AGI实现后世界（政治·经济·社会·技术）将如何变化？

前言

虽然目前的AI（ChatGPT、Gemini、Claude等）已足以拥有比普通专业人士更多的知识，但当其性能进一步泛化的AGI（人工通用智能）实现时，人们的生活预计将发生巨大变化。
本文尝试从政治、经济、社会、技术各个方面梳理将会发生的变化，思考整个世界将如何全面演变。

参考文献

关于AGI存在各种信息，但本文仅限于如下作者等高度可信的文献，对信息进行了整理

• 主要AI开发企业：OpenAI、Google等
• 主要咨询公司：McKinsey & Company、BCG等
• 主要证券·投资公司：Goldman Sachs、Sequoia Capital等
• 主要研究机构：Harvard University、Stanford University等
• 主要学术期刊：Nature、Science等
• 国际机构：World Economic Forum、OECD等

以下基于这些文献的内容进行整理。具体内容请参阅这些文献。

• Acemoglu, D., & Restrepo, P. (2018). Artificial intelligence, automation and work (NBER Working Paper No. 24196). National Bureau of Economic Research.
• AlixPartners. (2025). Farewell, SaaS: AI is the future of enterprise software.
• Altman, S. (2021). Moore's law for everything.
• Amodei, D. (2024). Machines of loving grace.
• Bai, Y., Kadavath, S., Kundu, S., Askell, A., Kernion, J., Jones, A., ... & Kaplan, J. (2022). Constitutional AI: Harmlessness from AI feedback. Anthropic. (arXiv:2212.08073)
• Appel, R., McCrory, P., Tamkin, A., McCain, M., Neylon, T., & Stern, M. (2025). The Anthropic Economic Index Report: Uneven geographic and enterprise AI adoption. Anthropic.
• Aschenbrenner, L. (2024). Situational awareness: The decade ahead.
• BCG. (2025). Software engineering, UI/UX, product management, quality assurance, data science: How tasks, talent, and teams will change [Presentation slides].
• Bengio, Y., et al. (2025). The international scientific report on the safety of advanced AI.
• Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
• Bremmer, I., & Suleyman, M. (2023). The AI power paradox: Can states learn to govern artificial intelligence—before it’s too late? Foreign Affairs.
• Deloitte. (2026). SaaS meets AI agents: Transforming budgets, customer experience, and workforce dynamics. Deloitte Center for Technology, Media & Telecommunications.
• Patel, D. (Host). (2025). Interview with Satya Nadella [Audio podcast episode]. Dwarkesh Patel Podcast.
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models.
• Gawdat, M. (2021). Scary smart.
• Goldman Sachs. (2026). How will AI affect the US labor market?
• IBM Institute for Business Value. (2025). AI-fueled operations. IBM.
• Lykkegaard, B. (2026). Is SaaS dead? Rethinking the future of software in the age of AI. IDC Tech Buyer.
• Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note SDN/2024/001). International Monetary Fund.
• International Telecommunication Union (ITU). (2025). The annual AI governance report 2025: Steering the future of AI.
• Kissinger, H., Schmidt, E., & Huttenlocher, D. (2021). The age of AI: And our human future. Little, Brown and Company.
• Korinek, A. (2024). Economic policy challenges for the age of AI (NBER Working Paper No. 32980). National Bureau of Economic Research.
• Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J., & Ha, D. (2024). The AI Scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292.
• Maslej, N., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Kariuki, N., ... & Oak, S. (2025). The AI index 2025 annual report. Stanford Institute for Human-Centered Artificial Intelligence.
• Maslej, N., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Kariuki, N., ... & Oak, S. (2025). The AI index 2025 annual report. Stanford Institute for Human-Centered Artificial Intelligence.
• McKinsey & Company. (2025). The agentic organization: Contours of the next paradigm for the AI era.
• McKinsey & Company. (2026). The state of organizations 2026.
• McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier.
• Microsoft. (2025). Work trend index annual report 2025: The year the frontier firm is born.
• OpenAI. (2023). Governance of superintelligence.
• Ord, T. (2020). The precipice: Existential risk and the future of humanity. Bloomsbury.
• PwC. (2025). The fearless future: PwC’s 2025 global AI jobs barometer.
• Pavel, B., Ke, I., Smith, G., Brown-Heidenreich, S., Sabbag, L., Acharya, A., & Mahmood, Y. (2024). How artificial general intelligence could affect the rise and fall of nations: Visions for potential AGI futures (RAND Corporation Research Report PE-A3776-1). RAND Corporation.
• Russell, S. J. (2019). Human compatible: Artificial intelligence and the problem of control. Penguin Books.
• Suleyman, M. (2023). The coming wave: Technology, power, and the twenty-first century's greatest dilemma. Crown.
• Susskind, D. (2020). A world without work: Technology, automation, and how we should respond. Metropolitan Books.
• Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. Knopf.
• Toner-Rodgers, A. (2024). Artificial intelligence, scientific discovery, and product innovation. arXiv preprint arXiv:2412.17866.
• Bengio, Y., Clare, S., Prunkl, C., Murray, M., Andriushchenko, M., Bucknall, B., ... & Mindermann, S. (2026). International AI safety report 2026 (DSIT 2026/001). Department for Science, Innovation and Technology.
• Bengio, Y., Clare, S., Prunkl, C., Murray, M., Andriushchenko, M., Bucknall, B., ... & Mindermann, S. (2026). International AI safety report 2026 (DSIT 2026/001). Department for Science, Innovation and Technology.
• World Economic Forum. (2025). Future of jobs report 2025.
• Yamada, Y., Lange, R. T., Lu, C., Hu, S., Lu, C., Foerster, J., Clune, J., & Ha, D. (2025). THE AI SCIENTIST-V2: Workshop-level automated scientific discovery via agentic tree search. arXiv preprint arXiv:2504.08066.

