---
title: AGI 之路，可能从一开始就走错了
source_url: https://mp.weixin.qq.com/s/rjfXTvfCukL5Y2x2T6PjEA
publish_date: 2026-05-08
tags: [wechat, article, openai, gpt, agent, gemini]
review_value: 7
review_confidence: 7
review_recommendation: neutral
sha256: 4cb7b5dc0f976bc4554cddb816ab3753fe965327b3e655bf6e9c58bd20e894c9
---
# AGI 之路，可能从一开始就走错了
> 作者：王鹏｜腾讯研究院资深专家｜来源：mp.weixin.qq.com｜原始链接：https://mp.weixin.qq.com/s/rjfXTvfCukL5Y2x2T6PjEA
## 核心论点
**我们正在走的这条所谓"通往 AGI"的大模型路线，极有可能从一开始就走错了。**
它不是科学选择，而是叙事选择；不是技术必然，而是资本和地缘博弈的锁定结果。
---
## 一、AGI 叙事是怎么被制造出来的
### 恐惧驱动：马斯克的燃料
2015年，马斯克和奥特曼在硅谷创办 OpenAI，使命是"确保通用人工智能造福全人类"。但凯伦·郝（Karen Hao）在2025年出版的《AI帝国》中揭示了底层逻辑：**"必须第一，否则灭亡"**——这条逻辑把"做"和"不做"的选择权直接拿掉，把"怎么做"偷换成"做多大"，把外部批评者推到"站在人类对立面"的位置。
马斯克2015年写给团队的邮件原话是"DeepMind 让我精神压力极大"。从第一天起，OpenAI 的驱动力就不是好奇心，而是**恐惧**；不是科学，而是**军备竞赛**。
### 想象力：奥特曼的糖衣
奥特曼比乔布斯更强的地方在于：他用"现实扭曲力场"说服了全世界——必须不惜一切代价，用全球的能源和算力训练越来越大的模型，这是通往 AGI 的唯一道路。他说服的不只是投资人，还有政府、媒体、监管机构，甚至竞争对手。
### 纳什均衡：整个行业被锁定
在 OpenAI 之前，Google DeepMind 走的是**专业化路线**——AlphaGo 破解围棋，AlphaFold 破解蛋白质折叠，AlphaGeometry 破解奥数几何题。但 GPT-2、GPT-3 出现之后，整个行业瞬间被锁定。只要任何一家先做出更大一号的模型，其他人都不得不跟进——否则就会在估值、融资、人才争夺上全线落后。整个行业进入**"谁不 scale 谁就死"的纳什均衡**。
一个关键拐点：比尔·盖茨在会议室里的个人偏好，把微软和 OpenAI 完全推向了大语言模型路线。人类技术路径的一个关键拐点，是一个亿万富豪的考题决定的。
---
## 二、哈萨比斯的两难：一个纯粹科学家的妥协
哈萨比斯12岁获国际象棋大师称号，剑桥CS本科，UCL认知神经科学博士，因 AlphaFold 拿到**2024年诺贝尔化学奖**——人类历史上第一次有AI系统直接贡献了诺奖级成果。
他明确列出了当前路线的**四大结构性短板**：
1. 不会做长期规划
2. 没有持续学习（训完就被"冻结"）
3. 没有真正的创造力（能解问题但提不出问题）
4. 能力锯齿严重（无法预测哪里会出错）
他给出的 AGI 时间表是5到8年——比奥特曼、Amodei 都保守得多。
**但他为什么还在跟？**
因为他被锁定了：
- 如果 DeepMind 不做 Gemini → Google 搜索业务被 ChatGPT 瓦解
- 如果 Google 搜索被瓦解 → DeepMind 拿不到训练 AlphaFold 下一代所需的算力
- 如果拿不到算力 → 他一辈子想做的"用 AI 攻克疾病"就做不成
