“通用人工智能”为何突然不香了 理性回归实用价值

"通用人工智能"为何突然不香了 理性回归实用价值！2024年，曾经被资本热捧的"通用人工智能"（AGI）光环逐渐褪去。百亿美元级别的融资故事不再频现，科技巨头的发布会也少了"颠覆人类"的豪言壮语。取而代之的是，各地政府开始聚焦"工业大模型"，企业更关心AI能否提升良品率、降低能耗、预测设备故障。这场降温并非技术停滞，而是理性回归——人们终于意识到，真正的智能在于解决产线上的实际问题。

AGI指的是具备与人类相当或超越人类的广泛认知能力、能自主学习并适应各类任务的智能系统。过去几年，以GPT为代表的大模型掀起全球热潮，许多人相信只要参数足够大、数据足够多，AGI就会"涌现"。中国也迅速跟进，涌现出一批对标OpenAI的初创公司，融资动辄数亿美元。然而，这些模型大多停留在演示阶段，难以在工业、医疗等复杂场景稳定落地。市场开始追问：我们真的需要一个"什么都会但什么都不精"的AI吗？

这股降温背后有多重现实压力。技术路径的局限日益显现。中国绝大多数大模型仍基于美国提出的Transformer架构进行优化，属于"在别人的地基上装修"。尽管DeepSeek-V3以极低训练成本实现接近GPT-4o的性能，令人振奋，但其本质仍是工程层面的高效实现，而非底层范式的创新。一旦美国推出新一代非Transformer架构，现有优势可能瞬间归零。

数据与算力的瓶颈也在收紧。全球高质量文本预计五年内耗尽，而中文语料占比不足5.2%，严重制约模型进化。为弥补缺口，企业大量使用AI生成合成数据，却面临逻辑闭环、偏见放大的风险。算力方面，国产芯片虽有进展，但制程落后、软件生态受制于CUDA垄断，导致实际利用率不足30%。高能耗也成隐忧，单个AI园区峰值用电已堪比中型核电站。这些成本最终都转化为落地门槛。