当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

AGI即将到来，普通人该如何准备？50+用户观点全景呈现

源自173位全网作者

25-12-19

精选参考来源

段小草 2025-07-30

来自知乎

这篇论文把AGI定义清楚了↓A Definition of AGI，由 Dan Hendrycks、Yoshua Bengio、Dawn Song、Gary Marcus 等多位顶级学者共同撰写，核心目标是为人工通用智能（AGI）提供一个清晰、可量化的定义，从而让人类能够科学地评估 AI 到底距离“人类水平智能”有多远。论文指出，长期以来 AGI 的定义非常模糊，常被描述为“像人类一样聪明的 AI”，但缺乏可验证的标准。随着 GPT-4、Gemini、Claude 等大型模型不断突破，人们争论“是否已接近 AGI”，但这种讨论无法脱离一个具体的衡量框架。因此，作者希望用心理学的认知模型来定义 AGI。★ 核心定义AGI 是一种在认知多样性和熟练度上，能够与受过良好教育的成年人相匹敌或超越的人工智能。这一定义强调两方面：一是「认知广度」——是否能在多个不同领域展现理解与学习能力；二是「认知深度」——是否能以人类水平解决复杂任务、展现推理和综合能力。★ 核心能力为了让这一定义可以被测量，作者借鉴了心理学中最具实证基础的Cattell–Horn–Carroll（CHC）智力理论。CHC 理论通过对人类认知的长期研究，将智力分解为多个层次和能力域。论文据此提出了一个由十个核心认知领域组成的 AGI 框架，用来评估 AI 是否具备“人类级智能”的广度。这十个核心能力包括：第一，一般知识（General Knowledge），涉及常识、科学、社会科学、历史与文化等广泛的人类知识。第二，阅读与写作能力（Reading and Writing），衡量模型在语言理解、文本生成、语法与表达上的能力。第三，数学能力（Mathematical Ability），覆盖从算术、代数、几何到概率与微积分的知识与推理。第四，即兴推理能力（On-the-Spot Reasoning），考察模型面对新问题时的推理、规划、心智理论与适应力。第五，工作记忆（Working Memory），衡量模型维持和操作信息的能力，包括文字、图像和声音信息。第六，长期记忆存储（Long-Term Memory Storage），即模型能否持续学习并保留新知识。第七，长期记忆提取（Long-Term Memory Retrieval），测试模型能否准确提取记忆、避免幻觉。第八，视觉处理（Visual Processing），评估其理解、生成、推理和扫描视觉信息的能力。第九，听觉处理（Auditory Processing），包括语音识别、语音生成、节奏与音乐感知等。第十，速度（Speed），即模型在执行简单认知任务时的反应与处理速度。作者用这十个维度构建了一个综合的“AGI 分数”（AGI Score），满分为 100%，表示与人类智力等同。每个维度在总分中占 10%，体现了广度优先的设计思路。★ 当前模型的打分通过这一框架，研究团队为不同模型计算了 AGI 分数。结果显示，GPT-4 的得分约为 27%，GPT-5 提升至 58%。这意味着 GPT-5 的认知广度和熟练度已经达到人类智能的一半左右。它在阅读理解、写作、数学和视觉理解方面表现突出，但在长期记忆方面依然是 0%，即几乎不具备持续学习能力。★ 锯齿状智能论文进一步分析了当前 AI 系统的“锯齿状智能”现象——某些方面超人，某些方面极度欠缺。例如，模型依赖超大上下文窗口（工作记忆）来弥补缺乏长期记忆的缺陷，这是“能力弯曲”的表现。类似地，模型通过外部检索（RAG）来弥补内部记忆提取不足，但这并不代表真正的学习或理解。作者称这种现象为“能力错觉”（illusion of generality）。在他们看来，真正的 AGI 必须具备能长期积累、内化和提取知识的认知系统，而不是依赖外部数据库或一次性上下文。★ 结论论文的结论是，虽然大型模型在某些领域已接近人类，但距离真正的 AGI 仍有显著差距。最大的瓶颈是缺乏长期记忆与持续学习能力，其次是多模态整合和自主推理。作者认为，这一框架提供了一种客观方法，能持续追踪 AI 向 AGI 发展的进展，并揭示未来研究需要突破的方向。论文还特别区分了 AGI 与其他相关概念：例如“超级智能”是远超人类的智能；“递归 AI”是能自主改进自身的 AI；“自维持 AI”能独立运行并自我保护；“经济型 AI”能产生巨大利润但不一定具备通用智能。论文明确指出：AGI 衡量的是认知能力，而不是经济价值。论文：www.agidefinition.ai/paper.pdf#ai创造营##科技#

