麻省理工大学：《通往通用人工智能之路》的研究报告

“欧米伽未来研究所”关注科技未来发展趋势，研究人类向欧米伽点演化过程中面临的重大机遇与挑战。将不定期推荐和发布世界范围重要科技研究进展和未来趋势研究。（

来源：欧米伽未来研究所2025

在2025年发布的一份题为《通往通用人工智能之路》的执行简报中，麻省理工科技评论洞察（MIT Technology Review Insights）与Arm公司合作，深入探讨了人工智能（AI）领域的快速演进及其对能够匹敌甚至超越人类全方位智力的模型的追求 。

这份报告的核心内容围绕着通用人工智能（Artificial General Intelligence, AGI）的定义、实现时间表的急剧缩短、当前AI模型存在的显著局限性，以及实现这一宏伟目标所需的技术路径和核心理念之争。报告指出，尽管当前的人工智能模型能够在药物发现和代码编写等专业领域展现出惊人的能力，但它们在解决一个普通人数分钟内就能掌握的谜题时却常常失败 。这种现象恰恰揭示了通往通用人工智能之路上所面临的核心挑战：我们是否能够通过当前的AI革命，创造出在所有领域都能与人类智能相媲美或超越人类智能的模型 。

报告描绘了一个充满乐观情绪但又不乏清醒认识的行业图景。对AGI到来的预测时间线正在以惊人的速度缩短 。根据报告中引用的图表数据，在GPT模型出现之前，社区普遍预测AGI的实现平均需要80年；而随着GPT-3的发布，这一预测缩短至50年，到了2024年底，最新的数据点显示预测时间已骤降至仅仅5年 。

行业领袖们也纷纷表达了他们的积极看法。Anthropic的联合创始人Dario Amodei预测，某种形式的“强大AI”最早可能在2026年出现，其特性将包括诺贝尔奖级别的领域智能、在文本、音频和物理世界等不同界面间切换的能力，以及实现目标的自主推理能力，而不仅仅是像现在这样被动地响应提示 。

OpenAI的首席执行官Sam Altman同样认为，类AGI的特性已经“映入眼帘”，并将开启一场堪比电力和互联网的社会变革 。他将这一进展归功于训练、数据和计算能力的持续增长、成本的下降以及其带来的“超指数级”的社会经济价值 。

综合性的预测也支持了这一趋势，有至少50%的可能性认为AI系统将在2028年前实现多项AGI里程碑 。更有专家调查估计，机器在没有任何辅助的情况下于所有可能任务上超越人类的可能性，在2027年为10%，到2047年则高达50% 。

然而，报告明确指出，尽管前景广阔，但通往真正AGI的道路上仍存在诸多障碍，这些障碍触及了“智能”本身的定义。OpenAI将AGI定义为在具有经济价值的工作领域能够超越人类的自主系统 。但许多专家认为，这一定义尚不足以涵盖智能的全貌。

Ndea联合创始人及ARC奖项的共同创建者François Chollet提出了一个更深层次的定义：“智能是有效地将已知事物重组成新模式以解决新颖问题的能力” 。他指出，在他设计的ARC-AGI-2基准测试中，纯粹的大型语言模型（LLM）得分为0%，而人类几乎能解决所有任务，这凸显了当今最强大模型与人类智能在适应性上的巨大鸿沟 。

Arm公司的机器学习技术副总裁Ian Bratt则将AI的发展与人脑的可塑性曲线进行了类比，认为AI目前仍处于从感知、语言向认知发展的“幼儿阶段”，而实现认知的飞跃将需要更长的时间 。为了达到AGI，AI系统必须在多个方面取得突破，包括但不限于视觉感知、听觉感知、精细运动技能、问题解决、创造力、自然语言处理、导航以及社交和情感互动能力 。

报告援引麦肯锡公司的数据指出，当前AI在这些方面与人类相比仍有明显不足 。例如，它们在色彩一致性上表现不佳 ，缺乏对上下文和细微含义的全面理解 ，并且同理心等高级情感能力仍然遥不可及 。

为了弥合这一差距，报告深入探讨了计算能力的关键作用，即所谓的“计算指令”（compute imperative）。AGI的实现被认为需要巨大的计算能力，可能超过

1016 teraflops 。AI训练所需的计算量增长惊人，在2010年深度学习时代来临后，其翻倍时间从之前的21个月急剧缩短至5.7个月 。一些估算甚至认为，到2037年，支持AGI所需的计算成本可能超过整个美国的GDP 。

面对如此巨大的需求，报告强调，单纯依靠堆砌计算能力是不可持续的，成功的关键在于构建更高效、分布式和具备情境感知能力的计算架构，这些架构不仅要优化速度，还要兼顾延迟、带宽和能源消耗 。在此背景下，“异构计算”（Heterogeneous computing）被视为一条平衡、可扩展且切实可行的发展路径 。

这种方法主张为正确的工作匹配正确的工具，将中央处理器（CPU）、图形处理器（GPU）与神经处理单元（NPU）、张量处理单元（TPU）等专用AI加速器结合起来，各司其职 。要实现这一切，不仅需要硬件层面的创新，还需要先进的软件工具和框架来管理、协调和优化这些多样化的处理芯片 。AI软件的持续改进旨在简化开发者的工作，使他们能够编写一次代码就能在多个硬件后端上运行，而无需为每个平台重写 。

尽管计算能力至关重要，但报告也呈现了另一种深刻的观点，即计算并非唯一的瓶颈。

François Chollet认为，真正的瓶颈在于“思想”（ideas） 。他辩称，“智能即效率”，因此正确的思想本身就将是计算高效的 。AI专家Henry Ajder也持有类似看法，他认为当前的大型语言模型建立在概率图谱之上，这种技术基础可能不足以支撑AGI的实现，尤其是在处理需要跨领域知识和新颖问题解决能力的场景时 。

他推测，实现AGI可能需要一次全新的架构性突破，就像Transformer架构为生成式AI带来了革命性进展一样 。因此，通往AGI的道路可能需要一种融合不同哲学和方法的综合路径 。这不仅要求整个行业进行合作，以创建一个统一的生态系统，还需要在专业硬件和异构计算等领域取得进步，以提高扩展效率 。

同时，对AGI本身形态和意义的持续辩论也将推动该领域的进步 。Humane Intelligence的首席执行官Rumman Chowdhury呼吁建立新的智能框架，超越狭隘的人类成就定义，将适应性和灵活性等流体智能、社会理解等社交智能以及环境感知等具身智能纳入考量，从而对AGI进行更全面的评估，并对人类之外的新型智能形式持开放态度 。

总而言之，这份由麻省理工科技评论洞察发布的报告系统地阐述了通往通用人工智能之路的复杂性与多维性。

它明确指出，AGI已从遥远的科幻概念变为一个业界认真探讨并积极追求的近期目标，其实现时间表因技术突破而不断提前。然而，报告也深刻地揭示了当前AI在认知、适应性和通用性方面的根本局限。最终，报告的结论是，AGI的实现不会仅仅是计算能力无限扩展的产物，而更可能是一场涉及硬件、软件、算法乃至智能定义本身的全方位革命 。

它将需要一个结合了高效异构计算架构、颠覆性的新思想以及对智能本质更深刻理解的综合性解决方案 。正如报告所暗示的，这段旅程不仅关乎我们如何构建更智能的机器，也同样关乎我们如何更深刻地理解智能本身 。

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

https://wx.zsxq.com/group/454854145828

未来知识库是“ 欧米伽 未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。