AGI 之路，可能从一开始就走错了

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 记忆系统, 办公效率, 网络安全, 编程, 物流, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/rjfXTvfCukL5Y2x2T6PjEA

摘要

王鹏 腾讯研究院资深专家 从奥特曼家门口的燃烧瓶说起 2026 年 4 月 10 日凌晨，旧金山俄罗斯山，一个 年轻人在山姆·奥特曼家门口扔出了一枚燃烧瓶。两天后，另外几个年轻人驾车经过同一栋房子，朝屋内开枪。三天两起袭击——第一名袭击者随身带着一份"反 AI 宣言"，上面列着其他几位 AI 高管的名字，他的博客写满了"AI 会让人类灭绝"。这不是孤例。同一个月，一位支持建数据中心的市议员家里中了十几发子弹，凶手留下一张纸条：“不要数据中心”。圣路易斯旁边一个一万二千人的小镇，只因为现任议员批了一个数据中心项目，选举日被一夜之间全员踢下台。斯坦福 4 月刚发布的《2026 AI I...

核心内容

王鹏 腾讯研究院资深专家

从奥特曼家门口的燃烧瓶说起
2026 年 4 月 10 日凌晨，旧金山俄罗斯山，一个 年轻人在山姆·奥特曼家门口扔出了一枚燃烧瓶。两天后，另外几个年轻人驾车经过同一栋房子，朝屋内开枪。三天两起袭击——第一名袭击者随身带着一份"反 AI 宣言"，上面列着其他几位 AI 高管的名字，他的博客写满了"AI 会让人类灭绝"。这不是孤例。同一个月，一位支持建数据中心的市议员家里中了十几发子弹，凶手留下一张纸条：“不要数据中心”。圣路易斯旁边一个一万二千人的小镇，只因为现任议员批了一个数据中心项目，选举日被一夜之间全员踢下台。斯坦福 4 月刚发布的《2026 AI Index》显示：美国对 AI 感到焦虑的人数已经冲到 64%，比全球均值高出十几个百分点。普通人在用他们能找到的一切方式，对这条 AI 路线表达不满。而这条路线最著名的代言人此刻住在需要武装安保才能入睡的房子里。这还不是奥特曼这一年最糟的处境。他当年的那些联合创始人，几乎已经走光了。CTO、首席科学家、首席研究官……一个接一个告别。而这位 CEO 还在讲同一个故事。讲故事是有代价的。这种代价会一点一点外化——变成他家门口的燃烧瓶，变成突然告急的美国电网，变成发展中国家被压到最低的劳动时薪，变成正在被卷入这场军备竞赛的每一个国家、每一个行业、每一个家庭。这篇文章想把一个很多人隐约感觉到但没说透的判断讲出来：我们现在所走的这条所谓"通往 AGI"的大模型路线，极有可能从一开始就走错了。它不是科学选择，而是叙事选择；不是技术必然，而是资本和地缘博弈的锁定结果。围绕这个判断，文章回答四个问题：
- 它是怎么走上来的？谁在推？谁在跟？
- 它的物理边界在哪里？我们离那堵墙还有多远？
- 它的代价由谁来付？为什么我们看起来"置身事外"其实并没有？
- UBI 和 AGI 税的美好故事，真能兜住普通人吗？不是贩卖焦虑，事实本身已经足够沉重。

