兰德：AGI进程或在提速，需直面压缩时间表与现实难题

国际知名智库兰德公司于2026年3月24日发布研究报告《通用人工智能预测与情景分析：领域现状、方法论缺口和战略影响》。

近五年来，围绕人工智能何时达到可与人类比肩的通用人工智能（AGI），相关预测已经出现明显转向。报告汇总了四类主要预测路径的证据，整体都在指向“时间线缩短”这一趋势：

1.专家调查前移：2023年一项面向AI研究者的调查表明，专家对“高级机器智能”的中位预测时间为2047年，相比2022年调查给出的2060年，提前了13年。另一项预测研究机构的长期跟踪调查也显示，专家预期正在不断提前。

2.预测市场走热：在Metaculus等预测平台上，社区对AGI的中位预测已从2020年约2070年，显著提前到2026年初的约2033年。虽然这些平台对AGI的界定可能更为宽泛，但整体变化方向十分清晰。

3.计算模型修正：以Ajeya Cotra提出的“生物锚”模型为代表，基于算力资源的预测同样在被重估。其早期版本（2020年）给出的中位估计大约在2050年前后，但在纳入算法效率加速提升等新证据后，近期分析已将核心估计调整到2030年代附近。

4.资本投入表态：科技巨头每年投向AI基础设施的资金已超过3000亿美元。如此体量的资本配置，本身就说明行业正在以真金白银押注近期可能出现重大突破。

尽管这些信号彼此呼应，报告也明确指出，当前用于预测的基础设施“仍不成熟”，并存在明显缺陷，我们离能够做出“精确”判断还相当遥远。

定义分歧是混乱的重要根源。AGI至今没有统一口径。它究竟是能承担大多数具备经济价值的工作？是能够自动化全部人类职业？还是具备自主开展科学研究的能力？不同定义对应的时间表差异巨大。比如在同一项调查中，“高级机器智能”的中位时间是2047年，而“劳动力完全自动化”的中位时间却是2116年，两者相差接近70年。

方法论上还面临根本性难题：

专家主要围绕三大“关键症结”存在分歧：

报告梳理出造成专家判断分化的三个核心争论：

1.能力症结：现有AI模型（如GPT系列背后的技术）只要继续获得更多数据与算力，就会“涌现”出通用人工智能？还是说，必须依赖一次类似深度学习革命的新范式突破才有可能实现？

2.扩散症结：即便实验室率先做出AGI，它需要多久才能真正重塑经济与社会？会像ChatGPT那样快速扩散，还是更像电力革命，需要几十年时间才能完成深层融合？

3.起飞症结：AGI出现之后，自我改进速度究竟会有多快？是逐步增强，让人类仍有应对窗口；还是会因为AI能够自动化AI研发而引发难以掌控的“智能爆炸”？

面对真实存在且短期难以消除的不确定性，兰德报告向决策者，尤其是政府和企业，提出了一套务实行动框架：不再执着于“精准预测”，而是转向“稳健准备”。

核心原则是：面向一系列可能出现的情景做好准备，而不是把筹码押在单一最可能情景上。政策真正应回答的不是“AGI何时到来？”，而是“我们该怎样为多种不同的人工智能未来提前做好准备？”

具体建议包括：

1.把预测当作情景规划工具

决策者应像军方为不同突发局势做预案那样，针对不同AGI发展路径（如“2020年代末出现”“2030年代中期出现”“长期停滞”）分别制定应对方案。尤其要优先规划那些影响重大且当前准备不足的情景，特别是时间窗口较短的情景。

2.加大“跨情景稳健”能力建设投入

有些投入无论AGI何时到来、通过什么方式实现，都具备很高价值，理应优先布局：

不同政策的紧迫程度，应由不同类别的证据来触发：

与此同时，还应为各项计划设定明确的“重新评估触发点”。例如：“当AI能够自主完成持续数周的软件项目时”，或“当AI自动化AI研究的比例超过50%时”，就必须重新检视既有假设与方案。

为了获得更可靠的决策依据，报告呼吁公共部门与私营部门共同投入，建设下一代预测和监测基础设施：

兰德报告最后强调，应当正视不确定性并立即采取行动。对各国政府、科技企业以及整个社会而言，围绕AGI的准备窗口正在收窄。投资安全、评估、韧性以及国际合作，无论未来如何演变，都是值得坚持的正确方向。现在着手，仍然来得及。

参考文献：