随着2024年的尾声渐行渐近，科技界对于未来一年的展望似乎被一层迷雾所笼罩。回望过去一年，曾经被寄予厚望的技术突破并未如期而至，其中最引人瞩目的莫过于GPT-5的爽约以及视频生成领域的商业化困境。
年初，一款名为Sora的视频生成产品横空出世，以其惊艳的表现吸引了众多目光。然而，好景不长，Sora便因审查问题而陷入停滞，据传其背后的算力需求之巨，连好莱坞和艺术家们的入驻合作也难以迅速解决。据Factorial Funds估算，Sora在训练环节所需的算力至少是LLM的几倍之多，若要实现大规模应用，其成本之高令人咋舌。
与此同时，生成式AI应用虽然仍处于早期阶段，但巨头们的投资热情却丝毫未减。红杉资本的一项研究表明，AI的预期收入与基建投入之间存在着高达6000亿美元的缺口。然而，历史经验告诉我们，科技泡沫的破裂往往需要漫长的时间，这使得当前的“体感”并不明朗。
在这样的背景下，关于人工智能通用智能（AGI）的讨论再次成为焦点。多位科技大佬纷纷对AGI的实现时间做出了预测，但这些预测却大相径庭。OpenAI CEO Sam Altman对2025年实现AGI充满期待，而马斯克、Anthropic创始人Dario Amodei等人则预测AGI将在2026年到来。还有多位诺奖得主和科技领袖也加入了这场讨论，他们的预测时间从5年到10年不等。
然而，并非所有人都对AGI的到来持乐观态度。人工智能专家Gary Marcus曾表示，如果我们继续沿着深度学习和语言模型的路线前进，将永远无法实现AGI。他认为，这些技术存在缺陷，相对薄弱，只有通过更多的数据和算力才能取得进步。而华盛顿大学计算机科学教授Pedro Domingos则更加直接地断言，AGI只是一个白日梦。
事实上，AGI的预测背后涉及着数万亿美元的投资，其无疑是未来科技发展的重要方向。但更重要的是，我们需要看清楚什么是真实可行，什么是过度炒作。目前，Scaling Law已经“撞墙”，多位科技领袖和投资人都开始对此表示担忧。他们认为，AI模型的能力似乎遇到了某种瓶颈，性能的提升速度正在放缓。
面对这样的困境，Scale AI创始人兼CEO Alexandr Wang提出了迈向AGI路上的五大挑战：数据墙、评估过拟合、Agent不可靠、芯片和能源以及国际竞争。他认为，在解决这些挑战之前，我们还需要在模型上投入更多的资金和资源，但与此同时，也需要相应的创新来配合。
其中，数据墙是首要挑战。目前，大部分数据仍然是私有和专有的，被锁起来无法用于训练。而评估问题也同样棘手，现有的评估标准已经饱和或容易过拟合，需要建立更具挑战性的评估来衡量模型的进步。Agent的不可靠性、芯片和能源的短缺以及国际竞争的压力也都是实现AGI路上的重要障碍。
尽管如此，AGI仍然被视为人类追求的“圣杯”。一旦实现，它将彻底改变世界。然而，留给人类“转型”的时间还有多少？这仍然是一个未知数。或许，预测未来不如预测“脆弱”，在面对科技发展的不确定性时，我们需要更加谨慎和理性地看待每一个技术突破和预测。
