AI正处在L2向L3的关键过渡期，智能体时代才刚刚开始

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

E N D