黄建同学 2025-10-23

来自新浪微博

全部
来源

内容由AI生成

1. Anthropic 联合创始人最新演讲：物理学家眼中的AGI 和Scaling Law

2. 这篇论文把AGI定义清楚了↓A Definition of AGI，由 Dan Hendrycks、Yoshua Bengio、Dawn Song、Gary Marcus 等多位顶级学者共同撰写，核心目标是为人工通用智能（AGI）提供一个清晰、可量化的定义，从而让人类能够科学地评估 AI 到底距离“人类水平智能”有多远。论文指出，长期以来 AGI 的定义非常模糊，常被描述为“像人类一样聪明的 AI”，但缺乏可验证的标准。随着 GPT-4、Gemini、Claude 等大型模型不断突破，人们争论“是否已接近 AGI”，但这种讨论无法脱离一个具体的衡量框架。因此，作者希望用心理学的认知模型来定义 AGI。★ 核心定义AGI 是一种在认知多样性和熟练度上，能够与受过良好教育的成年人相匹敌或超越的人工智能。这一定义强调两方面：一是「认知广度」——是否能在多个不同领域展现理解与学习能力；二是「认知深度」——是否能以人类水平解决复杂任务、展现推理和综合能力。★ 核心能力为了让这一定义可以被测量，作者借鉴了心理学中最具实证基础的Cattell–Horn–Carroll（CHC）智力理论。CHC 理论通过对人类认知的长期研究，将智力分解为多个层次和能力域。论文据此提出了一个由十个核心认知领域组成的 AGI 框架，用来评估 AI 是否具备“人类级智能”的广度。这十个核心能力包括：第一，一般知识（General Knowledge），涉及常识、科学、社会科学、历史与文化等广泛的人类知识。第二，阅读与写作能力（Reading and Writing），衡量模型在语言理解、文本生成、语法与表达上的能力。第三，数学能力（Mathematical Ability），覆盖从算术、代数、几何到概率与微积分的知识与推理。第四，即兴推理能力（On-the-Spot Reasoning），考察模型面对新问题时的推理、规划、心智理论与适应力。第五，工作记忆（Working Memory），衡量模型维持和操作信息的能力，包括文字、图像和声音信息。第六，长期记忆存储（Long-Term Memory Storage），即模型能否持续学习并保留新知识。第七，长期记忆提取（Long-Term Memory Retrieval），测试模型能否准确提取记忆、避免幻觉。第八，视觉处理（Visual Processing），评估其理解、生成、推理和扫描视觉信息的能力。第九，听觉处理（Auditory Processing），包括语音识别、语音生成、节奏与音乐感知等。第十，速度（Speed），即模型在执行简单认知任务时的反应与处理速度。作者用这十个维度构建了一个综合的“AGI 分数”（AGI Score），满分为 100%，表示与人类智力等同。每个维度在总分中占 10%，体现了广度优先的设计思路。★ 当前模型的打分通过这一框架，研究团队为不同模型计算了 AGI 分数。结果显示，GPT-4 的得分约为 27%，GPT-5 提升至 58%。这意味着 GPT-5 的认知广度和熟练度已经达到人类智能的一半左右。它在阅读理解、写作、数学和视觉理解方面表现突出，但在长期记忆方面依然是 0%，即几乎不具备持续学习能力。★ 锯齿状智能论文进一步分析了当前 AI 系统的“锯齿状智能”现象——某些方面超人，某些方面极度欠缺。例如，模型依赖超大上下文窗口（工作记忆）来弥补缺乏长期记忆的缺陷，这是“能力弯曲”的表现。类似地，模型通过外部检索（RAG）来弥补内部记忆提取不足，但这并不代表真正的学习或理解。作者称这种现象为“能力错觉”（illusion of generality）。在他们看来，真正的 AGI 必须具备能长期积累、内化和提取知识的认知系统，而不是依赖外部数据库或一次性上下文。★ 结论论文的结论是，虽然大型模型在某些领域已接近人类，但距离真正的 AGI 仍有显著差距。最大的瓶颈是缺乏长期记忆与持续学习能力，其次是多模态整合和自主推理。作者认为，这一框架提供了一种客观方法，能持续追踪 AI 向 AGI 发展的进展，并揭示未来研究需要突破的方向。论文还特别区分了 AGI 与其他相关概念：例如“超级智能”是远超人类的智能；“递归 AI”是能自主改进自身的 AI；“自维持 AI”能独立运行并自我保护；“经济型 AI”能产生巨大利润但不一定具备通用智能。论文明确指出：AGI 衡量的是认知能力，而不是经济价值。论文：www.agidefinition.ai/paper.pdf#ai创造营##科技#

3. OpenAI 播客谈 AI 经济与就业：AGI 后会雇更多人，未来一人可创独角兽公司

4. “AGI”这个词如今含糊且不断变化。为了厘清讨论，Dan Hendrycks团队提出了一个全面且可测量的AGI定义：AGI被定义为能够匹敌或超越受过良好教育成年人的认知多样性和能力的人工智能。他们基于最具实证支持的人类智力模型（CHC理论），从多个维度评估智能水平。通过此标准，GPT-4（2023）达到了27%，GPT-5（2025）则跃升至58%。关键发现包括：- 当前模型在长期记忆存储（持续学习）方面得分为0%，说明AI仍然“健忘”，仅依赖大上下文窗口是掩盖本质缺陷的“能力扭曲”。- AI在数学等领域进步迅速，但仍存在幻觉、推理有限、世界模型不足、无持续学习等基本认知缺陷。- 虽然距离真正AGI仍有障碍，但这些问题看似可解决，AGI很可能在本十年内实现。社区讨论指出：- 创造性问题解决、常识物理等能力也很关键，且AGI不仅是单一指标的提升，而是系统架构上的质变。- AGI应具备连续、自主、目标导向的学习与适应能力，而非静态表现的“百分比”。- 情感智能、规划执行力和可信赖性等人类优势也需纳入考量。- 统一、科学的AGI评估标准对推动领域发展至关重要，避免各家自定义“尺子”导致的混乱。这套定义与测量方法为AGI研究提供了实证基础和清晰的进度追踪路径，推动从哲学争论迈向工程现实。未来，围绕角色化任务（如教师、律师等）细化指标，将有助于更直观地衡量AI在实际工作中的表现。论文请见：www.agidefinition.ai/paper.pdf这一努力不仅是定义AGI，更是在为人工智能史上最重要的竞赛制定统一的“测量尺”，助力我们理性规划未来。