起点就错了：

AGI 叙事是怎么被制造出来的
要理解今天的局面，要回到 2015 年。那一年，马斯克和奥特曼在硅谷一间餐厅里决定创办 OpenAI。使命很美好——“确保通用人工智能造福全人类”，非营利，开放，把安全写进章程。但 MIT Technology Review 前资深记者凯伦·郝（Karen Hao）花了六年时间，采访了九十多位内部人士，写成 2025 年出版的《AI 帝国》。她在书里揭示出另一套底层逻辑：“必须第一，否则灭亡”。这条逻辑非常精巧。它把"做"和"不做"的选择权直接拿掉——你一质疑，就等于在帮坏人；它把"怎么做"偷换成"做多大"——既然时间紧迫，就必须投入更多、模型更大、算力更猛；它把外部批评者推到一个不可能赢的位置——任何减速建议，都等于站在人类对立面。马斯克 2015 年写给 OpenAI 团队的邮件原话是"DeepMind 让我精神压力极大"。注意这个情绪用词——不是"有意思"、不是"有竞争"，而是"精神压力"。从第一天起，OpenAI 的驱动力就不是好奇心，而是恐惧；不是科学，而是军备竞赛。恐惧是马斯克提供的燃料，想象力是奥特曼加上的糖衣。他比乔布斯更强的地方在于：乔布斯用"现实扭曲力场"卖手机，奥特曼用同样的能力说服全世界相信——我们必须不惜一切代价，用全球的能源和算力去训练越来越大的模型，这是通往 AGI 的唯一道路。他说服的不只是投资人，还有政府、媒体、监管机构，甚至竞争对手。而这条技术路线本来可以不是这样。在 OpenAI 之前，Google DeepMind 走的是另一条路——用小而专的模型一个一个地解决具体问题。AlphaGo 破解围棋，AlphaFold 破解蛋白质折叠，AlphaGeometry 破解奥数几何题。每个模型针对一个领域，规模可控、能耗可控、可验证、可解释。DeepMind 的哈萨比斯有一句口头禅：“先解决智能，再用智能去解决一切。”但 GPT-2、GPT-3 出现之后，整个行业瞬间被锁定。Google 被迫转向大模型，Anthropic 分裂出来继续押大模型，马斯克的 xAI 也是大模型，坚守专业化路线的公司也不得不在内部单开一条大模型产品线，否则资本和人才都留不住。这不是技术验证的结果，是博弈论的结果。只要任何一家先做出更大一号的模型，其他人都不得不跟进——否则就会在估值、融资、人才争夺上全线落后。整个行业进入"谁不 scale 谁就死"的纳什均衡。郝在书里讲了一个让人印象极深的细节：OpenAI 最早想用类似 AlphaGo 的游戏 AI 去吸引微软投资，但比尔·盖茨对当时还不成熟的早期大模型更感兴趣，并把微软和 OpenAI 完全推向了大语言模型。人类技术路径的一个关键拐点，是一个亿万富豪在会议室里的个人偏好和考题决定的。决定方向的，不一定是最懂的人，很多时候是最会讲故事的人。

**
**

**
**

哈萨比斯的两难：

一个纯粹科学家的妥协
哈萨比斯在硅谷 AI 圈里几乎是"纯粹科学家"的代名词。他 12 岁拿过国际象棋大师称号，剑桥计算机科学本科，UCL 认知神经科学博士，做过游戏开发，做过脑科学研究。他对 AI 的兴趣从来是"理解智能是什么"，而不是"取代人"。2024 年他因 AlphaFold 拿到诺贝尔化学奖——人类历史上第一次有 AI 系统直接贡献了诺奖级成果。2026 年初的达沃斯论坛上，他宣布由 AI 设计的第一款抗癌药将在同年进入临床试验。这本来才是他想走的路：用 AI 攻克癌症，攻克阿尔茨海默，攻克人类千百年解不开的问题。但最近两年，他在公开访谈里说的话越来越拧巴。2024 年他直言，把 AI 当成一种"普通技术"来看是错的——因为它冲击的不是体力劳动，也不是信息分发，而是认知本身。他曾引用"jagged intelligence"（锯齿状智能）概念：当前的大模型是一种能力分布极不均匀的智能——能在国际数学奥赛上拿金牌，却会在小学四则运算上翻车。他明确列出了当前路线的四大结构性短板：不会做长期规划、没有持续学习（训完就被"冻结"）、没有真正的创造力（能解问题但提不出问题）、能力锯齿严重（无法预测哪里会出错）。他给出的 AGI 时间表是 5 到 8 年——比奥特曼、Amodei 都保守得多。他保守不是因为不懂，而是因为懂得最深。他从认知神经科学出身，他知道人类大脑的很多功能——长时记忆、目标规划、元认知、真正的好奇心——不是把参数堆到一万亿就能自动涌现出来的。问题来了：他既然这么清楚 scaling 有天花板，为什么还在跟？这其实是整件事最让人感慨的地方。哈萨比斯在访谈里流露出同一种情绪——不跟不行：
- 如果 DeepMind 不做 Gemini，Google 的搜索业务会被 ChatGPT 瓦解；
- 如果 Google 的搜索业务被瓦解，DeepMind 就拿不到训练 AlphaFold 下一代所需要的算力；
- 如果拿不到算力，他一辈子想做的"用 AI 攻克疾病"就做不成；
- 所以他必须先做一件他并不最相信的事（堆大模型），以此换取做他最相信的事（攻克疾病）的资源。这是一种被锁定的理性。奥特曼制造出来的那种"必须领先否则毁灭"的叙事，不但

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充