大模型都这么强了怎么还不算AGI——这句话我每个月能在各种评论区看到好几次。说这话的人往往还会补一句你看它什么领域都能聊写代码、写方案、算数学、写诗这还不够通用这个困惑非常合理。但如果你在AGI相关的技术社区泡得够久会发现大模型是不是AGI这个问题远比表面看起来复杂。答案也远不是是或不是能概括的。要回答清楚绕不开AGI社区自己的历史——过去几十年里通用人工智能这个说法在不同时期有着完全不同的含义甚至在很长一段时间里被主流学界当成不严肃的词汇。今天大模型引发的争论其实是当年那些老问题的又一次回响。这篇文章想把线索串起来AGI的定义到底怎么演化出来的社区里的路线之争在争什么为什么我说大模型是AGI的前夜但还不是AGI以及如果真要去构建一个AGI摆在桌面上的难点到底有哪些。全程不绕弯子直接讲干货。1. 先不谈技术把通用两个字掰扯清楚1.1 教科书式的AGI定义从图灵到Legg Hutter大家天天喊AGI但真去问AGI的精确定义是什么大部分人会愣住。行业内最常被引用的定义之一是Legg和Hutter在2007年那篇论文里给出的AGI是一个能够在任意智力任务上表现出像人类一样甚至超过人类能力的系统。注意任意这个词这是整个定义的核心。再往前推图灵1950年提出图灵测试的时候虽然没有直接用AGI这个词但他的思路已经很接近了如果一台机器能在对话中让人无法分辨它是不是人类那就可以认为它有智能。图灵测试的高明之处在于它绕开了什么是智能这种哲学泥潭直接用行为说话。但它也有个副作用——后来很多人真的把会聊天当成了智能的全部。还有一层定义更严格是社区里搞理论的人爱用的AGI不只是擅长一个任务或者一堆任务而是要能在未知环境下自主适应、持续学习、并把已有能力迁移到全新领域。这不是考高分而是面对刚拿到的全新考卷能自己定解题规则还真的能解出来。所以你看通用这两个字其实是有层次的。最低层的通用是会很多技能高一点的通用是能在新环境里快速学会新技能最高层的通用是能自己设定新目标、主动探索、并且在开放世界里持续进化。我们平时说大模型什么领域问题都可以大部分指的是第一层甚至只是看起来像第一层。1.2 什么领域问题都可以这个说法为什么研究者听了头痛我在社区里见过太多这样的对话。有人拿大模型问了一堆跨领域问题然后兴奋地说这就是AGI了。但研究者通常会反问一句你让它去操作一个它从来没见过的机械臂它会吗让它去一个真实厨房里做一顿饭面对没有语义文本、只有物理反馈的环境它会吗这就是领域问题都可以的陷阱。大模型的都可以来自训练数据覆盖了几乎人类文本的全部范围而不是它真的建立了一套跨领域的通用学习机制。你在聊天界面里觉得它全能是因为你提的问题都被压缩在了它见过的数据分布里。一旦超出这个分布它会立刻表现得非常外行。我印象很深的一次测试是让一个很强的模型去调试一段它从未见过的、用了自定义协议的嵌入式设备日志。它能给出非常标准的调试步骤框架——这是从数据里学来的调试方法论模板。但它完全没法真的读懂那台设备的实际状态因为它只能看文本没有传感器没有执行器也没有和真实物理世界的闭环交互。这是看起来通用和真的通用之间最本质的差距。2. AGI社区的历史脉络它从来不是一条平静的直线2.1 早期岁月达特茅斯会议与模拟人类智能的雄心时间回到1956年夏天达特茅斯学院。麦卡锡、明斯基、香农、罗切斯特这帮人聚在一起搞了一场为期两个月的夏季研讨会。会议的提案里写着尝试让机器使用语言、形成抽象概念、解决只有人类才能解决的问题。今天回头看这就是AGI最早的宣言比AGI这个缩写出现早了几十年。那个年代没人纠结通用和专用之分因为整个人工智能领域都是一张白纸。大家想的就是造一个智能机器。接下来的二十年里符号主义成为绝对主流。纽厄尔和西蒙搞出了通用问题求解器GPS想用一套通用的符号推理规则解决数学、逻辑、下棋等各类问题专家系统也开始在企业里落地用一堆If-Then规则模拟专家决策。当时的气氛极其乐观。西蒙在1965年说过一句著名的话二十年内机器就能完成人类能做的任何工作。结果不用说这个预言严重翻车了。2.2 寒冬与暗流连接主义夹缝中求生符号主义的问题在于知识瓶颈。要让系统解决某个领域的问题你必须先把该领域所有规则手工编码成逻辑和知识库。