时间线

AGI时间线：2026年专家预测更新 每年，AI领域的顶尖研究者都会被问及同一个问题：AGI什么时候到来？2026年，随着GPT-6、Claude 5等模型展现出越来越强的推理能力，专家们的预测正在发生显著变化——整体提前了。 2026年专家预测汇总 Metaculus预测平台 Metaculus是一个专家预测平台，其AGI时间线预测被认为是业界最权威的参考之一。 时间点 2024年预测 2025年预测 2026年预测 变化 AGI实现（50%概率） 2032年 2029年 2028年 提前4年 AGI实现（10%概率） 2027年 2026年 2025年底 已临近 AGI实现（90%概率） 2045年 2038年 2033年 提前12年 顶级研究者个人预测 人物 身份 2026年预测 2024年预测 变化 Sam Altman OpenAI CEO 2027-2029 2030-2035 提前3-6年 Dario Amodei Anthropic CEO 2026-2028 2028-2030 提前2年 Demis Hassabis DeepMind CEO 2028-2030 2030-2035 提前2-5年 Yann LeCun Meta AI首席 2035+ 2035+ 不变 Ray Kurzweil 未来学家 2029 2029 不变 Geoffrey Hinton “AI教父” 2026-2030 2027-2032 提前1-2年 Elon Musk xAI创始人 2026-2027 2025-2027 基本不变 李飞飞 斯坦福教授 2030-2035 2035+ 提前5年 关键变化 中位预测从2029提前到2028：一半的专家认为AGI将在2028年前实现 保守预测也在提前：即使是最保守的预测，也认为AGI在2035年前实现 Yann LeCun仍是唯一坚定的"远期预测者"：他认为当前自回归架构有根本缺陷，AGI还需要架构突破 Hinton的预测大幅提前：从2027-2032提前到2026-2030，因为他认为GPT-6已经展现出"真正的推理能力" 什么是AGI？定义之争 预测AGI时间线的前提是定义AGI。但"什么是AGI"本身就是争议最大的问题。 ...

每年关于 AGI 何时到来都有新的预测，而 2026 年的讨论呈现出前所未有的严肃性。原因很简单：AI 的能力增长速度已经超过了几乎所有之前的预测模型。GPT-5 在多项认知任务上的表现达到了人类专家水平，AI Agent 在真实工作场景中开始替代（而非辅助）人类工作，AI 驱动的科学发现从"有趣实验"变成了"重要贡献"。 这些进展迫使学术界和产业界重新思考一个根本问题：AGI 到底什么时候到来？或者说，它是否已经部分到来？ 一、AGI 定义的演化 从"人类水平"到"能力维度" AGI 讨论的最大困难一直是定义问题。2026 年，AI 界在 AGI 定义上取得了重要进展，从模糊的"人类水平"转向更精确的能力维度框架。 OpenAI 的五级 AGI 框架在 2026 年被广泛采纳： Level 1：Chatbot — 能进行对话的 AI（已实现） Level 2：Reasoner — 能解决人类级别问题的 AI（GPT-5 已达到此水平） Level 3：Agent — 能自主执行多步骤任务的 AI（2026 年正在实现） Level 4：Innovator — 能产生原创想法和发明的 AI Level 5：Organization — 能执行整个组织所有工作的 AI 按此框架，2026 年的 AI 处于 Level 2-3 之间。OpenAI CEO Sam Altman 在 2026 年 5 月表示，“我们可能在未来 2-4 年达到 Level 4”。 ...

AGI：一个没有共识的目标 AGI（Artificial General Intelligence）是 AI 领域被引用最多、定义最模糊的概念。每个人都有自己的标准： 立场 AGI 标准 代表人物 保守派 在所有经济有价值的任务上超越人类 OpenAI 实用派 能完成大多数人类知识工作者任务 DeepMind 严格派 具备人类水平的抽象推理、迁移学习、常识 学术界 哲学派 具备自我意识、理解、创造力 哲学家 这种定义分歧不是文字游戏——它直接决定了"AGI 是否已经实现"的判断。如果你用保守派标准，GPT-4 在许多知识任务上已达到或超越人类水平。如果你用严格派标准，当前模型离 AGI 还有质的差距。 本文采用实用派框架：AGI = 能在大多数需要人类智能的任务上达到人类水平的 AI 系统。 当前里程碑 GPT-4 / Claude 4 / Gemini 2：能力坐标系 维度 人类水平 当前 SOTA 差距评估 知识广度 一个人的知识 超越所有个体 已超越 知识深度 专家级单领域 接近专家级 基本持平 逻辑推理 一般人类 弱于人类专家 有差距 数学推理 训练有素者 接近竞赛水平 接近 代码生成 熟练程序员 接近中级水平 接近 长程规划 人类本能 显著弱于人类 大差距 常识理解 婴儿水平 混乱且不可靠 大差距 迁移学习 人类本能 有限 大差距 具身交互 人类本能 极初级 巨大差距 2024-2026 关键进展 推理模型崛起：o1/o3 系列通过强化学习内化了推理过程，在数学和编码基准上显著突破 长上下文工程：从 4K → 10M token，但有效利用长度远低于标称值 多模态融合：原生多模态（非拼接式）开始成熟 Agent 架构：从单轮对话走向多步自主任务执行 模型成本下降：同等能力的模型推理成本每年下降 ~10x Scaling Law：触顶了吗 经典 Scaling Law 2020 年 Kaplan 等人提出的 Scaling Law：模型损失 L 随参数量 N、数据量 D、计算量 C 呈幂律下降： ...