通用人工智能（AGI）的实现并非一蹴而就，当前最关键的制约因素并非算力或数据量，而是AI所欠缺的持续学习能力。现有的AI更像是“一次性学习者”，而人类则通过经验不断积累、成长为“终身学习者”。本文将深入剖析这一核心瓶颈，并展望AGI的未来演进路径。

一、持续学习：AGI的关键短板

大语言模型（LLM）在复杂文本处理、代码生成等任务中表现惊艳，但仔细审视便会发现，它缺乏人类式的持续学习能力。这意味着AI无法像人类员工一样，在工作中不断积累经验、修正错误并优化策略。

1. 现有训练方式的本质缺陷

人类的学习过程是：尝试 → 反馈 → 调整 → 再尝试。而当前LLM的训练方式更像：

• 学生（模型）只演奏一次萨克斯，吹错音符就被赶走；
• 老师（开发者）写下详细的失败总结，交给下一个学生；
• 下一个学生拿着笔记直接挑战高难度作品，失败后再完善笔记。

这种方式显然效率低下。即使用户精心调整提示词（prompt），也无法替代那种通过直接反馈进行多次迭代的学习过程。正如教孩子吹萨克斯，仅靠阅读说明书永远无法真正学会。