会津大学 计算机理工学部 名誉教授 生成AI学塾塾长 程 子学
1．生成式AI竞争的加速与AGI之路
近年来，OpenAI、DeepSeek、xAI等企业在生成式AI领域展开了激烈的竞争。尤其是在2025年2月，由埃隆·马斯克领导的xAI发布了最新的AI模型“Grok 3”，并宣称其性能超越了OpenAI的GPT-4o和DeepSeek的V3。
“Grok 3”利用多达20万台GPU进行大规模训练，其压倒性的计算资源投入成为从海量数据集中快速学习复杂任务的强大动力。通过使用大量GPU，Grok能够以高速更新海量参数，期望在更深的层次和更广的领域内提升能力；但与此同时，其在电力消耗和成本方面也面临挑战。
另一方面，DeepSeek则不依赖硬件资源，而是专注于算法本身的革新。尤其是该公司在2025年2月16日发布的论文中( https://arxiv.org/abs/2502.11089 )提出了一种全新的注意力机制“Native Sparse Attention（NSA）”。NSA算法将传统全连接型注意力在计算量和内存使用上的瓶颈问题，替换为只对必要部分进行计算的“稀疏”结构。具体来说，它不是对所有输入标记计算注意力权重，而只对每个标记可能影响最大的极少部分标记进行计算，从而大幅度减少了计算量。
因此，在生成式AI领域内，既有单纯依靠大量硬件投入的方案（例如：Grok 3），也有通过算法创新提高计算效率的方案（例如：DeepSeek的Native Sparse Attention），两种策略各有优缺点。未来在通向AGI的道路上，如何将这两种方法融合、找到最佳平衡，将成为一个重要焦点。
值得一提的是，由于DeepSeek实现了开源，这给全球的研究者、开发者以及年轻人带来了巨大的梦想和希望。生成式AI的研究与开发已不再仅仅属于少数科技巨头，即使是小型实验室和初创企业，也大大拓宽了产生震撼世界的创新成果的可能性。
1）AGI是什么？ —AI时代工作的黄金律
AGI（Artificial General Intelligence，通用人工智能）指的是能够像人类一样执行广泛智能任务的AI。目前的生成式AI仅限于特定领域，即“狭义AI（Narrow AI）”，而AGI则被期望能够跨多个领域进行学习和适应，并具备创造性思考和问题解决的能力。如果AGI得以实现，AI将不仅仅是辅助工具，而会进化为能够自主做出判断和决策的存在，从根本上改变人类的角色。
AGI的开发竞争预计将对社会和产业结构产生巨大影响。无论是开发高端AI技术的企业、提供AI应用与服务的公司、引入生成式AI的一般企业，还是个体利用AI进行生产和消费，各种主体都将扮演新的角色。随着这种变化，劳动力市场将变得更加流动，预计自由职业者和在多家公司工作的人数将会增加。
生成式AI的普及可能导致总体20%的人承担80%的工作，而剩余80%的人则面临工作减少甚至失业的风险。理想的AI社会应当实现这样一种平衡：每个人都拥有工作，将80%的任务交给AI处理，而自己只负责20%的工作。我们称这是“AI时代工作的黄金律”
2）关于 AGI 到达时间的辩论
AGI 会在不久的将来很快到来
- 仅通过强化学习提升推理能力：
DeepSeek-R1-Zero 的研究表明，在不依赖 SFT（监督微调）的情况下，仅使用强化学习（RL）就可以提高 LLM（大规模语言模型）的推理能力。这意味着 AI 的学习不再依赖数据集，从而加速 AGI 的实现进程。
- 扩展法则与模型演进：
根据 OpenAI 的研究，随着模型规模的增加，新的能力会突然涌现。例如，OpenAI 的 ChatGPT 进一步发展，以及 Grok 3 等超大规模模型的增强，使得 AGI 可能会在 2026 年至 2034 年间出现。
- AGI 何时实现，专家观点：
部分研究人员和行业领导者预测 AGI 将会很快实现。例如，Anthropic 的 CEO 达里奥·阿莫代（Dario Amodei）暗示 AGI 可能在 2026 年之前实现，而 OpenAI 的 CEO 山姆·阿尔特曼（Sam Altman）则预计 AGI 最迟在 2034 年实现。
AGI 仍然遥远的观点
- 缺乏深度推理能力：
专家如加里·马库斯（Gary Marcus）认为，当前的 LLM 仅仅是“统计模式匹配”，距离具备深度推理能力的 AGI 还很遥远。
- 能源与计算资源的限制：
目前的 LLM 需要庞大的计算资源，要构建 AGI 这样通用性极强的模型，仍然需要重大技术突破。
- AI 技术的现实问题：
有专家指出，当前 AI 技术的“90% 是市场宣传，10% 才是现实”。他们认为 AGI 的实现需要具备“深度推理能力”，但目前尚不具备这一条件。
3）基于 Pace Layering 视角的变革分层
Pace Layering（变革层次论） 是指，组织或系统的不同层（技术、经济、制度、文化等）具有各自不同的变化速度。例如，技术发展迅速，而制度和文化则变化缓慢。这一概念也可以解释 AGI 发展过程中可能面临的阻碍。
- 技术发展最快，正在推动人类迈向 AGI 时代。
- 技术创新速度极快，但其成果融入经济活动仍需时间。即使 AGI 在几年内问世，经济系统变革、产业结构调整、新商业模式的确立仍需 10 余年。
- 制度和法律体系的调整比经济变革更慢。各国政府和国际机构难以及时制定法律和监管措施，以适应 AI 的快速发展。制度框架的建立可能需要数十年。例如，如何制定财富分配制度？AI 机器人对人类造成伤害时，责任应由制造商承担，还是 AI 机器人本身承担？
- 文化与传统的变化最缓慢。人们的价值观、文化和传统习惯需要世代更迭才能发生重大变化。因此，即使 AGI 在几年内出现，全球人类适应它、文化发生根本变革仍需很长时间。
变革分层带来的挑战与影响
在这一分层变化过程中，可能会产生巨大的社会冲突（hysteresis effect），对技术发展形成阻碍。宏观来看，技术进步有助于改善人类生活质量，但部分企业和个人可能无法维持当前的生活水平，从而导致不满情绪上升。
因此，在技术、经济、制度、文化各个层面，我们需要采取合适的应对措施，以适应不同的变化速度。每个人都需要灵活应对这些变化，积极学习和适应，才能在未来社会中保持竞争力和生存能力。
2. 新型工作方式的大变化与流动性（续篇）
3. AI与人类的价值观共识及伦理观的重要性（续篇）