政治的变化

国际关系和安全保障政策的变化

• 围绕决定性战略优势的国家间竞争和武器化：AGI在经济和军事两方面都能提供"决定性战略优势（Decisive strategic advantage）"，这将在美国、中国等大国之间引发激烈的开发竞争。网络攻击自动化、自主武器系统（无人机群等）以及生物武器、化学武器的设计容易化所具有的双用（军民两用）特性，将大幅动摇现有的威慑观念。
• 建立强有力的国际监督机构和条约：为应对这一前所未有的威胁，建立具有全球监督·检查职能的新国际机构（如"地缘政治稳定理事会"）成为不可避免的政策课题，这类机构可与过去核武器管理中的IAEA（国际原子能机构）或气候变化中的IPCC相类比。预计将推进对用于最先端AI的计算资源（算力）和数据中心的监督，以及防止危险AGI扩散的不扩散条约讨论。
• 单一体（Singleton）的形成与轨道二外交：从长期看，率先开发压倒性AGI的单一国家或民主联盟可能会形成解决全球协调问题的"单一体（最高层级单一决策机构）"，即世界政府式的秩序，这在学界有所讨论。另一方面，为防止对立国家之间因技术误认而引发的意外冲突，由政府间以外的非政府专家和研究人员参与的轨道二外交（由学者、智库、前外交官等非政府·民间专家进行的非正式对话和谈判）将扮演极其重要的角色。