所以他必须先做一件他并不最相信的事（堆大模型），以此换取做他最相信的事（攻克疾病）的资源。
2026年4月访谈中，他说了一句科学家式的表达："**关键的能力可能不在这条路的延长线上。**"——翻译：这条路走到头，也不是 AGI；我们在错误的山上拼命登顶。
---
## 三、物理的天花板：能源跟不上算力
### 算力侧：指数疯狂
过去十年最先进模型所用的训练算力大约**每三四个月翻一倍**——比摩尔定律快七倍。Agent 一旦铺开，单次任务的 token 消耗从几百跳到上万。
### 能源侧：线性龟速
国际能源署2025年报告：到2030年，全球数据中心耗电量将翻倍以上，相当于整个日本的年用电量。美国 PJM 电网（覆盖13个州、6500万人口）在2026年初第一次没能凑齐电力容量，紧急寻找相当于十几座核电站的新增电力。北弗吉尼亚数据中心集群排队时间从两三年拖到六七年。
### 中国的电力结构更健康，但依然不够
- 2024年中国新增风光装机超过全球其他地区之和
- 2025年开工的雅鲁藏布江下游水电工程：装机60 GW 级，年发电量超过三峡三倍
- 但按当前算力几个月翻一倍的节奏，这60 GW 很可能在2033年之前就被几个一线城市的AI集群消化殆尽
**核心矛盾：算力需求是指数增长的，能源供给是线性增长的。**
一个指数函数和一个线性函数赛跑——指数函数永远会追上线性函数。
这不是东西方差距的问题，是**数学和物理**的问题。
### 杰文斯悖论
单位 token 价格三年降了一千倍，全球总支出反而翻了几倍——总消耗暴涨了几个数量级。每一次推理变便宜，都会打开一整类新的应用场景；每便宜一级，需求就涨十级。
---
## 四、代价被谁承担：一条极度不平等的供应链
### 隐性劳动力
ChatGPT 的"礼貌"背后：2021-2022年，OpenAI 将最黑暗内容的识别工作外包给肯尼亚内罗毕的 Sama 公司。工人时薪1.3-2美元，OpenAI 支付给 Sama 的合同价是每小时12.5美元。工人每天阅读上百条黑暗内容片段，很多人被诊断出 PTSD。两名前员工向肯尼亚议会请愿，工会代表称之为"**比现代奴隶制还糟**"。
类似的隐形劳动力军团遍布菲律宾、委内瑞拉、印度、巴基斯坦、乌干马里——这些标注工人训练出来的AI，未来会反过来抹掉他们自己的工作（呼叫中心、翻译、初级客服）。
肯尼亚《国家报》社论标题："**我们正在教会 AI，如何让自己的孩子失业。**"
### 水资源
百兆瓦级数据中心每天蒸发的淡水相当于一座一万人的小城日用水量。2019年 Google 宣布在智利圣地亚哥建数据中心，每年耗水量相当于当地社区年用水量的一千倍——智利正在经历近千年来最严重的中部干旱。居民打了五年官司，2024年智利环境法庭要求 Google 重新评估，2026年4月原方案正式作废，推倒重来。
乌拉圭：2023年遭遇七十四年来最严重干旱，首都自来水咸到不能喝。居民口号："**This is not drought, this is pillage.**"（这不是干旱，这是抢劫。）
### 结构性转移
> 一旦代价被全景摊开，奥特曼的故事是讲不下去的。
>
> 奥特曼敢说"AGI 造福全人类"，是因为他只把一小部分"全人类"当作人，剩下的那部分被当作生产资料。
今天被转嫁到最弱势地区的代价，明天就会以新的形式转嫁过来：你的孩子可能成为"中产标注工"，你所在的城市可能讨论"数据中心优先用水"还是"居民优先用水"，你的电费账单可能因邻近算力集群而悄悄翻倍。
---
## 五、UBI 为什么兜不住
### 第一层：AGI 税的钱从哪里来
AI 利润集中在几家公司，这些公司都有极强的跨境避税能力（爱尔兰、新加坡、瑞士、开曼）。在大国地缘竞争格局下，美国政府真的敢对 OpenAI、NVIDIA 这种"国家战略资产"动大刀吗？
