上一周我在某个技术群里看到有人转发了一条热搜截图标题写的是大模型不是AGI吗底下评论区吵成一片。有人说现在什么都AI了难道还不算通用智能又有人反驳它会的事多但离人那种通用还远着。两边谁也说服不了谁。这种争论最近特别常见凡是模型能力一有进步就会有人把AGI这个词拿出来用一次仿佛只要回答问题的覆盖面够广通用人工智能就已经到手了。我在这个行业里做了挺多年前前后后经历过几轮AI要颠覆世界的大宣传也见过很多技术概念被包装成神话的过程。站在一个做工程落地、整天跟模型打交道的人的角度看我想很诚恳地说一句话离AGI还早着呢。这句话不是否定现在的成绩而是想把我们到底在哪一步这件事说清楚。整篇文章会从概念、技术边界、行业现状三个层面展开也会给非技术读者一些简单、容易理解的判断框架让大家以后再看到类似热搜时自己能分辨哪些是真进展哪些只是名词游戏。1. 热搜背后的概念混乱大模型、AGI、ASI被当成一个词用了1.1 这三种能力到底差在哪很多争论的本质其实是概念错位。热搜词里同时出现了AGI、ASI、ANI三个缩写但大多数讨论根本不会区分它们。ANI叫弱人工智能指的是只在某一个特定领域里能干活的系统比如人脸识别、机器翻译、推荐系统它再厉害也出不了自己那一亩三分地。AGI叫通用人工智能指的是像人一样能够在各种不同领域里理解、学习和解决问题并且能应付那些从来没见过的全新情境。至于ASI那是超级人工智能通常理解成在几乎所有方面都远超人类智力的存在。用一张表格来看会更直观概念全称能力水平类比ANI弱人工智能单领域专用超越人类但范围极窄一台功能强悍但只会做一种菜的高级烤箱AGI通用人工智能多领域通用的理解、学习、推理能力一个能进不同行业、现学现用的成年人ASI超级人工智能全面超越人类智力的存在神话里那种全知全能的存在现在各家发布的大模型包括最强的那几个本质上仍然是ANI只不过是一个覆盖面极宽的ANI。它的宽给了很多人通用的错觉但从机制上讲它既没有脱离训练数据去理解真实世界的闭环也没有一种稳定可靠的通用推理能力更谈不上自我意识和自主目标。拿烤箱做菜来类比现在的大模型是一台能做一万道菜的烤箱但仍然是一台烤箱不会主动判断食材新不新鲜也不会根据饭桌人数临时调整菜谱。1.2 为什么行业里默认不纠正这种炒作你可能会想业内人为什么不出来把话说清楚其实多数人不是不想说是说了也没用。一方面做研究的人长期处在一种谨慎的乐观里大家见到能力提升确实很快就不太愿意泼冷水。另一方面商业叙事天然需要一个简洁有力的词AGI就是最好的宣传符号。模型效果好不好很难让所有人直观理解但AGI三个字母出来大众立刻就能感受到想象空间。这种氛围下概念被稀释是必然的。原本一个在学术上有严格定义的概念逐渐变成了AI能力很强的同义词。我以前参与过一次内部评审一个产品经理在全场讲我们产品已经具备AGI雏形结果被技术负责人反问了一句你能让它在没见过的物理环境里自己规划路径吗全场安静了好几秒。这种安静说明大多数人心里其实清楚但嘴上的口号已经收不住了。如果一个概念所有东西都能往里装那这个概念本身就没有判断力了。所以从概念上厘清AGI到底指什么是所有讨论的第一块基石。2. 大模型的算力想象力与真实推理之间有一道沟2.1 一个看起来很简单的逻辑题换个问法就崩抛开概念层面不谈直接看技术表现。大模型最强的地方是语言生成最让人心里没底的地方恰恰是它对道理的真实把握。我做过一个很简单的测试。我用常规问法问模型甲的兄弟有三个姐妹甲自己有几个姐妹模型答得又快又准。但只要我把题目变个结构把人物关系绕一下比如乙的妈妈有个妹妹妹妹有个女儿这个女儿管乙叫表哥那么表妹的妈妈是乙的什么人模型的正确率就开始明显下滑。同样的逻辑推理能力如果它真的掌握了换个说法不应该出现这么大的波动。这种情况背后的原因是大模型做事主要靠模式匹配而不是靠符号推理或因果模拟。它见过大量类似兄弟姐妹有几个姐妹的文本所以能从中提取出一个统计规律。