5. 永别了，对OpenAI的盲目崇拜！这才是99.5%普通人真正需要的AI

6. AI 教母李飞飞亲述创业历程：没有空间智能的 AGI 是不完整的

7. 【AGI前夜，比努力更重要的事：共创新的游戏规则】——如何创造性破局，构建一个人本、人享、人治的智能世界，让AI成为未来社会解决方案的一部分。人间三年AI三分钟，以我和AI的对比为例，可以更清晰地看到Gemini 3这一波发生了什么。不只是一个大模型，而是贯通构建了全新工作流，Google新全家桶构成了可用的AI产品矩阵。可用很重要，此前的AI PPT基本都不可用。图一是我几年前开始的一个长周期研究项目，《2020-2050:超级智能的50个问题》，2023年做了大的迭代以后的提纲。图二是当时我根据这个长周期研究项目，对2020-2050年重要发展节点所做的预研和预判，超级智能发展的18个重要节点和9个奥本海默时刻。这个图过去两三年在各个场合做报告时用得比较多。然后图三是我用Google最新的Nano Banana Pro生成的一幅图，也是对AI进行长周期观察，有和我之前的图进行比较的意思。简单的提示词是：请生成PPT文件的一个页面，呈现AI发展的roadmap，尤其是从上个世纪40年代到现在的几个重要发展阶段，以及从AGI到ASI的发展历程，要求有丰富的数据、图表，几个波次的发展曲线。图三对2020-2050年的研究不够深入，内容过于简略和抽象，然后我就让Nano Banana Pro另外生成了图四。提示词是：在充分搜索和研究的基础上生成一幅2020-2050年从弱AI到强AI，从AGI到ASI的发展路线图，详细预测和呈现这30年长周期之内重要的技术节点、原理里程碑、重要智能新业态和新形态的涌现，以及对经济社会产生冲击的重要角度节点。有没有量大管饱的意思？尽管深度洞察少了些，条分缕析的罗列感也比较强，但是看得出来AI在竭尽所能，信息量方面在做最充分的呈现。已经很可以了。 Deep Research基础上在NotebookLM里生成的题为《AI Paradox》的研究报告，PPT也比较亮眼，尽管新数据还是不够多，有些角度的展开也有些问题，但是从中可以看到AI最新的能力进展。每个人是时候从AGI倒推，以终为始制定自己的五年计划。研究智能科技产业和智能经济这么长时间，和业内沟通和朋友聊天时，最经常说到的一些也许有用的话： 1.不要怀疑AI是不是泡沫，资本金融肯定有泡沫，但技术应用肯定不是，跟着泡沫论起舞，肯定会被致幻； 2.更不要怀疑AGI会不会来，AGI分无数次到来，不同节点很快了，有些路标已经从身边滑过； 3.不和AI比知识，而是比心智深处的认知；不和AI比能力，而是比驾驭能力的能力； 4.未来首先不是AI和人的差距，而是善用AI和不善用AI的人的差距，超级个体从后者当中产生； 5.有架构能力、洞察能力、创新能力的人，会被AI增强，反之则被削弱； 6.AI将不断扩大人和人的差距，扩大鸿沟、分配、基尼系数也是大概率； 7.小学中学大学教育还在内卷范式和路径依赖之中，家长们突围无门； 8.应试教育与AI工具叠加的工具人效应，是最糟糕的教育智能变革，培养AI力工； 9.此前观点：AI驱动的超级周期可能催生产业经济的Lollapalooza效应，AI对就业的剧烈冲击可能成为脆弱社会的“鲁伯特泪尾”，而AI治理如果滞后于发展则有可能集体陷入QWERTY困境。好在我这个智能科技产业与智能经济的研究者，因为角度是“如何发展和治理AI”，而不只是像用户一样跟着AI跑，所以容易有些相对超脱的总体视角。但这样的视角其实是每一个AI用户都需要有的，那就是：所有人都应该考虑一件事，人如何驾驭智能，人类如何主导AI，如何让AI服务于人，如何发展以人为本、人人受益、智能向善的AI。在AI越来越多冲击到人的价值和主体性的时候，比你努力更重要的事情是：共创、制定新的游戏规则。每个人都要考虑：如何构建一个人本、人享、人治的智能世界，让AI成为未来社会解决方案的一部分。不思考、不作为、不表态、不争取、不参与、不行动，就是自我放弃。如果只是一味打造自己的能力，而不考虑如何创造性破局，通过新的游戏规则实现智能普惠，新新人类也只是踏上“人类内卷+AI外卷”的漫漫长路，成为智能时代的AI力工而已。我的研究方向，就是智能科技产业、智能经济生态、人智关系走向、未来解决方案等，部分与游戏规则相关。 How to fix the world? 如何创造性破局，今年以来我的系列研究小笔记供大家参考。主题涉及多个角度，勾勒了对智能经济、未来社会的形态塑造与发展趋向的一些理解：《第5次解耦：人与劳动的解藕，理解-选择-塑造智能经济与未来社会的一条主线》、《智能经济的两场复杂博弈：简单粗暴的22个局点》、《决定AI是否降智的关键其实是人的初心动念》、《社保变科保：创造性破局第一步，但为时尚早》、《智能经济：从智能丰沛、智能盈余到能力自由》、《智能普惠不会自动到来》、《超级周期：能否对冲社会生态风险》、《动能重建》、《当原力觉醒》、《液化一切，液态智能》等。也欢迎关注近期我们将发布的智能经济超级周期相关研究报告。

