我们距离 AGI 还有多远？

作者／ IT 时报记者 贾天荣

编辑／潘少颖 孙妍

关于 AGI（通用人工智能）的时间表，马斯克曾预测，AGI 可能会在 2026 年投入使用；DeepMind 联合创始人、首席 AGI 科学家谢恩 · 莱格在一次访谈中提到，2028 年，人类有 50% 的概率开发出第一个 AGI。

6 月 19 日凌晨，OpenAI CEO 山姆 · 奥特曼在接受采访时表示：“五年前，如果让我或其他人基于软件的认知能力给出 AGI 的定义，我认为那时的定义现在已经远远被超越了。尽管定义会不断扩展，但人们仍然会同意我们已经越来越接近 AGI。”

业界关于 AGI 的观点众说纷纭，有人视其为洪水猛兽，有人将其看作下一次技术革命，这也引发了关于 AGI 发展路径的争论：它是即将到来的颠覆性变革，还是一个尚需漫长探索的理想愿景？

在 MWC25 上海期间，众多行业领袖与顶尖科学家就 AGI 的演进路径展开了深入讨论，人们也不禁发问：我们距离实现 AGI 究竟还有多远？

当务之急是让 AI 能够解决问题

“无论 AI 如何发展，最终都应服务于人，服务于人的工作和生活。”在荣耀 CEO 李健看来，“让 AI 真正走进生活、解决问题，是当前最紧迫的任务”。

如何才能够让 AI 真正走进生活？山姆 · 奥特曼曾经提出 AI 发展的五个阶段：L1 聊天者— L2 推理者— L3 行动者— L4 创新者— L5 组织者。

“我们正在从‘思考’向‘行动’跨越，AGI 不可能突然宣布问世，一定是一个持续演进的过程。”李健表示，当前 AI 正处在 L2 向 L3 的关键过渡期，“当务之急是要让 AI 能够解决问题，只有让 AI 落地生根，让用户日常使用起来，才能够真正释放 AI 的潜力。”

围绕这一需求，当前 AI 技术正在发生三大结构性变化：首先是从“模型能力”向“落地能力”的转变。未来 AI 之间的竞争不再是模型参数的大小，而是能否将 AI 真正部署、运行，并解决实际问题。“能跑起来、干得动的模型，才是好模型。”李健说。

其次，AI 的价值定位也在发生变化。从原本的“工具效率”向“结果闭环”转变，AI 不再仅仅是辅助工具，而是应成为能够自主完成任务流程的“执行者”。未来的 AI 应用必须实现结果归因、持续进化，并带来可衡量的价值。

最后，AI 产品形态也在转变，从云端计算到切实存在。李健认为，AI 不应停留在云端或数据中心，而应深入到每一台设备、每一个场景中，真正成为人类的“贴身伙伴”。

在 MWC25 上海现场，越来越多的企业将“ AI 如何解决问题”作为展示重点。

在中国电信展区，AI 已深入多个真实生活场景：如支持情绪识别与心情日报推送的儿童陪伴机器人、可进行实物取用的四足陪跑机器人、内置大模型矩阵的天翼 AI 手机、支持定制化应用调用的 AI 云电脑等。这些应用背后，是电信级 AI 基础能力的体现。

联想围绕个人智能和企业智能两大主线，全面展示了在 AI 终端、AI 基础设施、AI 解决方案与服务三大业务板块的创新实践与落地成果。其新一代人机交互入口——天禧个人超级智能体，具备 AI 操控、AI 搜索、AI 翻译、AI 笔记、AI 服务五大黄金功能，重新定义智能交互体验，并且确保数据安全和个人隐私保护，让用户像相信自己一样相信 AI。

突破场景、性能和信任三大瓶颈

AI 从“概念创新”走向“场景落地”，正成为业界共识。

为了实现 AI 落地，李健提出“两个支柱”概念：一个支柱是硬件，是核心载体，AI 硬件不再是模型的外壳，而是与用户共处、共感、共生的“人格延伸”；第二个支柱是 Agent，即核心入口。AI Agent 不仅是任务执行工具，更是理解用户意图、交付结果闭环的“智能化交互中心”，是用户的数字化分身。