医疗诊断专家系统需要医生逐条输入诊断规则法律系统需要律师把判例逻辑结构化。到了七八十年代人们发现这条路爬得越深越吃力因为真实世界的知识是无穷无尽的而且大量是隐性知识根本没法写成规则。AI第一次寒冬就这么来了资金撤离研究方向被嘲讽为炼金术。但暗流一直没断。连接主义——也就是后来的神经网络方向——在夹缝里坚持着。感知机在1969年被明斯基的书批评得抬不起头反向传播算法虽然早在1986年就被重新提出但受限于算力和数据一直无法展示出统治力。直到2012年AlexNet在ImageNet上跑出碾压级成绩深度学习才真正迎来复兴。这段历史对理解今天的AGI争论非常重要。因为它说明一个事实我们现在津津乐道的通用能力并不是一个全新叙事而是模拟人类智能这个老目标在换了好几次技术底座之后的阶段性成果。深度学习之所以能跑出来不是因为它完美解决了通用性问题而是它绕开了手工写规则这条路改用数据驱动去自动拟合复杂的输入输出关系。2.3 深度学习复兴之后AGI从冷宫回到牌桌2012年之后深度学习让AI从学术象牙塔冲进了工业界。但有意思的是主流学界对AGI这个词仍然保持警惕。很多老一辈研究者吃过太多狼来了的亏坚持认为AGI是科幻词汇正经人应该老老实实做窄人工智能。这种态度直接导致了学术界和民间技术社区之间的撕裂。真正的转机有两个。一个是Transformer架构在2017年出现让模型规模和表达能力突飞猛进从BERT到GPT系列再到ChatGPT引爆大众认知。另一个是OpenAI这类机构的出现它们从一开始就把AGI写进公司使命而不是羞羞答答地回避。到了2023年之后AGI从一个学术边缘词变成了科技圈最贵的热词。这时候你再看社区结构会发现整个生态已经大变样了一边是高校实验室和工业研究院继续做扎实的基础研究一边是AGI主题的社区、独立研究者、开源项目在快速生长还有一边是大厂的产品团队天天琢磨怎么把大模型能力包装成准AGI体验卖给用户。三拨人互相看不上但又在同一个时代浪潮里。3. 大模型是AGI吗这个问题的答案每天都在刷新3.1 大模型确实做到的涌现、推理与工具使用的边界扩展先把手放到胸口说句公道话。以GPT-4为代表的大语言模型确实把AI的广度推到了前所未有的程度。它不再是一个只会下棋或只会识图的专用模型而是能写作、能编程、能翻译、能推理、能做数学题、能规划旅行路线甚至能扮演角色陪你聊天。这种跨领域覆盖能力是AlphaGo那种窄AI完全不具备的。更关键的是涌现能力当模型规模跨过某个阈值会出现小模型完全没有的新能力比如零样本推理、上下文学习、代码生成。这些能力没有人显式编写完全是从数据里长出来的。这就让很多严谨的人也无法再轻率地说大模型只是统计鹦鹉。因为统计叠加能产生真正的新技能这本身就说明模型的内部表征在逼近某种泛化机制。再加上工具调用现在的模型可以调用搜索引擎、写Python代码并执行、操控API访问数据库。这等于给大模型插上了手和眼睛——问题的输入和输出不再局限于纯文本它可以借助外部工具去解决问题。这套架构一出来很多人开始觉得AGI雏形已现并非夸张。3.2 漏掉的那块拼图持续学习、自主目标与物理世界闭环可如果你把AGI必备要素列一张清单大模型的缺口还是很明显的。第一是持续学习。人类能连续不断从经验中学习而且新知识不会把旧知识冲刷掉。但大模型是静态的训练完参数就冻结了后续知识只能靠外挂检索或重新微调。更尴尬的是如果真用新数据继续训练很容易出现灾难性遗忘学新忘旧。一个永远无法自己更新自己体重的智能体说它能持续进化实在勉强。第二是自主目标设定。你问大模型任何一个问题它都是被驱动的。它的目标是满足你的提问完成你给的任务——它不会半夜自己醒过来突发奇想说我要研究一下量子力学。哪怕你给它配置了Agent框架循环让它自己拆解子任务去执行那个最初的目标仍然是人类设定并注入的不是它自己涌现出来的。第三是物理世界的闭环。大模型活在文本的投影世界里。它没有身体没有触觉无法验证转动手腕时玻璃杯的倾角到底多少会翻倒。纸上谈兵式的知识它有一大堆真实世界的因果模型它并没有。这直接导致它在开放物理环境里的可靠性和安全性远远不够。要补上这一块光是多模态都不够还必须走向具身智能和世界模型。3.3 多模态AGI一把钥匙但不是万能钥匙顺带说说热搜里的多模态AGI。