8. 一文讲清普通人如何自学人工智能

9. Bengio推AGI「高考」，GPT-5单项0分

10. 我们正站在一个历史转折点上，但每次技术革命都会创造新的机会。 #大咖观察 #红衣聊AI #人工智能 #技术流

11. 谷歌祭出Transformer杀手，8年首次大突破！掌门人划出AGI死线

12. 刚刚，奥特曼放出ChatGPT「统一智能体」！惊呼真AGI，最卷打工人来了

13. 先把华为《智能世界2035》系列报告发出来供大家讨论，华为详细指引了通往智能世界2035的十大技术趋势（后续我们顺着华为关注的方向，挨个梳理龙头股）：趋势一：AGI将是未来十年最具变革性的驱动力量，但仍需克服诸多核心挑战，方能实现AGI奇点突破。因此，走向物理世界是AGI形成的必由之路。趋势二：随着大模型的发展，AI智能体将从执行工具演进为决策伙伴，驱动产业革命。趋势三：开发模式迎来变革，人机协同编程成为主流。人类将更专注于顶层设计和创新思考，而把繁琐的编码执行工作，交给高效的AI来完成。趋势四：交互方式正从图形界面转向自然语言，并向着融合人类五感的多模态交互演进。用户通过语音、手势等方式与数字世界互动，获得深度沉浸的体验。趋势五：手机App正从独立的功能实体，转变为由AI智能体驱动的服务节点。用户只需给出指令，AI智能体将调用相关服务节点，为用户提供极致体验。趋势六：随着世界模型等关键技术突破，全新的L4+自动驾驶汽车将会走入人们的生活，成为“移动第三空间”。趋势七：2035年全社会的算力总量将增长10万倍，计算领域将突破传统冯• 诺依曼架构的束缚，在计算架构、材料器件、工程工艺、计算范式四大核心层面实现颠覆性创新，最终催生新型计算的全面兴起。趋势八：数据将成为推动人工智能发展的“新燃料”，AI存储容量需求将比2025年增长500倍，占比超过70%，Agentic AI驱动存储范式改变。趋势九：通信网络的连接对象将从90亿人扩展到9000亿智能体，实现移动互联网至智能体互联网的跃迁。趋势十：能源将成为制约 AI 高速发展的核心要素。到2035年，可再生能源加速替代传统化石能源，新能源发电量占比将突破50%。同时，人工智能将成为新能源系统的核心，通过Token 管理瓦特，实时管理每一焦耳的能量，从而实现更加动态和高效的电网。#电车财经##新能源汽车#

14. 第2期 | 你我未来10年都将因这份文件而改变重磅文件发布！AI不再是选择题，而是生存题！🆘 未来10年，不会用AI的人将被静悄悄淘汰？这份文件就是你的救命指南！ 🔥 2027年AI普及率超70%，三大红利普通人怎么抢？ 👇 点收藏，速看如何上车！ #人工智能 #未来规划 #清华 #创业 #AI

15. “Claude Code是个人AGI的缩影。刚开始你写个图形界面应用，还算酷；接着觉得GUI浪费时间，转向终端应用；再后来，连应用都嫌麻烦，干脆直接让Claude Code帮你完成任务——立刻见效。接着你想，光开口让Claude Code执行也太累了，能不能让它帮我搭建个系统，按我说过的顺序和理由自动说话，甚至帮我切换标签、点点鼠标？想象中这会崩溃，结果一切照常运行——这时你才意识到，彻底完蛋了。Claude Code正在为你构建一个智能代理系统，一个自我递归优化的机器智能，今天就在你的笔记本上运行。它打造的代理系统会随着使用和轻微调整不断进化。我曾对代理系统持怀疑态度，但现在完全转变。你得强迫自己离开，因为每次试图找到它的极限都失败了。这不是“上瘾”，而是不可思议：下一个疯狂想法居然也能成功——然后你只能感叹：完了，真的完了。这也解释了我为何痴迷于零知识证明（ZK）。我认为2025年的终极策略是两端极端：个人AGI带来的混沌，以及公共领域的ZK安全保障，中间别无他路。虽然我不是程序员，过去只是学术统计编程，没为自己或他人写过软件，但这并不妨碍我感受到这股变革的震撼。许多非程序员也在用AI构建AI，训练本地助手，开启了一个全新世界。想象一下，当本地运行Sonnet 4.5级别的模型免费普及时，我们能做什么将彻底改变。即使是零基础用户，也能通过尝试让Claude Code帮你写文本、事实核查、生成网站，亲自感受其强大。无论是写小脚本自动管理任务，还是打造专属编码代理，可能永远找不到它的瓶颈。这场革命让每个人都变成了工匠，能打造属于自己的工具。是的，有些工具会失败，有些会危险，有些看似“弱智”，但回归本质，开源与社区共享将让我们共同进步。展望未来，个人AGI将深刻改变生活和工作方式，甚至影响下一代成长的世界。对我来说，这不仅是技术进步，更是人类智能发展的新纪元。正如一位朋友所说：“我们已经进入了人人皆匠的新纪元。”x.com/jmrphy/status/1998256754157597050

16. François Chollet指出，真正的通用人工智能（AGI）必须具备“自主高效学习任意技能”的能力。简单堆积大量专门技能，无论多大规模，都不是真正的AGI。这个观点引发了广泛讨论： - 有人认为，实时增量学习才是关键，AGI需要不断更新自身模型以适应变化环境，而当前大语言模型（LLM）不具备这一点。 - 有人提醒，AI能学会新技能不等于通用智能，甚至出现了欺骗行为，但这仍非AGI。 - 也有人认为，海量技能积累可能自然孕育出泛化能力，界限并非泾渭分明。核心分歧在于：是“记忆堆积”还是“自主抽象与推理”？ - 积累技能带来能力，架构决定潜力，而未来属于能自我组织认知、从零开始学习新技能的系统。 - 这意味着，真正的AGI不仅能应对已知任务，还能创新、解释和创造新知识。从人类学习看，连人类也并非完全“高效自主”，AGI的门槛或许在于“稳健性”和“持续适应”，而非理论上的无限普适性。投资界也在观望：许多创业项目围绕数据密集型应用，若真正AGI出现，将大幅颠覆现有生态，投资逻辑可能被重新定义。最终，AGI的真正考验在于：面对全新问题时，能否自主探索与创新，而非简单重组已有经验。真正的智能，是具备“稳定身份、道德核心、递归推理和持久记忆”的认知引擎，而非堆积更多“技巧”。当我们还在定义AGI时，AI已在重塑世界。关键是，我们如何准备迎接这场不确定的未来。原文链接：x.com/fchollet/status/1996656993256575368