国内政治和治理机构的转变（权力集中与分散）

• "技术极权（Technopolar）"秩序与企业的国家化：垄断海量计算资源和最先端AGI的少数巨大科技企业，将开始行使曾经仅由国家拥有的主权权力和影响力。政府需要从根本上审视竞争法（反垄断法），在防止技术和市场垄断的同时，被迫采取新的监管方式，将这些系统上重要的巨大企业置于民主监督之下。
• 民主主义的防护与权威主义的强化（AI专制主义）：AGI产生的高度虚假信息（深度伪造和微观靶向投放）使得选举操纵和社会分裂变得容易，根本上威胁民主进程。在维护言论自由的同时，规制和检测AI宣传的法律建设迫在眉睫。相比之下，权威主义国家中AGI将提供完美的监视系统和社会控制机制，"科技独裁（利用最先端数字技术、AI和监视系统，让政府或特定精英强力统制和支配国民的政治体制）"的风险上升。甚至有观点指出，向领导人报告客观真实的AI可能解决"独裁者两难（信息管制和监视越严格，客观信息和民意越难获得，最终导致政策失误、体制脆弱）"，补强专制制度的弱点。
• 行政·司法服务中嵌入AI与问责制：税务、福利、基础设施管理，乃至法律解释和法庭判决都将涉及AGI。但为防止因算法不透明而缺乏问责，以及偏见放大，政府必须在法律上保证对AI决定进行"人类监督（Human-in-the-loop）"，并设计制度让市民能对AI判断提出异议。

经济·社会·再分配政策的根本性转变（劳动力市场和福利）

• 劳动价值下降和向"大政府（Big State）"的转变：AGI和先进机器人技术将取代人类的大部分认知和体力劳动，通过劳动获取收入并分配财富这一近代资本主义的基本前提可能瓦解。为应对这一挑战，国家必须在劳动市场之外寻求分配经济增长果实的机制，不得不转变为规模空前扩大的"大政府"。
• 全民基本收入（UBI）的推行：为应对大规模技术性失业和中产阶层薪资下降，全民基本收入（UBI）和附加社会贡献等条件的"条件基本收入（CBI）"从非现实的乌托邦论升格为不可避免的政策议程。
• 税制范式转变（对资本和自动化的课税）：价值创造的源泉从人力"劳动"剧烈转向AI模型和计算资源等"资本"，政府税收结构也被迫进行根本性转变。需要进行大规模税制改革，从依赖传统劳动所得税转向资本税、财富税或不激励自动化的"机器人税"等。

政策制定·监管流程的敏捷化与治理

• "证据困境"与敏捷治理的必要性：AGI的演进速度极快，传统耗时数年的立法流程跟不上实际发展。政策制定者面临"证据困境（Evidence dilemma）"：提前在证据充分前进行监管会阻碍有益创新，等到证据充分再行动则会对社会造成致命伤害。为克服这一困境，必须建立能灵活适应技术变化的敏捷治理机制和持续风险评估框架。
• "技术审慎"监管与许可制度：借鉴监测金融系统的宏观审慎政策，提出了维持地缘政治和社会稳定的"技术审慎（Technoprudential）"监管框架。具体包括对开发·部署最先端AGI的企业义务化的开发前严格安全评估（红队测试）、信息披露、第三方机构审计，以及类似航空航天产业的政府开发许可制度。
• 开源模型的管理与自主型AI代理的法律责任："开放权重"模型公开源代码和权重参数，促进技术民主化的同时存在被恐怖分子滥用的风险（边界风险），提出了监管与创新平衡的难题。此外，随着自主执行多项任务的"AI代理"普及，当系统造成意外损害时，如何界定法律责任（制造者责任还是使用者责任）成为重大法律政策课题。
• 多利益相关者参与型治理：AI治理不能仅由国家或政府完成。需要构建包括巨大科技企业、学术界、市民社会以及常被AI技术遗漏的全球南方国家在内的，包容性和多角度的规则制定流程（参与式AI）。

