學界大佬互懟，智譜、MiniMax憑硬實力出圈，Agent攻克GPU內難題

當“通用人工智能（AGI）是否能成為現實”的爭論從學術博文蔓延到播客現場，兩位橫跨學界與產業界的頂尖研究者，用截然不同的視角撕開了人工智能發展的核心命題。卡內基梅隆大學助理教授蒂姆·德特默斯直言“AGI不會成為現實”，加州大學圣地亞哥分校助理教授丹·傅卻反駁“我們或許早已實現AGI”。這場爭論遠非學術博弈，更藏著人工智能產業的發展密碼——算力的邊界在哪里？Agent的爆發是否開啟了新時代？人工智能的未來又將走向何方？

核心之爭：AGI是鏡花水月還是已然降臨？

AGI的定義，始終是這場爭論的起點。這個被廣泛提及卻無統一標準的概念，大致分為兩大視角：一是認知能力視角，看模型能否覆蓋足夠多的復雜任務；二是經濟視角，看它是否真正改變生產方式。有趣的是，盡管蒂姆與丹·傅的結論相悖，卻在核心認知上逐漸靠攏——AGI的定義并不重要，關鍵在于它能否創造實際價值。

蒂姆的核心論據直指物理極限。在他看來，計算本質是物理過程，內存遷移、帶寬限制以及馮·諾依曼瓶頸，決定了算力無法無限擴張。“幾乎所有指數增長，最終都會撞上資源和物理極限”，他認為高帶寬存儲器的堆疊極限、量化技術的精度天花板，都意味著硬件潛力已被挖掘殆盡，支撐AGI所需的算力增長終將放緩。

丹·傅則給出了截然相反的現實觀察。他深耕GPU內核與算力優化，發現當下算力存在嚴重的低估與浪費——行業內模型浮點運算利用率普遍僅20%左右，遠低于早年50%-60%的水平。通過新一代硬件2-3倍的性能提升、系統優化3倍的利用率提升、大規模集群10倍的規模效應，可用算力理論上可提升90倍。更關鍵的是，我們當下依賴的優秀模型，大多基于一兩年前的硬件訓練，尚未觸及現有硬件的真實上限。

共識破局：Agent成人工智能的實用落點

當爭論從AGI的“可能性”轉向現實應用，蒂姆與丹·傅在Agent的價值上達成了高度一致。這種被形象比作“精細化管理的實習生”的智能體，正成為人工智能落地的核心載體，悄然改寫著工作方式。

丹·傅的親身經歷頗具說服力。2025年6月被他視為Agent的關鍵拐點——原本需要一周才能完成的GPU內核編程任務，借助代碼智能體一天就能搞定三四個，工作效率直接提升5倍。要知道，GPU內核編程是機器學習領域最難的技能之一，被稱為“編程領域的終極難題”。這一突破讓他意識到，即便在高難度專業領域，Agent也能為資深專家賦能，推動“軟件奇點”的到來。

蒂姆更是直言“要么善用Agent，要么被時代淘汰”。在他看來，代碼Agent本身就是高度通用的智能體，因為代碼幾乎能描述和解決所有數字化問題。超過90%的代碼和文本本應由Agent生成，人類的核心價值在于把控方向、校驗結果，而非陷入重復勞動。他舉例，借助Agent搭建個性化視頻剪輯工具僅需20分鐘，這種高效賦能正在滲透到各類工作場景中。

兩人都強調，Agent并非要取代人類，而是重構人機協作模式。就像管理實習生一樣，人類需要為Agent明確任務邊界、提供背景信息，再用專業判斷力優化結果。而真正能吃到紅利的，是那些具備深厚專業積累的人——專業基礎越扎實，Agent能創造的效率增量就越顯著。

未來預判：小模型崛起與架構多元化浪潮

盡管在AGI的可能性上存在分歧，但蒂姆與丹·傅對人工智能的未來趨勢，給出了諸多共識性判斷，勾勒出2026年及以后的行業圖景。

小模型的崛起成為明確趨勢。蒂姆認為，前沿大模型的性能發展將陷入停滯，同質化現象會愈發明顯，而針對特定領域數據訓練的小模型，將憑借部署便捷、定制性強的優勢成為新熱點。1000億參數級別的小模型，借助知識蒸餾技術，性能可媲美大模型，且能在入門級數據中心GPU上運行，對企業極具吸引力。丹·傅也補充，開源小模型的能力將持續飛躍，GLM-4.7等模型已展現出媲美頂尖大模型的潛力，2026年開源生態將迎來爆發。

硬件與架構領域將迎來多元化變革。硬件賽道上，訓練與推理環節的專業化分化會加劇，除了英偉達的主導地位，AMD及各類專用芯片企業將崛起，終端設備上的AI能力也會持續提升。架構層面，Transformer獨霸天下的時代將落幕，狀態空間模型、線性注意力、混合架構等創新方案將登上舞臺。值得關注的是，中國團隊在架構創新上的探索獲得了兩人的高度認可——相比技術路線集中的美國，中國團隊更敢于嘗試多元方案，且秉持“務實落地”的思維，這種特質可能深刻影響人工智能的技術形態。

結語：跳出定義，聚焦價值

這場關于AGI的爭論，最終回歸到人工智能的本質——技術的價值不在于是否達成某個模糊的定義，而在于能否解決現實問題、提升生產效率。算力的極限與潛力、架構的迭代與創新、Agent的賦能與邊界，所有討論的核心都指向“務實發展”這一關鍵詞。

正如蒂姆與丹·傅所共識的，無論是AGI的終極形態，還是技術的迭代方向，最終都要服務于產業與社會。在Agent重構工作模式、小模型降低應用門檻、架構創新打破壟斷的當下，人工智能正從“神壇上的概念”走向“落地中的工具”。未來，或許我們無需糾結于AGI是否到來，而是要學會與智能體共生，在技術浪潮中找準自身價值，抓住效率革命的紅利。