每隔一两年，就有一轮 AGI 时间表的公开预测潮。乐观派说五年内通用智能就会超过人类，怀疑派说再过五十年也未必。把近二十年的专家调研放在一起看，平均预期一直在往后挪，但方差却越来越大——也就是说，共识没有形成，反而撕裂得更厉害。

专家预测为什么系统性偏乐观又偏悲观？

历史上多次出现「五年内实现」的公开表态，随后五年过去什么都没发生。原因之一是专家容易高估自己所在子问题的解决速度，低估跨领域整合的难度；原因之二是预测者的激励结构——宣称即将到来能拿到资源，宣称遥遥无期则会失去关注度。这两种偏差叠加，使得公开预测的可信度天然打折。真正有信息量的不是中位数，而是那些把不确定性写成分布区间的内部路线图。

缩放路线与新范式路线的时间表差多少？

走纯缩放路线的人，假设继续按现有规模堆算力和数据就能接近 AGI，他们的时间表通常落在十年到二十年区间。主张需要新范式的人，认为现有架构存在根本瓶颈——世界模型、持续学习、因果推理——不解决这些，再堆一千倍算力也只是更大的鹦鹉，他们的时间表因此往后推到三十年以上，甚至认为 AGI 不会到来。两条路线的分歧，本质上是对「现有架构能走多远」的判断分歧。

通用与专用的界线会在什么时候被打破？

今天的大模型在绝大多数狭义任务上已经达到或超过人类，但在需要长期规划、跨领域迁移、物理世界交互的综合任务上仍明显脆弱。AGI 的定义本身就混乱——有人说通过图灵测试就算，有人说能自主开展科学研究才算。定义不统一，时间表自然各说各话。论坛里关于 AGI 路径 的争论，很大一部分精力都花在重新定义什么才算数上。

时间表的价值不在于它准，而在于它逼着各方把隐含假设摆到台面上。你支持哪个数字，就暴露了你相信哪条技术路线。

历史预测的准确率能不能帮我们校准？

把过去三十年专家对 AGI 时间表的公开预测排成一条时间线，会发现一个尴尬规律：每一代人都倾向于把重大突破放在自己职业生涯的可见窗口里，然后在事后发现那个窗口里什么都没发生。这种系统性偏差不是谁不专业，而是人对技术复杂度的天然低估。用历史预测的误差幅度去校准今天的中位数，得到的区间往往比专家自己给出的宽得多。换句话说，与其相信某个具体年份，不如把 AGI 当成一个概率分布来做长期准备。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论。