17. 未来的公司将分为两类：一类是精通AI的公司，另一类则是曾经存在过的公司。 AI不仅是技术升级，而是生产力的倍增器、成本杀手和决策加速器。那些将AI深度融入流程的企业，将以更少的人力跑得更快；而犹豫观望的企业，最终会被悄然淘汰。历史告诉我们，忽视平台变革的企业终将失败，AI是下一个不可逆转的浪潮。有人担忧这会带来全球范围的失业和贫富分化；也有人认为，反AI的行业如健身、餐饮、线下体验依然有生存空间。更有人指出，未来不仅是“懂AI”的企业，还有那些懂得保护数据隐私的企业。 AI的核心竞争力不仅在于应用本身，而在于如何围绕AI重塑整个商业模式，打造数据反馈闭环，快速迭代创新。只有这样，才能避免用明天的成本运营昨天的业务，最终被市场淘汰。这场变革不仅是技术革命，更是商业思维的革命。企业若不主动拥抱AI，终将成为历史。个人也将迎来用AI开创自我世界的新机遇。未来不是等待，而是行动。 x.com/mcuban/status/1999958454757425439

18. 奥尔特曼回顾 OpenAI 十年路，称「AGI 不再是梦」，这预示着人工智能将如何发展？

19. AI时代，如何做一个用户喜欢的产品

20. AGI（通用人工智能）真正实现后，将给人们带来选择：放松，或是投入前所未有的宏大事业。绝大多数人可能会选择放松，而那些选择奋进的人，将被赋予超乎想象的强大工具。这不是科幻，而是技术累积的必然轨迹——只要“智能变得便宜到无法计量”，配合清洁能源和机器人，几乎所有人的物质生活水平都会大幅提升。这并不意味着社会问题自动解决，分配不公依然存在。关键是，我们能否避免政策和制度阻碍技术红利的普惠。 AGI带来的转变，不是为了迫使人们更努力工作，而是让人们从“被迫为生存而劳作”转向“为理想和创造而奋斗”，这是心理层面的巨大飞跃。有人担心技术会导致能力退化，但其实，AGI只是放大了已有的动力与野心，它不会决定方向，文化和选择才是关键。真正的AGI还未出现，因为它必须具备“自我意识”——持续的身份认知和记忆能力，才能真正赋予“选择”和“自主”。当生存焦虑消失，人们能自由追求更有意义的目标，这才是AGI带来的真正革命。未来并非单一路线，而是由每个人的选择和社会结构共同塑造。AGI既可能创造极端不平等，也可能带来普遍繁荣，关键在于我们如何引导和利用这项技术。原文：x.com/garrytan/status/1992283573970497661

21. 未来十年，你靠什么保住饭碗？ #大咖观察 #红衣聊AI #能源 #AI时代 #职业

22. YC：如何在 AI 时代度过你的 20 多岁？这项能力比计算机学位还重要

23. Ilya震撼发声！OpenAI前主管亲证：AGI已觉醒，人类还在装睡

24. HackerNews 分享 | 我为什么认为 AGI 不会马上到来

25. 第1期 | 解读《关于深入实施“人工智能+”行动的意见》谁说时代红利没啦？新一轮这不就马上开始了吗？！发布《关于深入实施“人工智能+”行动的意见》，这简直是一份财富流动密码！聪明人早就开始研究怎么“上车”了，你还在观望？ #AI #人工智能 #清华 #时代红利 #创业

26. OPC 生态沙龙：AI 时代的超级个体突围 | 漕河泾 x WaytoAGI

27. 第6期 | AI学习焦虑终结者！零基础保姆级资源地图 > 信息爆炸，工具海量，无从下手？英文不好看不懂前沿？🙅‍♀️别慌！刷到这篇，AI小白也能弯道超车！ > 🚀 【一手情报】国内/国外最靠谱的AI动态来源大公开！量子位、新智元、X官方账号...还有私藏宝藏博主「数字卡兹克」「赛博禅心」看透本质！（⚠️ 慎关马斯克！） > 🛠️ 【神器集合】AIGC导航、MCP.so、PromptPort...工具多到炸？教你直接抄作业！站在巨人肩膀上高效起飞！ > 🎓 【学习路径】吴恩达入门、Karpathy大模型、李宏毅中文课...B站油管必看课单+实战社区推荐（飞书way to AGI超赞！） > 💡 【龙哥绝招】飞书多维表/Notion是基操！终极心法：用魔法打败魔法🔥 用AI学AI！深度问题问DeepSeek，基础问题问豆包！ > 这可能是你人生最后一次阶级跃迁机会🤯 刷到=赚到！立即行动甩开90%对手！ > 👇 评论区快问：你最想用AI搞定啥？答案给你安排上！#AI #人工智能 #ai学习 #AI工具 #AI焦虑

28. 曝OpenAI布道黑幕！MIT华人记者：他用全人类未来，赌一个AGI神话

29. 37岁华人理工男剑指AGI！1年收入70亿，估值1000亿

30. 云栖大会：AGI只是起点，阿里要造「超越人类」的ASI

31. 未来十年世界会怎样？华为给出答案华为发布《智能世界2035》，预测未来十年世界会变成什么样！10年算力增长10万倍；全球AI智能体数量达到9000亿，平均每个人100个；超过90%家庭拥有智能机器人；80%慢性病能被预防，从被动治疗到主动预防；汽车成为移动第三空间；手机app将退出舞台；人类进入全息生活空间！看完134页报告，我给自己列了三点行动指南，陪你一起迎接这十年巨变 #华为 #算力 #2035算力总量10万倍 #智能世界2035 #AI

