通用人工智能（AGI）的时间表正从“遥远未来”变为“近期可期”。国信证券报告指出，特斯拉CEO马斯克预测2025年AI可能比任何一个人类都要聪明，2029年比所有人类加起来还要聪明。英伟达CEO黄仁勋认为5年内AI可通过人类测试。OpenAI前员工预测2027年实现AGI。GPT-4参数已达1.76万亿，当大模型参数量达到100万亿（类比人类神经突触数量）时，AGI可能成为现实。
AlphaGo：神经网络担起机器学习重任
2015年10月，分布式AlphaGo以5比0战胜欧洲围棋冠军樊麾。2016年3月，AlphaGo在首尔以4：1战胜李世石。2017年5月，AlphaGo Master仅用2块TPU（单块280W）以60：0战胜职业选手。AlphaGo Zero用3块TPU（ELO 5185）以100：0战胜AlphaGo（李世石版）。AlphaGo验证了神经网络+并行计算的路线的有效性，是AI发展的里程碑。
TPU是谷歌为神经网络机器学习开发的专用集成电路，每焦耳I/O操作更多。GPU适合CNN和部分全连接神经网络，CPU适合RNN。AlphaGo各种版本进化史，本质上是并行运算为机器学习更深层探索提供条件的证明。2-4块TPU就能完成176个GPU的AlphaGo（2016版）更好的成绩，硬件优化可行性得到验证。
大模型规模飞跃：从1亿到1万亿参数的10年
2017年谷歌《Attention Is All You Need》提出Transformer架构，多头注意力机制使并行处理、长距离依赖、灵活可扩展成为可能。该论文截至2023年，8位作者全部离开谷歌创办AI初创企业。
GPT-1（2018）1.17亿参数，GPT-2（2019）15亿，GPT-3（2020）1750亿参数（训练数据570GB纯文本）。GPT-3首次展现“涌现”现象——数学运算、代码生成、文本改写、自动推理、跨语言翻译等能力，模型展现出未曾明确编程的新能力。GPT-3.5（2022）通过RLHF优化，是ChatGPT爆发的版本。GPT-4（2023）1.76万亿参数，在2.5万A100 GPU上训练90-100天，成本约4亿美元。
Transformer架构的统治地位确立后，大企业开启AI军备竞赛。若2008年想获得GPT-3.5所需算力，成本高达4千亿美元，总成本或超万亿美元——算法受制于算力基础能力，直到算力成本降到足够低，Transformer路线才变得可行。
AGI时间表：2027-2029年成为共识窗口
将大模型参数类比生物神经突触（神经元之间的连接），人类大脑约860亿神经元、约100万亿-1000万亿神经突触。当大模型参数量达100万亿时，可能达到AGI水平。
马斯克2024年3月预测：“明年（2025年），AI可能会比任何一个人类都要聪明。到2029年，它可能比所有人类加起来还要聪明。”英伟达CEO黄仁勋认为：“如果你对AGI的定义是通过人类的测试，那么5年就可以实现。”OpenAI前员工Leopold Aschenbrenner认为有很大概率将在2027年实现AGI系统，并测算GPT-2≈学龄前儿童、GPT-3≈小学生、GPT-4≈聪明高中生，算力和算法效率都以每年0.5个数量级速度发展。
OpenAI将AGI路径分五级：聊天机器人（ChatGPT当前水平）、推理者（解决博士级问题，即将到来）、智能体（自主执行任务）、创新者（协助新发明）、组织者（管理组织）。斯坦福“小镇”25个AI Agent仅凭预设身份和初始记忆，自主产生类人社交行为——策划派对、讨论竞选、邀约约会，是Agent能力的早期验证。
AI Agent：下一个风口，2032年881亿美元市场
AI Agent = LLM + 记忆 + 规划 + 工具。规划将大型任务分割为子任务并反思执行；记忆包括短期（上下文）和长期（外部知识库）；工具包括API（网页搜索、代码执行、数据库查询等）。当前数十个平台支持用户零代码构建Agent，创作门槛大幅降低。
AI Agent类比历史不同科技时代：计算机时代（80年代）平台是IBM兼容机/DOS，应用是软件；互联网时代（90年代）平台是WWW联盟/浏览器，应用是网页网站；移动互联网时代（10年代）平台是iPhone/安卓，应用是移动APP；通用人工智能时代（20年代）平台是大模型/GPT，应用是AI Agent。每个时代平台之外都走出了巨头，AI Agent时代将走出下一批大公司。
Gminsights预测自主AI市场2022年42亿美元，2032年达881亿美元（CAGR 36.5%）。Agent将逐渐从“单个执行工具”走向“Agent团队”协同完成任务。
