿训练规模继续上升；推理成本持续下降；新一轮模型在长程任务上稳定进步。
SCENARIO B
架构换道
某个新范式在样本效率或持续学习上大幅超越现有路线，规模不再是唯一答案。
看这些信号：小模型在复杂任务上追平大模型；训练数据需求显著下降；出现新的评测维度。
SCENARIO C
平台期与退潮
投入产出比恶化，监管收紧，杀手级应用迟迟不来，资本重新定价。
看这些信号：融资节奏放缓；企业采购从试点转向观望；头部公司开始收缩前沿投入。
通往 AGI 的五道门槛
- 长程任务
连续工作数小时而不跑偏，能自己发现错误并纠正。
- 世界模型
理解物理与社会常识，而不只是词与词之间的统计关系。
- 持续学习
上线后还能学新东西，不必每次重训。
- 样本效率
看几次就会，而不是看万亿次。
- 对齐与可解释
知道它为什么这么做，并且能阻止它做错。
2047
2023 年，一项对 2,778 名 AI 研究者的调查给出的 AGI 中位预测年份是 2047 年。答案非常分散，这本身就是不确定性的注脚：有人押 2028，有人押 2100 年以后。
来源：Grace 等，《Thousands of AI Authors on the Future of AI》，2024。中位数不等于共识。
AGI 的三种定义
术语速查
- 参数
- 模型里可学习的数值，粗略对应“记忆容量”。
- Token
- 模型处理文本的最小单位，大约是一个词或半个词。
- Transformer
- 2017 年提出的架构，用注意力处理序列。
- 缩放定律
- 参数量、数据量、算力与损失之间的经验关系。
- 推理模型
- 回答前先花更多算力“想”，用更长的思考链换正确率。
- 智能体
- 能调用工具、分解任务、连续行动的系统。
观察 · Ten Signals
未来五年，看这十个指标
不用预测哪家公司会赢。观察斜率，比押注终点更有用。
01 · 单位 token 成本
每百万 token 的推理价格，以及背后的真实毛利。降价是好事，但如果靠补贴，就不是能力进步。
02 · 长程任务成功率
不是一次问答，而是连续数小时、多步骤、可验证的任务完成率。这是 agent 的关键指标。
03 · 开源与闭源的差距
开放权重模型追上前沿需要多久？如果缩短到几个月，能力会更快变成公共基础设施。
04 · 训练资本开支
前沿训练的成本曲线，以及资本开支与收入增速的差距。它决定这轮投入能持续多久。
05 · 数据中心电力
新增电力、并网时间、液冷渗透率。算力的尽头是电力，这句话会越来越具体。
06 · 监管落地速度
欧盟法案的执行细则、中国的备案与标识、美国的联邦立法。合规会重塑产品形态。
07 · 企业付费与留存
试点很多不代表采用。看续费率、席位扩张、以及是否进入核心流程。
08 · 科学发现
AI 是否产出了人类没有提出的假设，并被实验验证。这是“加速器”与“工具”的分水岭。
09 · 安全事件
模型被滥用、泄露、误导或造成实际损失的频率。事故率会决定监管的力度。
10 · 公众信任
使用率、信任度、以及对“AI 生成”的敏感度。信任是 adoption 的隐形上限。
收束 · Three Things
如果只能记住三件事
一、能力不是产品
一个更强的模型，不等于一个更好的产品。可靠性、成本、工作流、责任边界，决定了能力能否变成价值。
二、成本曲线决定普及速度
技术能否进入日常生活，往往不取决于最强能力，而取决于最便宜、最稳定、最可嵌入的那一档。
三、治理会迟到，但不会缺席
版权、隐私、安全、就业，最终都会以法规、标准或采购条款的形式进入赛道。越早把治理当作设计约束，越少返工。
尾声 · Epilogue
看懂一条赛道，只需要四个问题
它解决了什么以前解决不了的问题？
它的成本曲线，在往哪个方向走？
谁卡住了这条赛道的瓶颈？
今天的承诺，离真实能力还有多远？
八十年里，AI 被宣布胜利过很多次，也被宣布死亡过很多次。赛道真正的规则只有一条：能力最终会追上承诺，或者承诺先破产。
资料与出处
- McCarthy 等，达特茅斯会议提案，1955。
- ImageNet / ILSVRC 历年结果，image-net.org。
- Epoch AI 模型与算力数据，epoch.ai/data。
- IEA，《Energy and AI》，2025，iea.org。
- Grace 等，《Thousands of AI Authors on the Future of AI》，arXiv:2401.01614，2024。
- 国务院，《新一代人工智能发展规划》，2017。
- 各公司公开模型资料与技术报告。
延伸阅读
- Russell & Norvig，Artificial Intelligence: A Modern Approach。
- Goodfellow、Bengio、Courville，Deep Learning。
- Melanie Mitchell，Artificial Intelligence: A Guide for Thinking Humans。
- 李飞飞，The Worlds I See（中译《我看见的世界》）。
- 周志华，《机器学习》。