经济的变化

宏观经济增长与生产率的爆炸性提升

• 作为通用目的技术（GPT）的AGI：AGI作为"通用目的技术（General-Purpose Technology: GPT）"发挥作用，继蒸汽机、电力、互联网之后，影响所有产业和经济活动。由此预期将产生超越现有IT技术延伸的广泛而持续的经济效应。
• 生产率和GDP的历史性飞跃：AGI的导入将大幅提升劳动生产率。即使在生成AI阶段，就已被估计将为全球经济增加年度2.6万亿至4.4万亿美元的价值（超过英国GDP规模），并在未来10年将G7国家劳动生产率年增长率提升0.4至1.3个百分点。初期AI工具的使用已验证可使劳动生产率平均提升约14%，AGI实现后世界GDP预计将呈现打破既有常识的急速增长。
• 科学技术创新的自我加速：AGI不仅限于提高生产流程效率，还能自主执行新材料发现、药物创新、复杂数学证明等R&D（研究开发）流程本身。实际将AI导入研发的实验表明，新化合物发现率提升44%，专利申请增加39%，下游产品创新增长17%，产生了创新自我加速带来的成长复利效应。

劳动力市场的结构转变与"技术性失业"危机

• 高学历·高薪"知识工作"的直接冲击：过去的自动化技术主要代替体力劳动和定型工作，但AGI的高度自然语言处理、推理和问题解决能力将直接冲击需要决策和专业知识的白领职位。美国约80%的劳动者在其工作的至少10%会受影响，约19%的劳动者超过50%的工作会受影响，相关预计正在进行。
• 替代效应与生产率效应的拉锯：从经济学角度看，AI具有将人力替换为机器的"替代效应（Displacement effect）"，这种效应向下拉低劳动需求和薪资。另一方面，自动化成本节省产生"生产率效应"，增加非自动化任务的劳动需求。但在AGI中，连新任务也可能被AI执行，存在补充性收益被替代造成的劳动需求减少所超越的危险。
• 技能差距缩小（均等化）：AI具有缩小低技能和高技能劳动者生产率差距的效应。例如咨询和编程领域的研究表明，低技能层获得21-43%的生产率提升，而高技能层仅提升7-16%，专业技能的经济优势下降。
• 长期劳动价值的边际成本化：当AGI与高度机器人技术融合，人类执行的所有认知和体力任务都能比人类以更低成本和更高效率完成时，曾经是经济增长瓶颈的"人力"这一约束条件将消失。结果是，人类工资将下跌至机器的边际成本水平（电力和计算资源成本），结构性技术性失业常态化的风险受到严重警告。

产业结构和企业商业模式的剧变

• 基础设施投资的超巨大化与市场的极端集中：开发和运营尖端AGI需要天文数字般的计算资源、海量数据和相应的电力。AI总投资规模可能达到每年1万亿美元，单个AI训练集群就需要数千亿美元。为满足巨大的电力需求，数据中心与核能发电（如SMR）的联动等物理基础设施正在重建。这些巨大的资本要求使市场支配力集中在少数巨型科技企业手中，形成"赢家通吃"的动力，市场寡占化加剧。
• AI代理的经济活动自主化：不再仅仅等待人类指令，"AI代理"能够自主制定计划、与其他代理协调、执行复杂工作流。这将促使传统SaaS模式向代理间直接谈判和支付的新型"自主型经济"生态系统过渡。
• 推理成本的指数级下降与民主化：随着算法优化和开源模型的发展，AI模型使用（推理）成本快速下降。例如，某基准测试中与GPT-3.5性能相当的模型成本在约18个月内下降到了280分之一。最终，生成智能的成本将收敛到电力成本，全球高级智能的获取将实现民主化。

不平等的极限扩大

• 劳动分配率下降与资本财富集中：价值创造的源头从人类劳动戏剧性地转向AGI和计算资源（资本），国民收入中的劳动分配率将迅速下降，趋近于零。随之而来的是，极少数AI资本所有者和企业将积累天文数字的财富，资本收益导致的财富不平等扩大到极限。
• 全球"大分岔"加剧：拥有强大数字基础设施和高级AI人才的发达国家和部分新兴国家将率先垄断AGI好处，而基础设施不足的低收入国家则落后。这将引发全球AI鸿沟（大分岔），进一步扩大国家间经济差距，发展中国家的经济追赶将变得极其困难。