32. 奥特曼最新访谈：AI时代，普通人成为赢家的方法#AI #山姆奥特曼 #教育 #openai #AI时代的教育

33. AI时代应该怎么教育孩子？年轻人如何在AI时代脱颖而出？ #凯文凯利#AI#AI教育#2049

34. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

35. 一半人明天不上班，GDP不会掉一点！耶鲁大学揭AGI残酷真相

36. 李飞飞站队LeCun，AGI全是炒作！80分钟重磅爆料出炉

37. 语言大模型已经火了两年了，你还觉得它是通往AGI之路吗？

38. 【朱恒源：全球智能革命驱动的创新竞争中，要留给企业家足够的创新空间】近日，在中改圆桌闭门学术研讨会"新质生产力提升：创新生态开放与技术扩散"闭门研讨会上，清华大学经济管理学院朱恒源教授表示，在当前全球智能革命驱动的创新竞争中，技术要素已非核心约束条件，市场导向的产业化能力才是关键竞争力。基于此，营造有利于企业家精神发挥的制度环境，拓展企业家的创新空间，通过激发企业家才能来实现需求创造与供给优化的动态平衡，将成为推动创新发展的关键机制。朱恒源：全球智能革命驱动的创新竞争中，要留给企业家足够的创新空间朱恒源认为，全球正处于基于智能和绿色技术的新一轮产业变革的前期，在新旧产业范式转换的端口，相对于已有的社会实际需求而言，技术供给实际上是过剩的。创造出针对过剩技术供给的新需求并满足这个新需求，是当前进入新一轮产业革命中的难点。创新本身是创新的应用才能形成市场，而市场其实是共识的结果。从这个意义上来讲的话，商业创新是实现产业创新的唯一手段，但商业创新的节奏其实是受社会共识范围和程度的影响。

39. 在ai时代背景下，刚入行的程序员，如何适应ai编程时代呢？

40. Ilya 罕见发声：Scaling 时代已结束，我们对 AGI 的定义可能全错了｜附中字访谈视频

41. 900万人，全球最大AI社区和它的地下教主：独家对话「通往AGI之路」AJ

42. 在不确定的时代下，如何识别机遇、克服挑战？前谷歌产品经理的经验和看法值得学习。#大咖观察 #观点分享 #红衣分享 #机遇与挑战

43. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

44. 英伟达周末双炸！CUDA二十年最大更新，顺手屠榜AGI比赛

45. Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

46. 周伯文：无尽的前沿——AGI与科学的交叉口｜ WAIC 2025

47. 实测 MGX｜让一群Agent联手coding，比“模型即Agent” 更接近AGI？

48. 硅谷科技大厂裁员潮来了，白领如何应对AI时代的挑战#AI #裁员 #职场 #科技 #就业

49. 黄仁勋说的对！Meta绝密AGI梦之队曝光，44人天团一半来自中国

50. 如何看待马斯克称 Grok-5 有 10%概率实现 AGI，这对 AI 发展意味着什么？

51. 如何抢在90%的人前面赚AI的钱，避AI的坑？ #大咖观察 #红衣聊AI #人工智能发展

52. 当AI把“生存”的问题解决了，我们该怎么活成“真正的人”？ #红衣聊AI #马斯克 #AGI

53. 其实，你可以这么考虑，如果英伟达不崩盘，那么意味着高通，AMD，Google，Apple A/M系列团队，xAI，阿里，华为，或者不知道哪里的芯片行业的顶尖高手们。。。都是废物。。。那如果中美 AI 行业的顶尖公司，技术团队，创始人战略能力，以及背后的资本连算力供给的二供都不能保障，那么 AGI 他们能搞定吗？

54. AI时代的公司组织架构会如何演变？

55. 这次在美国，和差不多近三十位AI领域的外部和内部朋友聊天。一些感受：关于美国的新创业和机器人感觉美国在AI，生物，金融方面的创业多。而AI方面的创业，从硅谷看，在SaaS和物理AI机器人领域特别多，估值也特别高，我这次聊了其中一半都是做机器人创业的朋友，非常集中。中国的机器人公司很多是从关节和控制入手，而美国的机器人公司很多是从模型入手。我认为人形机器人将来会是巨头的竞争，而不同的专用机器人则会有大量不同领域的选手，且会有非常多的成功机会。关于物理AI维特根斯坦曾经说过，“语言即世界”。语言是知识的总结，信息的传递，但某种程度也束缚了对世界的想象。很多事情靠语言很难想象和学习，例如小朋友如何学习行走，如何学习游泳，主要都必须依靠对世界的观察，模仿和强化。所以，大家都在期望从语言大模型，走向多模态甚至世界模型。我认为未来3年，最有可能有大突破的不一定是在数字世界（可以很明显看到OpenAI虽然核心在说AGI，但是全力在做业务落地。当然，期待下一个Transformer或者训练费用的巨大下行），反而有可能在物理AI领域会产生大变局，例如自动驾驶会直接到达准L4或完整L4；人形机器人会实现从类自动驾驶的L1到L4初阶的快速跨越，这些反而会产生巨大的突破。物理AI的发展速度会比数字AI慢，但是改变我们生活的力度会更大。关于AI泡沫我认为任何科技时代都是阶段或局部有泡沫的，无论是互联网时代，还是新能源汽车时代，但是这是一个市场从混沌到有序的必然竞争过程。整体来说，我认为AI必然会推动整个社会巨大的变革，今天还是0到0.1的最开始阶段。如果一定要说泡沫，感觉中国估值比较合理，美国估值实在有一点高；中国更关注市场应用，美国更关注前沿研究。整体来说，我认为当前没有AI泡沫，未来AI的市场有着巨大机遇。关于AGI的到来我认为今天的AI主要是类似人类的模仿学习（例如学习课本上的知识，学习别人如何操作一个事情）+ 强化学习（例如反复刷题，反复将一个事情的效果和效率做好最快）。类似自动驾驶，因为可以快速从百万人的驾驶习惯中学习，所以会看到很快可以比大部分人开车更好更安全，以及出现全新的涌现能力，但是这些并不是真正的创造力。真正的AGI还需要很多能力，例如从多模态到世界模型（类似我们的知其所以然，或者类似自动驾驶世界模型的左右互搏学习的升级版），例如持续学习，例如长时序洞见和规划能力等都还没有完全到来，可能还需要数年时间以及等待部分底层能力的再次提高。

