隨著2024年的尾聲漸行漸近，科技界對于未來一年的展望似乎被一層迷霧所籠罩。回望過去一年，曾經被寄予厚望的技術突破并未如期而至，其中最引人矚目的莫過于GPT-5的爽約以及視頻生成領域的商業化困境。
年初，一款名為Sora的視頻生成產品橫空出世，以其驚艷的表現吸引了眾多目光。然而，好景不長，Sora便因審查問題而陷入停滯，據傳其背后的算力需求之巨，連好萊塢和藝術家們的入駐合作也難以迅速解決。據Factorial Funds估算，Sora在訓練環節所需的算力至少是LLM的幾倍之多，若要實現大規模應用，其成本之高令人咋舌。
與此同時，生成式AI應用雖然仍處于早期階段，但巨頭們的投資熱情卻絲毫未減。紅杉資本的一項研究表明，AI的預期收入與基建投入之間存在著高達6000億美元的缺口。然而，歷史經驗告訴我們，科技泡沫的破裂往往需要漫長的時間，這使得當前的“體感”并不明朗。
在這樣的背景下，關于人工智能通用智能（AGI）的討論再次成為焦點。多位科技大佬紛紛對AGI的實現時間做出了預測，但這些預測卻大相徑庭。OpenAI CEO Sam Altman對2025年實現AGI充滿期待，而馬斯克、Anthropic創始人Dario Amodei等人則預測AGI將在2026年到來。還有多位諾獎得主和科技領袖也加入了這場討論，他們的預測時間從5年到10年不等。
然而，并非所有人都對AGI的到來持樂觀態度。人工智能專家Gary Marcus曾表示，如果我們繼續沿著深度學習和語言模型的路線前進，將永遠無法實現AGI。他認為，這些技術存在缺陷，相對薄弱，只有通過更多的數據和算力才能取得進步。而華盛頓大學計算機科學教授Pedro Domingos則更加直接地斷言，AGI只是一個白日夢。
事實上，AGI的預測背后涉及著數萬億美元的投資，其無疑是未來科技發展的重要方向。但更重要的是，我們需要看清楚什么是真實可行，什么是過度炒作。目前，Scaling Law已經“撞墻”，多位科技領袖和投資人都開始對此表示擔憂。他們認為，AI模型的能力似乎遇到了某種瓶頸，性能的提升速度正在放緩。
面對這樣的困境，Scale AI創始人兼CEO Alexandr Wang提出了邁向AGI路上的五大挑戰：數據墻、評估過擬合、Agent不可靠、芯片和能源以及國際競爭。他認為，在解決這些挑戰之前，我們還需要在模型上投入更多的資金和資源，但與此同時，也需要相應的創新來配合。
其中，數據墻是首要挑戰。目前，大部分數據仍然是私有和專有的，被鎖起來無法用于訓練。而評估問題也同樣棘手，現有的評估標準已經飽和或容易過擬合，需要建立更具挑戰性的評估來衡量模型的進步。Agent的不可靠性、芯片和能源的短缺以及國際競爭的壓力也都是實現AGI路上的重要障礙。
盡管如此，AGI仍然被視為人類追求的“圣杯”。一旦實現，它將徹底改變世界。然而，留給人類“轉型”的時間還有多少？這仍然是一個未知數。或許，預測未來不如預測“脆弱”，在面對科技發展的不確定性時，我們需要更加謹慎和理性地看待每一個技術突破和預測。