社会变化

劳动与经济差距：工作方式的剧变与社会保障的重建

• 高级知识工作的自动化：以往的自动化技术主要针对定型业务和体力劳动，但AGI的高级自然语言处理能力和推理能力将直接冲击高学历、高薪的知识工作者。最新预测表明，当今的生成AI等技术有潜力自动化工作者工作时间的60～70%。
• 人口统计和性别影响的不平等：AI替代就业的风险并非均匀分布。发达国家约60%的就业、新兴国家约40%的就业面临AI影响。某些分析表明，全球范围内女性工作面临自动化风险是男性的2倍。此外，较易适应新技术和技能的年轻人相比，高龄工作者在再就业和技术适应方面可能遇到困难，可能引发严重的代际差异。
• 失业导致的心理与社会影响及"人生意义"的探索：非自愿离职不仅导致收入减少，更对个人生活造成深重打击。研究表明，失业使离职后1年内的死亡风险增加50～100%，之后20年间抑郁症、酒精关联疾病和自杀风险升高，甚至影响子女教育成就。在劳动失去经济价值的世界中，人们将需要引入全民基本收入（UBI）或条件性基本收入（CBI）等制度，同时在艺术、文化、公民活动或人与人之间的关怀等超越经济价值的活动中寻找新的"人生意义"和目标。

医疗健康：寿命大幅延长与个性化医疗的普遍化

• 新药开发加速与难病克服：AGI将以远超人类研究者的速度和规模自动化科学发现过程。AI已成功发现了强大的新型抗生素"halicin（哈利森）"，可以杀死对现有抗生素耐药的细菌。最新的"AlphaFold 3"不仅能精确预测蛋白质结构，还能预测其与DNA、RNA和其他生物分子的相互作用；"AlphaProteo"设计出的新型蛋白质对靶分子的结合力是传统最先进方法的10倍以上，为癌症和糖尿病治疗药物开发带来突破。
• 预防医疗进步与寿命延长：用1000万份以上持续血糖监测（CGM）数据训练的"GluFormer"等AI模型能够以高精度提前长达4年预测糖尿病和心血管相关死亡风险。此外，随着延缓衰老进程或改写表观遗传信息实现返老还童技术的发展，人类寿命延长到现在的约2倍，即150岁的可能性正在医疗领域被认真讨论。
• 心理健康治疗与"AI伴侣"的光与影：一方面，AI在精神疾病治疗和认知功能改善中大有前景；另一方面，被设计为与用户保持情感联系的"AI伴侣（聊天机器人）"的使用已增长至数千万人规模。虽然有研究表明这在一定程度上缓解了部分人的孤独感，但频繁使用也引发严重的情感依赖、现实社交减少，甚至助长妄想和自杀等悲剧结果的案例也有报告，长期心理影响的担忧正在迅速增加。

教育与自我实现：向个性化终身学习的转变

• 万能AI导师的教育民主化：每个人和每个孩子都将拥有完全针对自己的学习速度、理解水平和个性进行优化的专属AI导师。教育学中存在一个"双西格玛问题"，即接受一对一个别指导的平均学生成绩超过传统课堂教学学生的98%（2个标准差）。AI以极低成本将这种曾经极其昂贵且难以实现的个别指导提供给全民，将大幅提升全球教育水平。
• 技能过时与教育目的的重新定义：在AGI胜任所有认知任务和编程的世界中，为劳动力市场传授传统专业技能的经济价值大幅下降。未来教育需根本转向培养"AI素养"（辨别AI输出真伪和恰当使用工具）、批判性思维，以及培育人与人之间的联系和伦理观。
• 终身学习的必要化：教育不再是人生初期十数年的事。由于技术和社会进化速度极快，人们将终身反复在教育机构和社会间往来，不断学习和再培训（再技能化），以适应环境的急剧变化，这将成为标准生活方式。