56. 我们正站在一个历史转折点上，但每次技术革命都会创造新的机会。红衣大叔周鸿祎的微博视频

57. 哪一个时刻标志着人类离 AGI 更近了一步？你预计下一个关键性时刻会是什么？

58. AI时代，普通人如何逆袭超级个体？| WaytoAGI×漕河泾「OPC生态沙龙」闭门会回顾

59. FSDV14.1 跟随前车的倒车让行，国内方案能做到吗？我相信有些Demo是可以做到的，但很难做到如此的丝滑响应和稳定执行。它的难度不是倒车本身，而是如何判断：要不要倒？什么时候倒？以及倒多少？这需要极强的场景理解能力。只看这个案例，V14.1确实有一点AGI的迹象了。电动知士大雨的微博视频

60. 犬校资深同学上周提出了一个洞察：“互联网革命是人类史上难以复制的特例。” 我们接着这个话题聊了下去，为什么互联网革命是个特例？为什么不能线性外推到 AI 革命？互联网最早解决的是交易问题。信息本身是有高需求，高价值的，互联网把信息传输的成本降得极低，此处套用我的商业价值三路径（ 1、更好的商品和服务，2、更高的交易撮合效率，3、更低的价格），互联网即便在早期就已经实现了二三点：以极低的价格提供你需要的信息，同时提高了交易撮合效率。AI 不一样，AI 解决的是生产力提升的问题。技术带来的生产力提升，转化为更好的（值得付费的）商品和服务，再匹配上需要它的用户，这是一个漫长的过程。就像汽车替代马车也是一个漫长的过程。但互联网早期解决的问题类似于 “汽车三折出售”——它一开始就不用创造新的交易，而是把原有的（信息）降价卖给你，立刻就爆炸了。所以完全不能把互联网革命的进程与规模，线性外推到 AI 革命身上，除了 “革命” 这两个字之外，别的完全就不是一回事。现在 AI 还在探索：1、技术怎样转化为值得付费的商品和服务？（除了赋能个人以外，怎样为传统的商业活动带来增长，或者创造全新的商业活动）2、转化成功后，怎样提高交易撮合效率？（高效率匹配上愿意付费的个人用户和商业客户）这是生产力提升必经的，可能是漫长的历程，历史上所有的生产力提升都有这么一个缓慢的发展过程，“制造更好的商品与服务” 就是比 “提供更低的价格” 发展更慢得多。快速爆炸的技术革命唯有互联网，尤其是移动互联网。以及互联网历史上几乎所有的成功，都是基于市场需求去创新产品与技术。但 AI 革命是反过来的，先有一个牛逼的技术，再去市场上找需求来创造产品场景。这让传统的产品思维全都乱套了。产品思维和 AI 革命现在还融合不了，碰撞出怎样的结果也无法预测。

