文章核心观点 - 六位AI领域先驱一致认为通用人工智能（AGI）的发展范式正在转变，AGI不再是遥远概念，而是已开始在实际中发挥作用 [1] - 尽管对AGI实现路径和时间线存在分歧，但共识是AI正从语言能力向行动能力演进，从被动响应转向主动执行 [44][45] - AGI是四十年技术积累的结果，而非突变，其发展涉及算法、数据、计算架构和工程化的共同演进 [20] AI发展历史与关键驱动因素 - 今天的AGI是四十年逐步演化的结果，关键驱动因素包括算法突破、数据积累和计算架构创新 [2][20] - Geoffrey Hinton在1984年通过微型语言模型（100个训练样本）预测下一个词，奠定了大型语言模型的原型 [4][5] - Bill Dally在90年代末提出流处理架构解决内存墙问题，后演变为GPU计算；2010年与吴恩达的早餐会谈促使NVIDIA转向深度学习专用GPU设计 [7][8][9] - 李飞飞在2006-2007年创建ImageNet（1500万张图片、2.2万个类别），证明大数据是机器学习的核心基础 [11][12][13] - Yann LeCun自1983年起主张自组织学习，认为智能核心是自我组织而非指令，当前大语言模型训练方式已回归自监督学习 [14][15][16] - 黄仁勋将芯片设计逻辑与深度学习系统开发类比，推动AI从理论走向工程化，实现多GPU、多数据中心的规模化运行 [17][18][19] 对AGI实现时间与路径的分歧 - Yann LeCun认为AGI是渐进过程，未来5-10年或有重大进展，但不会出现奇点时刻 [22][23][24] - 李飞飞指出机器已在特定领域超越人类（如识别2.2万个物体、翻译100种语言），但进化方向未必是人类化 [25][26] - 黄仁勋强调AGI级智能已投入实际应用（如写代码、看病、财务），未来几年将转化为大量社会有用工具 [27][28] - Geoffrey Hinton预测20年内机器能在辩论中战胜人类 [29] - Bill Dally质疑"超越人类"的命题，主张AI应增强人类而非替代，聚焦互补性能力 [30] - Yoshua Bengio认为若规划能力保持指数增长，5年内AI可达工程师水平，且AI自研AI可能催生突破 [31] 智能演进的下阶段方向 - 李飞飞指出当前AI缺乏空间智能（三维感知、推理、行动能力），下一阶段需从语言转向物理世界交互 [36][37][38] - Yann LeCun批评大语言模型范式局限，主张通过环境自学习（如婴儿观察试错）实现突破 [39][40][41] - 黄仁勋提出AI正从"工具"变为"工厂"，能实时生成智能并接管工作流程，需数千亿美元投资支撑数万亿美元行业 [42][43] - 行业焦点从参数规模转向AI与人类协作方式、能力边界及集成位置 [45]