CMU万字反思：为何西方AGI路线可能永远无法实现？
卡内基梅隆大学教授、艾伦人工智能实验室研究员蒂姆·德特默斯从硬件瓶颈、资源成本和现实应用三个维度展开论证。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
“并非AGI（通用人工智能）尚未到来，而是它永远也不可能实现。”
卡内基梅隆大学教授、艾伦人工智能实验室研究员蒂姆·德特默斯提出了他的核心观点：硬件瓶颈、资源成本和现实应用的制约，共同指向一个结论：
为什么说AGI从一开始，就是一个违背物理规律的幻想工程？
一篇长文深入分析，指出GPU性能的增长早在2018年就已见顶，架构层面的优化潜力可能在2027年左右耗尽，而AI能力每提升1%，资源消耗却要翻上好几倍……
核心观点
关于AGI的讨论都在回避“计算的物理枷锁”
智能并非悬浮在空中的抽象概念，它必须依靠计算机、芯片这些实实在在的硬件运算出来。而这些硬件，无一例外都要遵循物理规律。
计算从来不是抽象概念，任何智能都要扎根于物理现实。
这正是德特默斯反驳AGI可行性的核心。许多人在谈论AGI时，总将其视为抽象的哲学概念，却有意无意地忽略了硬件实现这一环。而硬件，必然受到物理规律的根本性约束。
第一个约束是信息移动成本。
例如，高效的计算需要平衡全局信息传递到局部，以及局部信息的整合。然而，信息移动的成本会随距离呈平方级上升。芯片缓存层级的设计也说明了这一点：L2、L3缓存虽然比L1大，却因物理位置更远而速度更慢。
如今芯片里的晶体管越做越小，虽然有助于降低单位计算成本，但内存成本反而越来越高。芯片上几乎所有空间都留给了内存，真正用于计算单元的面积微乎其微。
即使是当前主流的AI架构Transformer，看似是算法层面的突破，本质上也是对硬件信息处理效率的物理优化，并且已接近物理极限。
第二个约束是：线性进步需要指数级资源。
想让系统变得更精准、高效，每多一分改进，所需的资源都会呈指数级增长。
物理层面，资源聚集会因空间、时间限制而放缓；理论层面，边际收益会递减。即便是创新，也多是对现有思路的微调，难以产生突破性效果。
物理学就是典型例子，过去个人能取得理论突破，现在却越来越难。
实验物理更是如此，像大型强子对撞机这样耗资数十亿美元的设备，也没能完全解开暗能量、暗物质的谜团。
AI领域同理，想靠堆砌资源来实现AGI的通用能力，迟早会超出实际承受范围。
GPU熄火了
而且，支撑AI快速发展的燃料——GPU，也已进入增长乏力的阶段。
可能很多人默认GPU会持续迭代，为AGI提供算力支撑。但德特默斯抛出了一组数据：
GPU的性价比在2018年就已达到峰值。此后的16位精度、张量核心、HBM内存等改进，都是一次性功能，潜力很快会耗尽。
现在行业寄予厚望的架构级优化，比如更高效地调度AI所需的键值缓存，但这类优化的思路很简单，本质上只有一种最优设计方式。虽然实现起来需要花费时间做工程，但整体设计并无太多新意。
像OpenAI这样的公司吹嘘自己的基础设施多厉害，但其实大家的差距很小；唯一能拉开点距离的，就是机架或数据中心级别的小优化。但这些优势也撑不了多久，大概2026-2027年就会耗尽。
也就是说，GPU这条算力增长线，已经快要走到头了。
有人说把模型规模做大还能提升AI性能，德特默斯并不否认这种规模法则的作用，但问题在于——
过去GPU的指数级进步，能抵消规模扩张的资源消耗，花一块钱就有一块钱的效果；现在GPU不进步了，想再获得线性提升，就得投入指数级成本，花几块钱才有一块钱的效果，这在物理上很快会不可行。
结论：AGI是幻觉
AGI的通用性，意味着它要能处理物理世界的复杂任务。
但物理世界数据的收集成本太高。举个最简单的例子，工厂的机器人要应对零部件磨损、天气变化这些突发情况，需要海量数据训练，还得花大价钱做实验。
再看超级智能，它假设AI能自己越变越聪明，但现实是，变聪明需要资源……
想让AI自我优化，刚开始调调参数或许还能进步，但达到一定水平之后，想要再进步1%，可能就得花掉10倍的钱和算力，那么问题来了：
AI又不能凭空造出资源，怎么做到无限变强呢？
所以，德特默斯认为AGI不会实现，超级智能也是幻想。
不过呢，在他看来，AI的未来不是超越人类，而是在物理约束内渐进式地改进，靠经济扩散和实际应用创造价值。
比如让算法更省算力、让更多人用得上开源AI模型、把AI用到看病、种地、造东西这些实处，一点点帮人提高效率。
德特默斯指出，美国那边总想着“赢家通吃”，巨头们砸钱搞超级智能，一门心思想做个啥都会的AGI，却不管这东西到底现不现实、能不能用在实处。
而在这一点上，中国更聚焦落地实用，看的是AI能不能提升生产力，还用补贴推动AI融入各行各业，这样就更加贴合现实。
长文链接：https://timdettmers.com/2025/12/10/why-agi-will-not-happen/
相关攻略
快科技4月7日消息，当地时间周一，OpenAI正式向美国加州和特拉华州的总检察长提出请求，敦促监管部门对马斯克及其关联方的行为展开调查，直指马斯克存在不当和反竞争行为。作为OpenAI在2015年的
新智元报道编辑：peter东【新智元导读】一位开发者用四天时间，让AI「盲移植」了拥有37年历史的SimCity代码库。整个过程无人阅读一行原始C代码，仅靠AI生成与自动化测试验证。当AI开始重写软
OpenClaw：一个激进实验与AI新范式的诞生 OpenClaw之所以能迅速引发关注，主要得益于两个核心特性。 第一，是它获得了系统级的“超级权限”；第二，则是它拥有远程控制的能力。 前者，意味着AI获得了更自由、更深度的操作空间；后者，则标志着AI的工作将不再受物理环境束缚，变得随时可调用、随时
封面新闻记者 边雪在人工智能从“生成式”狂飙转向“科学驱动”深水区的当下，中国科研力量试图搭建一座前所未有的“大本营”。3月29日，在第二届浦江AI学术年会上，上海人工智能实验室（上海AI实验室）发
2026年3月26日，国际顶级学术出版机构《自然》（Nature）在其 Nature Index China 特刊中，以两篇深度报道系统呈现天立国际控股有限公司（01773 HK）在“AI+教育”领
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票