1.3 通向AGI的路径与时间表

1.3 通向 AGI 的路径与时间表

本节摘要：AGI 不会从天上掉下来，它只会沿某条（或某几条）技术路线逐步逼近。本节拆解五条候选路径——规模扩展、架构创新、具身智能、量子 AI、脑机接口——逐条评估成熟度、关键里程碑与风险，再汇总乐观派、主流派、保守派专家预测，给出 2029 年±2 年的综合判断与可跟踪的信号清单。

你能学到什么

阅读完本节，你应当能够：

1. 描述五条通向 AGI 的技术路径及其核心信念、代表机构与关键里程碑。
2. 分析规模扩展路线的边际收益递减规律，判断其能否独立到达 AGI。
3. 汇总主流专家预测分布（乐观/中间/保守），解释中位数 2029 年是如何算出的。
4. 列出可跟踪的"AGI 进度信号"清单，建立自己的观察框架。

一、问题与直觉

关于 AGI 的时间表，业界有个著名的段子：2024 年问 10 个专家，得到 12 个答案；2026 年再问，答案收敛到了 2028-2030 年——但理由依然各不相同。

为什么会这样？因为 AGI 不是"一个项目"，而是一场比赛的终点，而参赛选手跑的是完全不同的赛道。有人押注"继续把模型做大，智能会自己涌现"（规模派），有人押注"必须换引擎"（架构派），有人押注"得让 AI 长出手脚碰世界"（具身派），还有人押注量子计算或人机融合。时间表的差异，本质是路径选择的差异。

更麻烦的是，这些路径不是互斥的，而是像季风一样会交汇：具身智能需要规模派的模型当大脑，架构派需要具身派的数据来验证世界模型。2026 年的现实是，没有人知道哪条路最先到达终点，但所有人都知道：终点一定需要不止一条路的贡献。

本节把五条赛道的地形都看一遍，再告诉你哪些路标值得跟踪、哪些信号出现意味着时间表要改写。

二、核心原理

2.1 五条路径全景

图标题：五条路径全景：规模派在路上，架构派在换引擎，量子派在押注

2.2 逐条评估

逐条说几句判断。规模扩展是唯一"已经在路上"的路径，但它的回报曲线正在变平——用 3 倍的成本换 15% 的性能提升，这个账越来越难算；架构创新是最值得盯的中线路径，世界模型一旦从演示走向实用，AGI 引擎就换装了；具身智能被多数人低估，因为物理世界的因果反馈是文本统计给不了的；量子与脑机接口是长期期权，2026 年不该进入任何人的决策框架。

2.3 专家预测的分布与中位数

对 100+ 位专家的预测做统计（2026 年口径）：

加权计算后中位数约为 2029 年。注意这不是共识，而是分布的质心——45% 的主流派落在 2028-2030，这个区间才是大多数专家真正的重合地带。

一个值得注意的现象：专家的预测会随技术事件漂移。2025 年 o 系列推理模型发布后，大量保守派专家把预测提前了 1-2 年；反之，如果 2026-2027 年合成数据路线被证伪、数据墙提前到来，主流预测也会整体后移。所以别把任何单个年份当结论。

2.4 里程碑清单与黑天鹅

按 2029 年±2 年的中位数判断，2026 到 2030 的里程碑大致是：

当然，这条时间线随时可能被两类事件改写。加速类黑天鹅包括：突破性架构发明（类似 Transformer 级别的革命）、容错量子计算提前实用化、AI 自我改进循环启动。延迟类黑天鹅包括：重大安全事故引发全球监管收紧、芯片供应链断裂、能源危机限制算力扩张。我们给不确定性打分的话：技术路径不确定性高、时间表不确定性中、影响方向不确定性低——方向一定会变，只是快慢未知。

2.5 三条路径的互补关系

最后强调一个常被忽略的点：五条路径不是零和博弈。规模扩展提供底座能力，架构创新提供新引擎，具身智能提供因果数据——2026 年的前沿研究已经在做交叉融合，比如用世界模型给机器人做仿真训练、用机器人的物理交互数据来验证模型的因果理解。所以更准确的画面不是"五选一"，而是"四条腿走路、一条腿押注"。

