

> 当顶级AI掌门人哈萨比斯抛出最快三年内实现通用人工智能的激进预测时，狂热的市场更应保持冷思考。剥离耀眼的公关话术，这种急迫的时间表缩水掩盖的不仅是大模型技术撞墙期的焦虑，更是巨头间为了锁定算力与资本而展开的危险博弈。

## 时间表缩水掩盖的融资与预期管理

科技巨头高管对未来的预测，从来都不是纯粹的学术探讨，而是服务于当下企业战略的预期管理工具。回顾过去两年，从十年到五年再到如今的三年，AGI到来的倒计时被不断人为拨快。这种言论的密集出现，本质上是因为当前生成式AI的商业化闭环尚未完全跑通，而研发成本却呈现出指数级飙升的态势。

为了维持资本市场对天文数字般AI投资的耐心，企业必须不断描绘一个近在咫尺、能够一劳永逸解决所有问题的AGI乌托邦。通过缩短时间预期，DeepMind不仅是在向华尔街展示其技术研发的加速度，更是在向内部研发团队和外部算力供应商施压。这是一种典型的自我实现预言策略，试图通过极端的愿景来虹吸全球最顶尖的人才与最稀缺的GPU资源，进而在这场不能输的军备竞赛中占据舆论高地。
![22.png](https://static.downly.cn/images/d2e5bce0fc19003d9674c6e006f6c6db.png)
<center>图源备注 图片由AI生成</center>

## 被刻意忽略的物理与数据双重撞墙期

然而，狂热的预测无法掩盖冰冷的技术物理法则。当前基于Transformer架构的大语言模型，其能力涌现高度依赖于数据规模与算力堆叠的扩大定律。但这个定律正在遭遇现实的引力。互联网上高质量的人类文本数据即将被消耗殆尽，单纯依靠合成数据进行自回归训练，已经被证明容易陷入模型崩溃的死循环。

核心隐患　业内极少在发布会上提及能源危机。训练并维持一个真正的AGI运转，其电力消耗可能等同于一个中型国家的用电量。在核聚变或常温超导等底层能源物理技术取得突破之前，现有的电网基础设施根本无法支撑三年后AGI全面降临的算力需求。将实验室里特定任务的分数超越人类，等同于在复杂物理世界中具备通用智能，这本身就是一种危险的偷换概念。
![23.png](https://static.downly.cn/images/f2247aa834024b77ee9d41c5324ed64c.png)
<center>图源备注 图片由AI生成</center>

## 监管达摩克利斯之剑下的狂奔

除了技术与物理瓶颈，急于在三年内冲刺AGI还会带来前所未有的合规与伦理黑洞。当模型的能力迭代速度远超人类社会的法律框架与伦理消化能力时，技术失控的风险便不再是危言耸听。巨头们在极速狂奔的同时，往往将数据隐私、版权争议以及模型产生的幻觉带来的社会性后果转嫁给公共社会承担。

一旦缺乏可解释性的黑盒模型被过早地赋予关键社会系统的决策权，比如金融交易或医疗诊断，其产生的灾难性后果将迅速摧毁公众对AI行业的信任。因此，面对三年AGI的宏大叙事，行业参与者与监管机构不应被带入巨头的节奏，而应更加严苛地审视其底层数据的合法性与安全对齐机制。真正的技术伟大，不在于速度的盲目攀比，而在于能否平稳、安全地跨越周期的低谷。

谷歌DeepMind预测AGI三年爆发背后的算力焦虑与资本逻辑



> 导语：DeepMind 联合创始人肖恩・莱格在播客中大胆预测，具备执行大多数人类认知任务能力的“最小 AGI”有50%的概率在两年内实现，并提出了一套严格的测试体系来验证这一里程碑。

## 大胆的预测

在最近的一期 DeepMind 播客中，联合创始人肖恩・莱格（Shane Legg）分享了他对人工智能未来时间表的最新研判。他抛出了一个令人瞩目的观点：在未来两年内，即2028年之前，人类实现“最小 AGI”（Minimal AGI）的概率高达50%。

这一预测引发了业界的广泛关注。随着大模型能力的飞速迭代，人工智能的潜力似乎正在以超出预期的速度接近人类认知水平。莱格的言论不仅是对技术发展的信心展示，也为行业设定了一个紧迫的倒计时。

![Google_AI_Studio_2025-12-15T02_24_14.679Z.png](https://static.downly.cn/images/56b361faaebf67c463993d9d70a35c7b.png)

<center>图源备注：图片由AI生成</center>

## 从最小 AGI 到全 AGI

莱格清晰地界定了两个概念。“最小 AGI”指的是能够执行大多数人类通常进行的认知任务的人工智能系统。但这只是第一步，在他看来，一旦迈过这个门槛，“全 AGI”（Full AGI）预计将在随后的三到六年内到来。

“全 AGI”涵盖了人类认知的全范围，这意味着 AI 不仅能处理日常任务，还能完成那些属于人类智慧顶端的杰出成就，例如发展全新的科学理论或创作复杂的交响曲。这种从量变到质变的过渡，将彻底改变人类社会的运作方式。

## 严格的测试标准

为了准确评估这一进程，莱格提出了一套全面的测试体系。他认为，真正的 AGI 不能仅靠单一指标来衡量。只有当一个人工智能系统能够通过所有典型的人类认知任务，并且在经过人类专家团队几个月的严格测试和找茬后，依然无法被找到任何弱点时，才能算真正实现了目标。

随着技术的发展，莱格的这套框架为理解人工智能的进化提供了一种新的视角。虽然这一预估充满挑战，但也极大地激励了全球研发团队，推动着人工智能领域向着那个终极目标加速冲刺。



搜索结果: AGI预测