关于通用人工智能（AGI）即将到来的争论，已从学术界的思想实验演变为充斥着各种极端预测的场调节，时间线从现在到了短短几个月不一而足。近期围绕过去近15年来九千份专家的预测宏观分析揭示，大型语言模型（LLM）的出现将行业的时间表提前提前。然而，关于防疫时间点的预测狂热，其本质远不止是数字游戏。它暴露了科技与科学界内部的某种根本性裂痕——闭合不仅相当于AGI何时到来，更似我们究竟在等待什么。防疫辩论的核心，实际上是对“智能”本身定义权的一场终极争夺。

加速的预测：从摩尔定律到模型的“巩固”幻觉

支持AGI即将到来的“加速主义”队列，其信心主要建立在支柱之上：指数级的计算能力增长和大型语言模型表现出的惊人潜力。第一个支柱是经典的“规模致胜”论。这一观点以摩尔信念为基础，只要计算能力以指数方式持续增长——大约每18个月翻一番—— ——机器的原始计算速度终将超越人脑。即使传统芯片制造工艺逼近物理极限，量子计算等新兴技术也被视为接力棒，有望为训练更庞大的神经网络提供近乎无限的算力。在这个框架下，智能简化为一个可计算的阈值，只要硬件性能的曲线足够陡峭，跨越这个阈值只是时间问题。

第二个，同样是加速刺激性的增长，是近年来以ChatGPT为代表的大型语言模型的崛起。LLM锻炼出的“安慰能力”（Emergent）这种现象让许多人相信，走向AGI的路径可能比想象中简单：即持续扩大现有模型的规模（更多的数据、更多的参数、更多的计算），通用智能将“对接”出来。解释了为何行业领袖和企业家的预测普遍比学术洞察更为尖锐，例如人类公司CEO提出的“三个月”倒计时，是这种“规模即智能”理念的极致体现。然而，这种信号的路径，可能掩盖了一种“涌念的幻觉”：我们所见的，究竟是走向真正理解的曙光，还是统计模式契合在海量数据之上感知出的、愈发清晰的拟像？

“智能”的维度：为何计算能力不等于认知突破

相对而言，“怀疑论”或“结构主义”阵营则认为，通向AGI的道路上存在着比计算能力更根本的障碍——即我们对智能本身的理解过度狭隘。他们指出，当前对AGI的定义，极力接近人类的“逻辑数学”智哈佛认为学者霍华德·加德纳提出的“多元智能理论”则将人类智能划分为至少八个维度，包括语言、数学、空间、逻辑、身体运动、人际、内在组织和自然观察。

从这个更加自我封闭的角度出发，LLM的智能成就虽然引人注目，但其优势高度集中在语言和逻辑领域。在需要与物理世界交互的身体动觉、需要理解他人意图和情感的人际智能，以及意识意识的内在省智能等方面，目前的AI模型几乎毫无进展。深度学习先驱、图灵奖得主杨立昆（Yann） LeCun）的批评正中要害：他认为当前的LLM缺乏对世界的因果模型，无法进行真正的规划和推理，其本质仍然是一个基于概率预测下一个词元的自回归系统。它们没有“体验”过物理世界，其“知识”与现实世界是脱节的。因此，他主张用更精确的“先进机器智能”来取代“通用人工智能”这一模糊概念，强调机器智能与人类智能在结构上的根本差异。

另外，正如原始分析报告所指出的，现有人工智能在“科学发现”与“数据分析”之间存在本质区别。例如，AlphaFold能够基于现有蛋白质数据库，以精确度预测蛋白质结构，这是一项革命性的数据分析成就。但它并没有发现控制蛋白质折叠的新的物理作用。真正的科学发现需要提出假设、设计实验、并与物理世界互动来或证伪，而这预设是当前AI架构的软肋。这表明，即使拥有超人级别的验证能力，机器也可能无法独立完成从0到1的认知突破。因此，怀疑者认为，仅仅扩大计算规模，对建设越来越高的梯子来说，无异于建设一个越来越高的梯子，但却希望它能够把我们送上月球——我们需要的可能不是更多的梯子，而是一个全新的升级。

终极问题：我们逼近的是“奇点”还是“天花板”？

归根结底，关于AGI时间线的激烈辩论，反映了对未来AI发展路径的两种根本不同的信念。这不仅仅是乐观与悲观之分，而是关于智能增长曲线形态的预测：

1. 增长的“奇点速度”路径：该观点认为，我们正趋向技术奇点的指数曲线上。智能的增长会自我加速，一旦AI达到超越人类的水平，就会设计出更相关的下一代AI，从而引发一个无法、极快的智能爆炸。在路径路径上，LLM的“支撑能力”被视为曲线开始陡峭的信号，而曲线的增速，都终将被指数增长的算力指数所冲破。
2. S型曲线的“天花板”路径：该观点则认为，当前AI的发展正遵循一条S型曲线。我们可能正处于曲线最陡峭的加速增长阶段，但之后将明显面临一个平台期或“天花板”。在这个阶段，单纯依靠扩大规模所带来的性能提升将出现收场益递减的是。要突破这个天花板，需要全新的、目前尚未出现的理论和架构上的革命性突破。这些突破无法被预测，也无法在任何时间表之内被规划。因此，我们可能迫在眉睫的，是一个特定技术范式的性能极限，而不是一个无限智能的机械点。

最终，一个人对AGI即将到来的预测，非常依赖他相信我们正走在哪一条路径上。这是一场关于“量变能否引发质变”的核心赌注。

无论是在三个月后的奇点，还是一个遥远的梦想，围绕线的全球性大讨论本身就具有非凡的价值。它使我们走出技术工具主义的舒适区，严肃追问去“”的本质。这促使我们思考人类认知能力的独特性，并更加明确我们希望扮演机器的角色。无论未来如何展开，辩论都在预示我们与即将到来的、即将到来的强大的机器智能共存的方式。