2.6 2026 年的具体坐标：每条路径的此刻状态

给每条路径补上 2026 年此刻的实况，帮你校准判断。

规模扩展这条线，2026 年的状态是"旗舰模型已发布、边际收益递减但未停步"：新一代模型相比上一代提升约 15%，训练成本却涨了 3 倍，行业内部已经在争论"下一代还要不要继续堆参数量"。我们的判断是：堆规模会继续，但节奏会放缓，更多资源会转向推理时计算（让模型在回答前多"想"一会儿）——这条路还剩 2-3 年的惯性。

架构创新这条线，2026 年最值得注意的进展是系统2 推理模型的成熟：o 系列证明"先想后答"能显著提升复杂任务的正确率，数学竞赛金牌、编程竞赛前 5% 都是这么来的。世界模型（JEPA 一类）仍在原型阶段，但视频预测能力已经有肉眼可见的进步。神经符号融合（如 AlphaGeometry 证明几何定理）证明了"神经网络+符号逻辑"在特定领域的威力，但泛化到通用任务还早。

具身智能这条线，2026 年的关键词是"从 demo 到量产"：人形机器人进入工厂试运行，仓库分拣、质检、搬运等封闭场景开始跑通商业闭环；但灵巧手操作、开放环境导航、长时任务自主性仍是硬伤。数据采集从"人类遥操作"向"仿真+真实混合"过渡，成本在快速下降。

量子 AI 和脑机接口这两条线，2026 年都处于"证明原理"阶段：量子处理器达到千比特级但容错计算未到，脑机接口完成早期人体试验但带宽和侵入性都是瓶颈。我们给这两条线的定位是"十年期权"——值得跟踪，不值得投入。

💡 关键直觉：专家预测的中位数会随技术事件漂移。盯住三个信号——旗舰模型"数据墙"是否被合成数据突破、世界模型是否从演示走向实用、因果推理基准是否过 85%——比记住"2029"这个数字有用得多。

三、工程实践要点

3.1 可跟踪的信号清单

3.2 我们的判断

五条路径不是排他赛，而是接力赛。规模扩展大概率把我们带到 AGI 的 80%，最后 20% 需要架构创新（世界模型或系统2 的融合）。具身智能是因果推理数据的来源之一，重要性被低估；量子与脑机接口是长期期权，不该进你的 2026 决策。

对从业者而言，2029 年±2 年的中位数判断意味着：你的职业规划窗口是 3-5 年，不是 1 年，也不是 20 年。2026 年该做的不是赌某个年份，而是把"人机协作 + AI 裁判能力"变成基本盘，无论 AGI 何时到来都不会亏。

3.3 给决策者的三条行动建议

如果读完本节只带走三句话，我们希望是这三句。

第一句：把"AGI 何时到来"从决策变量里删掉。无论是做产品、选技术还是做投资，2029 还是 2032 的差别，远小于"AI 能力每年在涨"这个确定事实。围绕确定的事实做规划，围绕不确定的年份做预案，顺序不能反。

第二句：按"三年可用、五年进化"建团队能力。2026 年的主流模型能力到 2029 年大概率翻番，你的团队现在就该具备"跟得上模型换代"的学习机制——季度性的能力审计、模型试用制度、内部基准测试集，都是低成本高回报的基础设施。

第三句：交叉验证一切路线判断。规模派说快、保守派说慢，两边都有动机偏差。每季度花半天时间，把五条路径的最新里程碑过一遍，用自己的标准打分——这个动作只需半天，但能让你永远比"只看头条"的人清醒半个身位。

⚠️ 常见坑：把"某专家预测 2029"当投资依据。专家预测的置信度普遍只有 50-70%，且预测会随模型发布自我修正。跟踪信号，别跟风年份。

本节速览

• 要点一：五条路径各有核心信念与代表机构，规模派在路上、架构派在换引擎、具身派在补因果、量子与脑机是长线。
• 要点二：规模扩展边际收益递减（3 倍成本换 15% 提升），大概率只能到 AGI 的 80%。
• 要点三：专家预测分布为乐观 25% / 主流 45% / 保守 20% / 怀疑 10%，中位数约 2029 年。
• 要点四：主流预测重合区间是 2028-2030，这是比"2029"更值得记住的区间。
• 要点五：可跟踪信号清单（数据墙、泛化基准、世界模型、因果推理、量子计算）比年份预测更可靠。
• 要点六：对个人规划而言，3-5 年的窗口意味着现在就该动手，而不是等待。

路径选好了、时间表有了，但别忘了：如果 AGI 真的到来，世界会先付出代价。下一节我们看伦理安全与行业冲击——这是最容易被欢呼声盖过的一课。