尽管 AI 技术已取得显著进展，但要真正走向 AGI，仍有三大难题尚未解决：场景闭环尚未打通，当前 AI 在多设备、多场景之间仍然存在割裂，用户在不同设备间调用 AI 仍显烦琐；性能瓶颈依旧存在，端侧算力不足，内存偏小，难以支撑 7B 以上的模型运算，推理复杂任务仍需依赖云端计算，造成时延和功耗挑战；信任体系仍未建立，幻觉、隐私、安全、伦理等问题仍是用户的顾虑所在，行业尚未形成统一的治理标准与技术规范。

只有突破场景、性能和信任的三大瓶颈，才能让 AI 真正走进生活。对此，李健提出三个解决方案：首先是打破数据孤岛，在保证数据隐私和安全的前提下，实现数据共享和训练；其次，打破服务孤岛，建立开放的 API 机制，整合服务生态；第三，打破设备孤岛，建立开放的通信协议，实现设备的互联互通。只有这样，AI 才能真正做到“通、好、全”，为用户带来解放感和自由感。

对于性能闭环的打通，李健认为需要通过端云协同、软硬协同和上网协同来突破算力瓶颈，并提升计算效率，从而让 AI 更加流畅、高效，提供极致体验。

在信任体系方面，他建议行业要在模型、算法技术、隐私保护标准和 AI 伦理治理方面共同协作，建立一个更可靠、更可控、更可信的 AI 系统。

据了解，荣耀将在即将发布的 Magic V5 中率先落地上述理念，展示让 AI 真正“跑起来”的能力。

多模态是实现 AGI 的必经之路

“多模态是实现 AGI 的必经之路。”大会现场，阿里巴巴集团智能信息事业部副总裁兼首席科学家许主洪指出，现实世界本身就是多模态的，模型要想拥有接近人类的认知能力，必须能整合图像、语音、文本、视频等多种模态，增强上下文理解力，提高可信度与准确率，并大幅降低幻觉发生的风险。

目前，多模态大模型技术主要分为理解型模型和生成型模型。理解型模型主要集中在如何“读懂”不同模态的信息，而生成型模型则专注于如何遵循指令生成高质量的多模态内容，如图片、视频和音频等。

“理解型模型的重点仍集中在视觉与语言领域，但我们希望未来能有处理更多种类的模态。”许主洪表示，阿里巴巴自研的“ Qwen2.5-Omni 全模态模型”相比传统的视觉语言模型，具备更强的多模态处理能力，不仅能处理图像、视频、文本，还能支持语音，并具备实时双工交互能力。

目前的多模态理解模型大多基于自回归模型框架，而主流的多模态生成模型大多采用扩散模型框架，理解和生成任务基于两套不同的体系。如何将这两种任务统一，是行业内讨论的焦点之一。

“我们预测，未来的多模态大模型将逐步走向统一延伸的多模态范式。”许主洪表示，要实现这一目标，设计统一模型时需回答多个关键的开放式问题：是选用自回归模型、扩散模型还是融合架构？如何实现不同模态之间的编码解码与对齐融合？这些仍有待技术突破。

过去一年，OpenAI 的“ O 系列”模型与 DeepSeek 的 R1 等大模型推动了大语言模型推理能力的跃升。如今，业界正在尝试将这一范式扩展到多模态场景，并构建“多模态思维链（Multimodal Chain-of-Thought）”，以增强推理能力。通过在输入、思考与输出三个阶段引入多模态信息，并辅以规则驱动的强化学习，模型的“思维能力”有望得到进一步激发。

“多模态和 AI Agent 的时代才刚刚开始。”许主洪总结道，尽管 AGI 的实现仍需解决诸多技术难题，包括多模态大模型的基础能力、Agent 核心模块的完善、数据世界的连接与操作、物理世界的控制与交互等，行业面临着巨大的技术挑战，但这些也为未来多模态大模型领域提供了丰富的机会。

排版／ 季嘉颖

图片／ MWC IT 时报

来源／《IT 时报》公众号 vittimes