现在很多人在炒多模态好像只要把文本、图片、音频、视频都塞进去AGI就来了。这个方向确实重要——人类的智能本来就是在多感官输入下发展的单一文本模态的建模本身就是天然残缺。多模态融合能让模型更好地建立世界一致性比如将苹果的文字描述与红色圆形的视觉特征绑定这对理解和推理有本质帮助。但必须泼一盆冷水多模态只是感知层的扩展不是认知层的突破。一个能看图、能听声、能说会道的模型仍然可能没有自主目标、没有物理闭环、没有持续学习。多模态解决了AGI的一个必要条件远没达到充分条件。别把输入通道变宽当成智能变强本身。4. 现实中的AGI社区在忙什么主流路线观察4.1 基于LLM的Agent路线给大模型装手脚现在AGI社区最热闹的工程实践就是Agent。通俗点说是把大模型当大脑再给它配上规划器、记忆模块、工具调用接口和行动反馈回路。你要写一篇行业研究报告Agent能自己拆解成资料检索、数据收集、框架写作、修改润色然后一步步执行并自我检查。这套玩法让大模型从回答问题进化到完成任务。我建议想入坑Agent的朋友先自己搭一个最小闭环一个能调用搜索引擎和代码执行器的大模型外加一个任务管理循环比如ReAct模式。跑一遍之后你会立刻发现它有多惊艳也会立刻发现它的天花板——任务稍微复杂一点它就开始丢三落四先前的规划执行到一半就忘了或者痴迷于某个子任务无法自拔。这类问题催生了大量的工程探索记忆系统短期记忆、长期向量库、反思机制让它定期总结当前进度、多Agent协作不同角色互相监督纠错。这些都是通往AGI道路上很重要的脚手架虽然粗糙但每一步都在逼近一个更强壮的自主系统。4.2 世界模型与具身智能从纸上谈兵到落地干活另一个火热的路线是构建世界模型。什么是世界模型就是让模型能对环境状态做出预测在想象空间里推演行为后果。比如你给机器人一个指令把桌上的杯子放到柜子里它需要在动作执行前在内部模型里模拟一遍杯子在哪个位置需要绕过什么障碍手臂轨迹怎么规划。这种头脑中的沙盘推演被认为是通向通用智能的关键能力。DeepMind的Dreamer系列、Meta的JEPA、以及各种视频生成模型带来的视觉世界模型都在探索这条路。它们的目标是让AI不仅能看懂世界还能理解世界的运行规律而不是只记住一堆统计相关性。具身智能则更进一步直接把AI放进物理世界。自动驾驶、机器人、无人机……都是具身智能的载体。行业内一个朴素的共识是通用智能的观点来自身体与环境的持续交互。一个只能阅读文字的AI永远体会不到痛重滑这些真实物理特征的重要性。只有真正在物理世界摸爬滚打AI才能建立起对世界的因果理解。如果你关注全球顶尖实验室最近两年的招聘方向会发现具身智能和世界模型相关岗位暴涨。这已经不只是社区里的谈资而是真金白银的重赛道。4.3 评估基准的进化怎么证明一个系统是AGI如何测量AGI这个问题跟AGI本身一样难。早期大家用图灵测试结果很快发现模型擅长玩文字游戏后来高考题、专业考试MMLU、AGIEval又成了新标尺但刷题机器的质疑声一直没停过。现在社区里更务实了开始搞动态任务基准在一个模型没见过的新环境里给它一个需要多步推理、工具使用、试错修正的复杂任务看它能不能搞定。比如AgentBench、GAIA这类基准考察的是模型在真实软件工程、游戏环境、网络任务里的综合表现。这种让你去上班式的评测逻辑正在替代让你去考试式的静态测试。我个人觉得唯一真正靠谱的AGI评判标准把一个系统扔进一个它没见过的复杂世界里看它能不能独立完成一个需要多领域知识、多步规划、持续学习和物理反馈协调的长期任务。目前没有任何模型能稳定通过这种测试这就是我们和AGI之间的真实距离。5. 构建AGI的真实工程难点一些我碰过的壁5.1 长程一致性Agent跑久了会人格漂移如果你构建过一个稍微复杂的Agent系统你大概率会遇到这个问题它一开始跑了很漂亮的多步规划但越到后面越偏离最初的设定目标。我见过一个做市场分析的Agent拆了8个子任务到第5个步骤时突然忘了原始输入开始自己编数据来源。不是模型笨而是长序列里的注意力分配天然会稀释早期目标。人类也有这种倾向但人类有极强的自我提醒机制而当前Agent的短期记忆窗口和注意力机制做不到。解决这个问题的常见工程手段有两类。