可一旦输入形式脱离它熟悉的分布规律就失效了。这就像一个新员工背熟了公司所有常见事务的SOP你按流程问他他答得滴水不漏。可只要你把流程中间加一步异常情况他立刻不知道该怎么办因为他的应对体系是基于见过这个模式建立的而不是基于我理解这件事的目标和机制。2.2 没有世界模型只有语言模式还有一个更根本的问题大模型没有真正的世界模型。它理解世界的方式是海量文本里词与词之间的相关关系而不是真实世界里的物理规则和因果链。举个例子你问一个模型桌子上的杯子松手后会怎么样它会回答掉在地上摔碎。这个回答听上去正确但你需要明白它为什么正确。它不是因为在大脑里模拟了重力加速度、碰撞和材料强度而是因为训练文本里无数次出现过松手杯子掉在地上这些词的组合。它学到了语言上的强关联但并没有建立一个可以推演的物理模型。如果这个区别还不够直观你可以再问一个稍微少见的问题一根羽毛和一块铁球在真空中同时从高处落下哪个先着地模型会告诉你一样快但这依然可能是从物理学教科书文本里背来的。它能复述不意味着它能从一个更基础的层面推出为什么一样快。我见过一些大模型被问到一个放在负重力环境中的水杯会怎样这种没有标准答案的虚构场景时会尽量往水会浮起来、杯子会飘走这类和现实语言关联猜测的方向去回答但只要稍微追问你现在是在什么力场下参数的边界条件是什么它立刻就会变得含糊其辞。一个真正拥有世界模型的系统是有能力基于少量物理定律做推演的而一个语言模式系统只会在统计空间里打转。2.3 上下文窗口不是记忆更不是持续学习再聊一个被很多人忽略但很致命的边界记忆和持续学习。很多人觉得大模型上下文窗口越来越长几万字几十万字都能装进去这不是已经很接近人了吗这里要区分一件事——上下文窗口只是临时工作区对话一关里面的信息就没了。模型不会因为这次对话里你教过它某个你公司的内部流程下次对话就自动记住这个流程。它不会在离线状态悄悄消化白天学到的东西也不会带着经验成长。人类的学习是持续累积的。我今天遇到一个全新的问题解决完以后这个经验就沉淀到我的长期记忆里明天再遇到类似问题我会处理得更快。大模型没有这个机制它只是一次次地被调用、被填充上下文、然后清空。每次新对话对你来说是新的一天对模型来说它仍然是一个没有记忆的、刚刚醒来的系统。当然有专门的微调和记忆增强方案能把外部知识库接进去但那本质上是手术式的改造不是模型自己生出来的能力。一个系统如果没有独立于上下文窗口外的持久状态就不可能形成稳定的自我认知和持续的成长轨迹这也是离AGI还早最硬核的理由之一。3. 什么领域都能答是多任务技能不是通用智能3.1 广度与可靠性的矛盾再回看热搜词里那条什么领域问题都可以。这句话反映了大众对大模型最大的感知它似乎什么都能答法律问题能说医疗问题能聊编程问题能写甚至情感问题也能劝。从覆盖面上看确实没有第二个工具能像大模型一样横跨这么多领域。但如果你真的一个一个领域去较真就会发现覆盖广和可靠性之间存在着明显的矛盾。我在一个真实场景里做过测试让模型同时回答一个考公逻辑题、一个高中物理题、一个法律条文解释和一个装修施工建议。逻辑题它答错了物理题它用了错误的公式推导法律解释说得太绝对装修建议里混进了一个实际施工中非常危险的方案。这四个回答如果单独放到四个领域论坛里都会被专业人士一眼挑出毛病。问题就在这里。一个真正的通用智能应该具备的是把各个领域的知识灵活调用、交叉验证、判断边界的能力。而大模型目前做到的更像是一个海量知识的索引系统它的联想能力极强但缺少一个可靠的验证层来区分哪些答案是可信的、哪些只是文字相似。人去做一个陌生领域的判断时会先承认自己不懂然后查资料、请教人、交叉确认。大模型不会这样做它永远会流畅地把一个可能错误的话说得很自信。恰恰是这种流畅性最容易迷惑用户。3.2 多模态只是给范式叠加了输入通道多模态也被当成接近AGI的证据之一。现在的模型能看图、能听声音、能出视频输入形式越来越丰富好像越来越通感了。