AGI真正的毕业考试不在实验室-知乎版.docxVIP

真正的通用人工智能，不会诞生在实验室里

最近在翻一份产业研究，写的是一个城市的智能机器人产业怎么往通用人工智能方向走。原以为会是那种领导高度重视、产业蓬勃发展的套路文件，结果翻到第二部分就坐直了——这份东西对AGI的认知框架，比很多投资机构的行业研报要清醒。

其中有一个判断贯穿始终，我想先把它抛出来：

AGI的真正瓶颈不是算法的天花板，而是它缺少一具能跟物理世界交互的身体。

而身体要练出来，靠的不是更聪明的代码，是靠更多、更脏、更乱的真实场景——高温车间、坍塌火场、泥泞山地、发臭管道——这些地方才藏着通用智能真正需要的考试题。

莫拉维克悖论，一个最反直觉的AI真相

人工智能领域有个经典的莫拉维克悖论：让计算机做高等数学、下国际象棋、写编程代码，相对容易；让它像三岁小孩一样走路、抓东西、认出一只猫，极其困难。

这个悖论今天依然成立。斯坦福《2026年人工智能指数报告》给了一组让我印象很深的数据：机器人在仿真环境里的操控成功率89.4%，放到真实家庭场景里，骤降到12%。中间这77个百分点的鸿沟，就是Sim-to-Real（仿真到真实）的残酷距离，背后是物理世界数据的极度稀缺。

关键变化正在发生：数据采集的标准化来得比任何人预想的都快。有公司已经把单条采集成本压到0.6到1.2美元。别的团队则把标注效率提升了3倍以上。这意味着，单纯的我数据多已经不再是壁垒，产业真正竞争的焦点转向了数据