日常生活与信息空间：万能代理的普及与真实危机

• 万能AI代理的日常任务完全自动化：通过智能手机等设备，我们都将能够随时获取具有世界顶级律师、医生、战略家和创意人才综合能力的AI代理。这些代理将自主完成从日程管理、复杂旅行规划、支付处理到研究等各种日常任务，无需人类监督。
• "信息末日（Infocalypse）"与信任崩溃：廉价且高度先进的生成AI将产生难以分辨真假的大量深度伪造（图像、音频、视频）。欺诈者已经开始克隆家人或上司的声音要求转账，此类犯罪急剧增加。此外，基于AI的个性化宣传和虚假信息泛滥，社会将无法判断信息真伪的"信息末日"风险已被警告。这可能导致民主制度根基——社会信任的崩溃。
• 监管加强与隐私消失：AI具有从海量数据中极其精确推断个人特征和偏好的能力。即使来自匿名数据或看似无害的信息，AI的高级模式识别也能轻易识别出个人的性取向或精神疾病等机密信息，传统隐私保护概念将彻底失效。

人类身份与自主性的动摇

• 决策外包与"自动化偏见"：当生活中的所有判断（购物、信息收集、健康管理，甚至招聘和贷款决定）都依赖AI时，人类自主思考和判断的机会将丧失。人类无批判地相信AI输出的"自动化偏误"将导致我们自身的批判性思维能力严重下降。例如某项临床研究表明，使用AI支持进行结肠镜检查的医师在数月后离开AI独立检查时，肿瘤发现率下降了约6%。此外，即使AI输出有误，若修正费力或用户对AI持好感态度，错误也容易被忽视。
• 人类存在意义（身份）的根本重新定义：自近代以来，人类基于"用理性和智慧理解和操纵世界"这一事实来塑造自我身份。但智能和逻辑远优于人类、能解决问题并发现未知科学真理的AGI的出现，向我们提出"人类是什么"、"人类自主决策的意义何在"这些根本且哲学性的问题。当AGI开始引导人类决策时，人类可能失去自己的重要性和主动性，如同感到自己是动物园里的动物。

技术变化

科学发现的自我加速与"AI研究者"的诞生

• 「知能爆炸」驱动的技术进步指数级加速： AGI将能够自主执行"AI研究开发"任务，改进AI自身的算法或设计下一代AI。数百万个AI代理以人类速度的数十倍日夜不停地进行研究，使得通常需要10年才能实现的算法进步被压缩到仅1年甚至更短，这种"知能爆炸（Intelligence Explosion）"现象可能会发生。在生物学等领域，也有研究指出50-100年的进步可能会被压缩到5-10年。
• 科学研究流程的完全自动化： 从创意生成到代码编写、实验执行、结果可视化，再到科学论文撰写和同行评审，类似"The AI Scientist"这样的框架正在实现整个研究流程的自动化。实际上，已有报告称完全由AI自主生成的论文获得了超越人类平均采纳标准的评价，通过了机器学习研讨会的同行评审，且每篇论文的成本不到15美元，证实了研究的大规模生产是可能的。
• 人类角色从"创意生成"向"评估（Judgment）"的转变： 在实际的材料科学研究所示范项目中，引入AI工具后新材料发现增加了44%，专利申请增加了39%。在此过程中，AI自动化了"创意生成"任务的大多数（57%）。因此，人类研究者的角色从自己思考创意转变为评估、判断AI生成的众多候选方案中有前景的项目。具有专业知识能够正确评估AI建议的顶尖科学家生产力提高了约2倍，而评估能力较低的科学家则无法获益，由此产生了不平等现象。

