近期，谷歌DeepMind首席执行官德米斯·哈萨比斯公开表示，通用人工智能（AGI）或许能在未来3至4年内实现，这一预测比行业此前普遍预期的10年以上时限明显提前。作为AlphaGo项目的主导者，哈萨比斯的观点因团队在AI领域的技术积累备受关注，DeepMind曾先后推出AlphaFold（蛋白质结构预测）、Gemini（多模态大模型）等里程碑式产品。
全球主要科技公司正加速布局AGI基础设施，麦肯锡2024年AI行业报告显示，2023年全球AI相关资本支出已超1500亿美元，其中70%流向先进半导体和超大规模数据中心。例如，谷歌自2020年以来已投入超500亿美元升级TPU（张量处理单元）生产线，最新TPU v5e芯片的算力密度较上一代提升30%；微软则为OpenAI提供了超过120亿美元的云资源支持，用于训练GPT-4等大语言模型。
AGI的核心是具备跨领域推理、自主学习和适应未知任务的能力。DeepMind的Gemini Ultra模型在MMLU（多任务语言理解）基准测试中得分达90.0%，接近人类专家水平，还能同时处理文本、图像、音频等多模态数据。不过Meta首席AI科学家扬·勒昆等专家指出，当前模型仍依赖统计关联而非真正的因果推理，比如在解决需要逻辑链的数学问题时，错误率仍高达30%以上，需突破现有Transformer架构的局限。
能源消耗与监管限制是AGI落地的关键挑战。斯坦福大学2023年AI指数报告显示，训练一个千亿参数的大模型需消耗约300兆瓦时电力，相当于1000个中国家庭一年的用电量；欧盟AI法案将AGI列为“未分类的高风险系统”，要求开发者进行严格的安全评估，这可能延缓技术落地速度。
行业近期动态中，OpenAI于2024年2月发布的Sora视频生成模型已具备生成60秒高清视频的能力，展示了多模态AGI的潜在进展；竞争对手里，Meta计划在2024年第二季度推出LLaMA 3模型，参数规模预计超1万亿，旨在提升推理和多语言能力；亚马逊则将Bedrock平台的模型数量扩展至20个，涵盖开源与闭源选项，以满足企业级AGI应用需求。
快报