但从技术本质看多模态目前做的事情是在同一个大模型框架里把文字、图像、音频等信息映射到同一个表示空间。它能识别一张图里有一只猫并生成一段文案是因为它学会了一种跨模态的匹配和转换能力而不是因为它真正理解了猫和文字背后共通的现实意义。说直白一点多模态扩展的是模型的感官输入而不是认知机制。一个孩子能看到、听到、说到很多事但如果他没有办法把这些感知整合成对世界的稳定理解他依然没有发展出高级智能。现在的多模态模型整合能力在肉眼可见地提升但更多是信息层面的融会贯通还远谈不上概念层面的自主建构。举个例子模型一看一张图就能描述这是一个施工现场有工人和塔吊可如果你再追问一句推测这个施工项目大概处于哪个阶段、下一步需要做什么关键操作它就只能靠文本联想来猜了。因为它缺少对施工流程因果关系的根本理解视觉信息只是触发了与图片相关的语言片段而已。3.3 基准测试的虚高与数据污染在行业内部还有一个大家不愿意拿到台面上说的问题基准测试的可信度正在下降。每次新模型发布都会配套一组漂亮的跑分显示它在数学、代码、推理上甩开前代一大截。但很多跑分集本身并不干净模型在训练阶段可能已经见过题目甚至见过标准答案。测试集被数据污染评估结果就会虚高。我自己在一次实际调优中就遇到过这样的情况。某个模型在开源基准上表现接近满分但当我把同样题型改改数字、变变条件丢给它成绩立刻下降三四成。这说明它记住的可能是题目范式的答案而不是理解了解题过程。所以在看模型能力时我更看重的是变式测试——不改变底层逻辑只改变表面形式看模型的成绩是否稳定。如果表面一变就崩那不管跑分多高它掌握的都不是真正的推理而是对特定形式的记忆。真正的通用能力是在大量表面不可预测的变化下依然能稳定抓住核心规律的能力。从这个角度评估目前所有大模型都还有很长的路要走。4. 认真推演AGI需要什么条件可以发现缺了哪些4.1 长期规划与自主目标目前几乎没有如果技术的发展是按拼图逐步完成的那现在缺的可能是最大、最核心的几块。第一块长期规划。人类智能的一个重要特征是能够为一个十年后、二十年后才见分晓的目标持续做计划、调整、执行。这个过程中人会给目标分层把大目标拆解成阶段目标、月度目标、每日行动并根据外界反馈不断重新评估优先级。大模型没有这个能力。它擅长的是在当前上下文范围内对一步或几步之内的任务给出回答。你让它写一个提升某产品用户量的方案它能给你列出一二三四条建议但这些建议是静态的、框架式的它不会真的去接手运营这个产品不会自己拆目标、排优先级、调动资源、根据数据反馈迭代方案。也就是说它没有自主推进目标的闭环顶多算一个见多识广的参谋而不是一个能带兵打仗的将军。要实现AGI系统就需要有独立的长期目标表征能力和跨时间尺度的规划能力这意味着它必须能在没有人类每步提示的情况下自主动态地调整行动路线。目前大模型的运行范式无论你怎么设计Prompt本质上还是人一步、它一步的对话模式离自主闭环还差得很远。4.2 主动探索与具身交互理解世界的闭环第二块主动探索和具身交互。人类对世界的理解很大一部分不是靠别人教而是靠自己去摸、去试、去做。孩子看到水会把水倒来倒去感受它的流动。这种互动产生的是第一手的因果反馈我做了什么动作世界给了我什么结果。大模型没有这种主动探索的闭环。它只能通过被动的文本输入去间接理解世界它知道的水的流动来自文字描述而不是来自摆弄一个真实的水杯。虽然现在有一些机器人项目尝试把大模型接到物理实体上让机器人根据语言指令操作物体但这种结合的深度仍非常有限更多是语言系统指挥动作系统尚未形成一种感知-行动-反馈-调整的连续闭环。没有具身交互意味着系统无法获得真实世界中的第一手反馈也就无法理解那些藏在语言之外的物理常识、空间直觉和手眼协调能力。这一步的缺失是AGI和聊天机器人之间最实实在在的物理距离。4.3 因果推理与元认知一条容易忽视的分界线第三块因果推理和元认知。因果推理已经在前面提过指的是系统能否区分相关性和因果性能否回答如果我干预了某个变量结果会怎样这类反事实问题。