### 第二层：实证结果是什么
奥特曼自己投资的 OpenResearch 项目给一千个低收入美国人每月发一千美元、发了三年，2024年公布的结果：**短期幸福感有改善，但工作时间下降、储蓄率和长期收入与对照组没有显著差异。**
批评者直言："这个实验根本不是 UBI 的测试——因为它根本没有模拟 AGI 假设的大规模失业场景。"
### 第三层：两极分化会加剧
AI 财富会长成一座极陡的金字塔：
- **顶端**：少数模型公司 + 上游芯片 + 超大云厂
- **中段**：少数跨学科顶尖人才
- **底端**：被压到生存线的标注和审核工
- **最底端**：被完全替代又无技能迁移路径的人，靠 UBI 勉强生存
UBI 的真实功能，很可能不是"分享财富"，而是"**维持秩序**"——让被替代的大多数人有饭吃、不造反，以便顶端的少数继续安心占有 AI 带来的超额利润。
---
## 六、一个普通家长的应对：TeachAny
### 背景
作者没有教育行业经验，也不会写代码。用 AI 工具（workbuddy + 国产模型）花两周时间做了一套自适应课件工具：
- 100多门课件，覆盖 K12 新课标和国际课程十来个学科
- 每一门都是符合教学科学的完整互动课件：ABT叙事结构、三级脚手架、逐选项错因诊断、Canvas仿真、拖拽实验
- 单节课制作时间：从"不可能做到"压缩到"十几分钟"
- 完全开源在 GitHub 上，无广告，不收集数据
GitHub: https://github.com/weponusa/teachany
在线浏览: https://weponusa.github.io/teachany/
### 核心设计理念
1. **围绕孩子兴趣搭学习路径**（黑洞→天体物理；配方法→几何直觉+代数推导+通用公式）
2. **用故事和游戏化把内容包住**（伪装成"玩"，孩子愿意自己往下走）
3. **完全开源**，家长和老师可直接拿走改
4. **不适用于每个孩子**：只适合保有好奇心、愿意自学、家庭愿意陪伴的孩子（约1-2成）
### 更可取的路径
不是每个家长都得自己搭课件——更可取的路径是：
1. 有能力、有意愿的家长和老师先把路探出来，把工具磨出来，开源出去
2. 少数学校、少数老师开始用
3. 教育主管部门开始鼓励
4. 体制内外形成新的默契：学校承担底座和社会化功能，家庭和个体化工具承担节奏和深度
---
## 七、尾声：我们已经回不去了，但我们还有孩子
2026年4月，教育部明确规定：义务教育学校严禁设立重点班、快慢班、实验班，全面实施均衡分班、随机分班。
当学校不再替你筛、不再替你分层、"因材施教"这四个字就被悄悄交回到了普通家庭自己手里。
> 这张牌，第一次，真的被交到了普通家庭自己手里。
---
## 关键引用
- **哈萨比斯 2026年4月**："我们2010年创立 DeepMind 的时候，设想的是一条用神经科学启发、专业化、一层一层搭上去的路径。现在走的是另一条路。关键的能力可能不在这条路的延长线上。"
- **Karen Hao《AI帝国》**："必须第一，否则灭亡"——把"做"和"不做"的选择权直接拿掉
- **智利居民**："This is not drought, this is pillage."
- **肯尼亚《国家报》**："我们正在教会 AI，如何让自己的孩子失业。"
- **斯坦福研究员**："不要问 AI 如何行善，要问 AI 如何改变了权力格局？"
---
## 元数据
- **作者**：王鹏，腾讯研究院资深专家
- **发布时间**：2026年4月
- **字数**：约10,000字
- **标签**：#AGI #大模型批判 #政治经济学 #能源约束 #供应链 #UBI #教育 #个人应对
- **推荐阅读**：王鹏《AI时代，教育何往？》