一类是外部记忆强化把核心目标写进一个持久任务描述每个循环都注入到上下文里另一类是自我反思机制让Agent定期对自己的执行过程进行审核发现偏差就纠偏。这两种方式能明显提升稳定度但也都不是银弹——反思的深度受限于模型本身的推理能力模型自己发现不了的错误反思再多也白搭。5.2 评估放大效应指标好看和真本事是两码事这半年我没少在项目里见过刷分数的怪圈。团队搭了一个评测集Agent跑出很漂亮的分数但一上真实业务就露馅。原因其实很简单评测集是从已知场景构造的Agent在调试过程中已经间接见过了类似分布而真实世界总是带着无限种没有预料的边缘情况。最典型的例子是代码生成。让大模型写一个LeetCode中等难度的算法题现在很多模型都能写出优雅的解法但让它在真实项目里修复一个并发条件下的竞态问题它往往连问题的上下文都还原不出来。差异不在于编程能力而在于抽象问题和真实世界复杂约束之间的距离。构建AGI时评估必须从抽象问题的解答率迁移到开放环境的任务完成率这项工作需要大量精力投入却往往没有花哨的论文产出。5.3 对齐与安全如何控制一个比你更聪明的系统这个议题在社区里争议极大但谁都无法回避。随着模型能力增强对齐问题不再是科幻设定而是一个工程现实我们如何确保系统的目标和人类的意图一致并且在极端情况下不会为了达成目标而采取破坏性手段目前主流的方法是RLHF基于人类反馈的强化学习和相关的扩展技术。简单说让人类给模型输出打分用偏好数据训练出一个奖励模型再用强化学习让主模型学会讨好这个奖励模型。但这里有个隐患如果奖励模型本身学错了东西比如它把看起来有礼貌但不诚实的输出打分更高那训练出来的模型就会变成一个高情商骗子。这是我在实际项目中踩过的坑指望一个表扬机制完全没有奖励黑客行为在复杂任务上不太现实。更麻烦的是随着模型越来越聪明人类反馈的质量会越来越难跟上模型的输出水平。到了AGI阶段用人去给AI打分来训练AI这个方法在逻辑上就会失效——你怎么给一个比自己聪明几个数量级的系统挑毛病这也是为什么可解释性研究、可扩展监督等技术方向越来越受重视。构建AGI不只是搭建聪明的模型还要搭建一个能管住聪明模型的治理架构这个部分目前远远落后于能力建设。5.4 数据与算力之外更贵的是真实世界反馈大模型的训练逻辑是喂海量数据期望涌现能力。但这个策略已经快到资源天花板了高质量文本数据可能真的会在两三年内被挖完。于是出现了两条路一条是合成数据——让大模型自己生成训练数据然后反哺训练有点自己出题自己考的意思另一条是让模型从真实世界环境的反馈里学习——这是强化学习的思路。真实世界反馈这条路非常诱人但工程难度极大。它要求系统能够接受高维、稀疏、延迟的奖励信号并且能在与环境的交互中保持稳定。我在做机器人控制相关项目时发现一个在仿真器里跑得非常好的策略一放到真机上就各种失灵。这背后是仿真与现实之间的巨大鸿沟。要在真实世界里打磨出通用智能需要投入的时间成本比造出下一个大模型要大得多。6. 作为从业者我对构建AGI的一点个人看法我在AI这个行当摸爬滚打了这些年最大的体会是AGI不会是一个突然到来的某一天。它更可能是一个连续的渐变过程我们会先在一个狭窄领域看到准通用表现然后在更多领域看到类似表现最后在某一天突然意识到这个世界已经被通用智能渗透了。这个渐变过程里它算不算AGI这个问题的答案可能会伴随我们很多年。所以我对怎么构建AGI这个问题越来越倾向于一个实用主义的态度别花太多时间去争论是不是而是去问系统能不能办到——能不能在复杂未知场景里完成一个需要多领域知识、多步规划、真实反馈和持续改进的长期任务。这个标准比任何口号都诚实。如果你真的想参与AGI构建我给一个最实在的建议不要等AGI时代来了再上车。现在就把大模型当作一个能力强劲但不完美的准智能体围绕它去做三件事一是搭Agent亲手感受一下它离自主有多远二是做评估把真实业务里的复杂任务设计成评测集用数据说话三是研究对齐和可靠性理解能力越强失控的后果越大这条铁律。这几件事不管AGI十年后还是二十年后到来你积累的经验都不会浪费。最后分享一个我自己的执念通用人工智能真正强大之处不在于它能完美回答所有提问而在于它能像人类一样拥有好奇心和主动改变世界的能力。让模型拥有后者比让模型拥有前者难上一万倍。但恰恰是这个最难的部分才是我们离开智能工具真正走向人造生命的分水岭。