大模型中掌握的知识绝大多数是相关性知识它们在统计上高度匹配但在因果层面上是缺失的。一个只会相关性的系统本质上是一个聪明的预测器而不是一个真正的理解者。元认知听起来有点玄其实就是知道自己知道什么和不知道什么的能力。人类会有这道题我不会这个领域我不熟我刚才的理解可能有偏差这样的自我监控。这种对自身认知状态的感知是高效学习和决策的基础。大模型在这一块表现得尤其让人头疼。它不会自然地说这个问题我没有把握建议你咨询专业人士它倾向于给每个问题一个流畅的回答哪怕回答的内容它自己并没有任何信念支撑。缺乏可靠的不确定性估计和表达机制是当前大模型显得聪明但不可靠的重要根源也是学术界正在努力攻克的评估校准问题。如果系统无法诚实地面对自己的未知你就永远无法真正相信它在关键决策中的判断。一个系统要配得上AGI这三个字母至少要同时具备长期规划与自主目标、具身探索与反馈闭环、因果推理与元认知。这几块拼图目前要么完全没有要么只有最粗糙的雏形。5. 从工程视角看时间线没那么近但方向是明确的5.1 这一轮AI发展的真正价值说了这么多问题并不是要否定大模型的价值。恰恰相反我从工程落地的角度认为这一轮AI发展是过去十多年里最值得认真对待的一次技术跃迁。但它的真正价值不在于通往AGI的一步到位而在于把机器的语言理解能力提升到了一个可以大规模商用的水平。过去很多做NLP的人都会有一个感受模型做过一堆复杂规则和机器学习之后到了真实场景还是满嘴胡话。现在的大模型至少在文本生成、信息整理、创意发散这些方向上已经从不可用跨过了可辅助的门槛。我做过的实际项目中不管是客服话术生成、文档摘要还是初步代码生成效率提升都是肉眼可见的。它是极好的效率工具是比搜索引擎更进一步的知识接口是辅助思考和创作的第二大脑但这和拥有通用智能的另一个物种是两回事。我们拿着一个强大的工具到处开拓应用场景这件事本身就说明工具离自主智能还很遥远——工具越需要人去定义问题它就越接近机器而不是人。5.2 什么样的进展才值得喊AGI那什么样的进展才值得大家认真地、收敛地使用AGI这个说法我可以给几个操作性很强的判断标准读者以后再看到AGI临近的新闻时可以拿这几个标准去对照。第一系统能否在零样本或极少样本条件下解决一个它从没接触过的、全新领域的实际问题并且过程可验证、结果可靠。第二系统能否在多个任务之间进行自主迁移——学会开车之后能不能自己推导出操作挖掘机的基本逻辑第三系统能否在完全无常驻提示的状态下自主设定目标、规划长周期行动并持续迭代。第四系统能否对自己给出的答案进行可信度判断在不确定时主动说我不确定并寻求更多信息。按这个标准去看现在的技术进展基本都还停在第一点的边缘摸索而后三点几乎还是空白。你可以想象当这些标准真正被逐一满足时行业讨论会自然转变话题——从大模型是不是AGI变成我们该怎么和AGI相处。现在还远远没有到讨论后一个问题的时候。5.3 我的个人判断与使用建议关于时间线我不想装神弄鬼给出一个具体年份。行业里著名的预测五花八门有说三年内AGI到的也有说三十年都不一定到的。我个人综合技术状态和工程落地速度的判断是三五年内我们应该能看到更强的模型、更多的多模态能力、更成熟的智能体框架但那些更多是更强大的ANI工具而不是AGI本体。真正逼近AGI需要的是几个方向上底层机制式的突破这些突破的时间窗口很难用线性推断。对一个普通从业者或爱好者来说最务实的建议是既不要被AGI马上要来了的叙事裹挟着焦虑也不用因为大模型还这么笨就直接否定它的价值。把它当成一个能力极强但偶尔会犯错的实习生用它做那些需要高效率产出初稿的工作而对那些需要精确判断、长期责任和真实世界反馈的决策永远保留人类自己的校验环节。AGI是一件值得期待的大事但期待不等于抵达。在它真正来临之前脚踏实地把工具用在实处比跟着热搜狂欢要有意义得多。至于以后的路等技术真到了那一步我们再讨论不迟。