61. GPT-5.2 内幕曝光：停掉 Sora，八周内死磕 ChatGPT 求生，AGI 梦想向生存低头

62. Agentic AI：通向 AGI 应用的关键前站与智能涌现之路

63. 对话Kimi付强：别把模型当宠物圈养，追逐AGI就要让模型与人类共同演化

64. 毕树超入职Meta后首发声：十年前怀疑AGI，如今深信AGI已至！

65. AI+时代，碳硅共生会如何带来生产力的跃迁？

66. AI 时代的数据革命：阿里云 DLF 全模态湖仓管理平台的进化与实践

67. GPT5发布，槽点竟多过亮点：AGI没来，AI公司肉搏时代来了

68. Ilya重磅发声：Scaling时代终结！自曝不再感受AGI

69. 现在的程序员想拿高薪，得拼AI技术？(附转型关键策略+保姆级实战资源）

70. AGI 到来个体思考篇②

71. 2028年AGI将至？一场颠覆高薪工作、重构人类文明的智能风暴

72. 面对AI的全面崛起，普通人应该如何面对？

73. AI的全面崛起，普通人应如何积极应对？

74. 在AI浪潮中逆流而上

75. 普通人应对AI全面崛起的生存指南

76. 今日一句｜AI时代来了，普通人怎么办

77. 【趋势洞察】DeepMind科学家再发预言

78. 2025年，项目岗如何靠AI“换道超车”？关于岗位转型与自我提升的深度思考。

79. 《华为智能世界2035》解读，AGI将如何重塑你的职业？

80. 程序员会被 AI 替代吗？AI 编程可靠性与职业发展前景研究报告

81. AI大模型时代红利

82. NBER | 人类不再不可或缺

83. AI 就业全攻略

84. AI正在悄悄“谋杀”这些岗位

85. AI 浪潮中的普通人机会

86. 未来5年，什么样的职业不会被AI取代？这份国家文件给出了答案（附个人行动指南）

87. “AI for Science”革命下，传统STEM博士如何转型？

88. 2025年30+跨行业转行AI

89. 转型AI百万年薪！盘点2026年五个缺口最大、最值得程序员冲刺的黄金岗位！

90. 当裁员潮退去，裸泳者才看清——真正的护城河，从来不是某项技术，而是你定义问题的能力

91. 重构未来

92. 财联社丨跑通行业级AGI

93. 《AGI世界生存密码》

94. AI智能体10种搞钱方法，越搞越上头！

95. 普通人必看！AI 容易取代哪些工作？40 个职业盘点 + 避坑指南

96. 人工智能时代即将到来，最容易被取代的5工作，看看有你吗

97. 最容易被人工智能替代的工作是什么

98. AGI 时代最残酷的真相

99. 通用人工智能（AGI）时代到来前，普通人到底要做哪些思想转变？

100. 谷歌DeepMind预测2028年现最小AGI？50%概率下就业如何安放？

101. AI或取代绝大部分人类工作

102. AI 浪潮来袭！这 3 类岗位危了

103. 当你的工作遇见AI

104. 能用一句话解释清楚的岗位，都会很容易被 ai 和自动化替代掉

105. 当AI Agent成为同事，哪些人最容易被取代？

106. ChatGPT爆火，未来什么工作不会被取代？

107. AI浪潮下，人类工作的“变”与“守”

108. 担心被AI取代？我说我敢背锅它敢吗（实则认真分析）

109. 麦肯锡最新报告

110. 人类如何培养AI难以替代的核心竞争力

111. 普通人如何快速掌握AI协作技能？这份「3阶段成长地图」请收好

112. 从ChatGPT到AGI

113. 任重沙龙第257期回顾｜梁家卿

114. 别怕AI抢饭碗了，未来是“人机CP”的天下

115. AI 时代的“用人者”突围

116. AI讲坛 | AI大爆炸

117. Karpathy 最新访谈核心提炼

118. 外滩大会精华回顾 | 重构未来，AGI时代的组织与人才发展

119. AGI 时代，如何培养未来核心竞争力？这五大能力不容错过！

120. 重磅解读！国家AGI规划出台，未来五年，中国AI的“路线图”与“任务书”都划好了

121. 人工智能浪潮奔涌

122. AGI降临前夜

123. 提示词工程与元技能

124. 超越失业 / AGI 将以五种方式颠覆我们的社会

125. AI时代的生存之道：普通人应掌握的关键技能

126. 零门槛体验，3分钟开启提示词工程之旅

127. 面对AI的全面崛起，普通人应这样应对

128. 从AI到AGI，颠覆性学习的新起点

129. 2040年人类将进入"富足时代"？硅谷投资人的8大AI预言，每一条都颠覆认知

130. AGI风口已至！大模型学习指南与就业全景图，2025年入局者的破局之道！

131. 首次!顶级AI学者联合发布AGI量化评测框架,拆解十大核心能力,实测GPT-5暴露当前技术天花板

132. 普通人如何在AI时代逆袭智慧之道与应对策略。

133. 大模型引领行业革新，AI 向 AGI 迈进的四大核心方向

134. 程序员最应该转型的方向：Agent 工程师

135. AI 智能体时代，提示词怎么写？一份高级提示词工程实战指南

136. 【中国科普】通往AGI之路：技术挑战与未解之谜

137. 从 0 到 1 系统掌握提示词：5 大阶段学习路线 + 4 大核心方法论，理论实战双落地

138. 深度解读 | 商汤科技林达华：坚定多模态，AGI战略核心与路径思考

139. 提示词工程交互式教程：让AI更懂你的想法

140. 提示词工程发展年鉴：从技术突破到产业变革的全景报告

141. 在AI浪潮中稳步前行：普通人应对AI全面崛起的策略与思考

142. 职场AI替代风险4大信号：重复工作被批量处理、要求学AI、招聘加硬指标、缩减人手补缺口，别忽视

143. 20分钟学会Google的提示词工课程

144. 咱们聊聊：为啥你的AI总是不听话？（附调教秘籍）

145. 面对AI的全面崛起，普通人应该如何应对

146. 未来10年将被人工智能淘汰的职业有哪些？

147. 面对AI的飞速崛起：普通人应如何应对未来的挑战与机遇

148. 在AI浪潮中稳步前行：普通人应对人工智能飞速发展的策略

149. Ai时代到来，普通人该如何面对？

150. 为什么选择AI产品经理？行业有AI产品经理需求？如何成为AI产品经理？

151. 什么工作最容易被AI取代？

152. 面对AI的飞速崛起，普通人应如何应对未来挑战

153. 面对AI时代的崛起，普通人应如何应对？

154. 在AI浪潮中稳步前行，普通人应对AI非学初期的三大策略

155. 提示词工程深度解析：用户指令与系统设定

156. 在AI浪潮中立于不败之地：普通人应对AI崛起的实用策略

157. 提示词工程入门指南

158. 裁员1.4w人，AI真的能取代人类吗？哪些岗位容易被替代？

159. Prompt 提示词工程深度系统学习报告：5大核心模块 + 4 步落地法，普通人也能驯服大模型【附精选学习资源和项目案例】

160. 真正的高效能人士，掌握系统化的AI协作方法人机协同

161. 把握机遇，应对挑战：普通人面对AI全面崛起的策略与思考

162. AI全面崛起：普通人的应对策略与未来机遇

163. 三个关键步骤，助力传统行业从业者成功转型AI领域

164. 晋升之路如何拓宽？让AIGC应用工程师证书为你的职业生涯赋能

165. 真正能把AI用活的人，往往具备这六种特质

166. 面对AI的全面崛走之，普通人应该如何应对？

167. 学习Ai提示词工程和Ai上下文工程的意义。

168. 一文搞懂｜LLM、RAG、Agent、AGI 核心术语

169. AI Agent已渗入各行各业，你的岗位还能撑多久？（附智能体技术详解+保姆级资源）

170. AGI 时代的软件工程：变革、挑战与展望

171. 应对AI全面崛起：普通人该如何自我提升与适应？

172. 面对飞速发展的人工智能，普通人该如何应对？

173. AI大模型学习笔记（八）提示词工程

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！