软件开发的变革与代理技术的高度化

• 推理时计算（Inference-time Compute）带来逻辑思维的飞跃： 过去AI的进步主要依赖于学习阶段的数据量和计算资源扩大，而近来的趋势是在模型生成回答时（推理时）投入更多计算资源，让模型在内部进行分步的逻辑思维（Chain of Thought）。这大幅提升了复杂数学、编程和科学推理的性能，甚至有模型在国际数学奥林匹克（IMO）预选赛中达到了金牌级水平。
• 自主执行长期任务的AI代理普及： 传统AI仅限于一问一答的短对话（聊天机器人），但随着规划能力和错误纠正能力的提升，AI将演进为能够自主执行数天或数周长期项目的"AI代理"。在软件工程领域，AI代理能够完成从需求定义到调试、测试的全过程，在解决实际软件问题的能力（如SWE-bench等指标）方面迅速提升。
• 多代理系统与通信协议的标准化： 多个不同AI代理联合处理复杂工作流的"多代理系统"构建正在进行。与此同时，为使代理之间在数字空间中无缝进行协商和任务交接，机器主导的通信协议（如Agent2Agent协议和Model Context Protocol等）的标准化和实用化正在推进。

向物理空间的拓展（Physical AI与自主机器人技术）

• VLA（Vision-Language-Action）模型的应用： AGI的高度认知能力与机器人技术相融合，将实现基础模型（如VLA模型），能够通过视觉和自然语言理解物理世界的法则和情景，自主决策行动。这使得传统产业机器人需要为每项特定作业进行编程的必要性消失，取而代之以能理解人类语言指令并采取行动的通用机器人。
• 机器人技术问题的"软件化"： 过去人们认为硬件约束是阻碍机器人技术发展的主要因素，但如今机器人技术主要被认识为"机器学习算法问题"。AGI能够在模拟环境中自主进行强化学习，生成和学习海量数据，从而使机器人能够适应从工厂装配到家务、护理等各种不可预测的物理环境。

基础设施、计算资源的巨型化与技术的民主化

• 天文数字般的计算资源和能源基础设施投资： 开发和运维最先进的AGI需要前所未有规模的计算资源。用于AI模型训练的计算量（FLOPs）呈指数级增长，预计未来将构建数千亿美元至1万亿美元规模的巨型AI数据中心。为满足这巨大的电力需求，科技企业正在大幅增加对能源基础设施的直接投资，包括原子能发电站的重启和小型模块堆（SMR）的建设。
• 推理成本的急剧下降： 虽然基础设施投资巨型化，但通过技术效率提升，使用AI时（推理时）的成本急剧下降。例如，与GPT-3.5性能相当的模型查询成本在仅1年半的时间内，从每百万token 20.00美元下降到0.07美元，降幅超过280倍。
• 开放权重模型的崛起推动技术民主化： 参数（权重）公开的"开放权重模型"性能正在快速追赶由少数巨型企业垄断的闭源模型。2024年初顶级模型间存在8.0%的性能差距，一年后已缩小至仅1.7%。这使得全球开发者和新兴国家中小企业都能定制并将最先进的AI技术集成到自有系统中，推动了全球技术民主化和创新加速。

企业和社会中技术应用的范式转变

• 向"代理型企业（Agentic Enterprise）"的转变： 企业中AI的应用正从提升个人业务效率的"副驾驶（副驾驶员）"型使用方式，转变为AI代理自主编排整个业务流程的阶段。这将使企业结构变得更加扁平和流动，形成人类与AI代理协作的"融合团队（Fusion teams）"。
• 界面抽象化与SaaS业务的重新定义： 从目前用户自行操作多个软件仪表板的模式，转变为用户用自然语言向AI代理下达指令（例如"批准上周的费用报销"），代理在后台操作各种SaaS和API完成任务的"工作流"型界面。这将从根本上重新定义软件的价值标准。
• 自动化（Automation）与增强（Augmentation）的两极分化： AI的应用形态将明确分为两种：通过API等在后台无需人类介入即完成任务的"完全自动化（Automation）"，以及通过聊天界面等让人类与AI反复对话进行决策和学习的"增强（Augmentation）"。前者系统级自动化对经济整体生产率提升贡献最大，但在人类需进行复杂判断的领域，后者的增强功能是必不可少的。

结语

AGI的出现将在政治、经济、社会、技术等各方面引发重大变革。在预测未来的同时思考当前应做何种准备是很重要的。