摘要：有一点是明确的：我们正在进入通用人工智能(AGI) 领域，超级人工智能(ASI) 现在似乎触手可及。无论如何定义，AGI 不会突然出现；它会不断发展，我们已经看到了它逐渐展开的迹象。

技术发展速度飞快，转眼间，星辰延伸成星线，我们今天所处的位置与几天前相去甚远。越来越难以预测明天我们会身在何处。

有一点是明确的：我们正在进入通用人工智能(AGI) 领域，超级人工智能(ASI) 现在似乎触手可及。无论如何定义，AGI 不会突然出现；它会不断发展，我们已经看到了它逐渐展开的迹象。

AGI 一直以来都是我们的终极目标——一种能够代替人类进行脑力劳动的技术，改变我们的工作、生活和思维方式。现在，随着我们步入 2025 年，AGI 的曙光已经初现，并有望随着时间的推移变得更加强大。

这是一个意义深远的转变，OpenAI 的 Sam Altman 和前 OpenAI 首席科学家、拥有自己的专注于 ASI 的初创公司的 Ilya Sutskever 等人相信，这将决定人类进步的方向。

2024 年 9 月，奥特曼发表了《智能时代》，这份宣言认为 AGI 不仅仅是一种工具，而是人类历史的一个新阶段。

从那时起，OpenAI 发布了越来越强大的推理模型——人工智能系统不仅能从涵盖全球大量书面文本的知识库中回答问题，还能思考和解决复杂问题。这一进步的影响尚未深入公众意识。但它们的影响是深远的。

例如，OpenAI 的 GPT-o1 模型在国际数学奥林匹克 (IMO) 资格考试中获得了 83% 的分数，该考试被广泛认为是世界上最困难的数学竞赛之一，需要创造力和深度推理能力才能在没有微积分等高级数学工具的情况下解决问题。

随后，GPT-o3 模型在 ARC-AGI 基准测试中取得了突破性的 87.5% 的成绩，该测试评估人工智能在不依赖预先训练的知识的情况下解决全新问题的能力。ARC-AGI 被认为是最严格的人工智能基准测试之一，因为它测试概念推理和自适应智能，而这些领域传统上由人类主导。

到目前为止，人工智能系统在专业领域表现优异——撰写文案、诊断疾病、优化物流——但仅限于狭义的范围内。AGI 承诺提供完全不同的能力：跨领域适应、推理和解决问题的能力。

大型语言模型 (LLM) 和多模态模型已经展现出 AGI 的原始特征，例如跨任务泛化、多模态推理和适应性。这些功能正在通过更好的架构、更大的数据集和更高效的训练方法不断改进。

与此同时，OpenAI 正在重新定义 AGI 的含义。它的公开定义仍然是“一个高度自主的系统，在大多数具有经济价值的工作上表现优于人类。”但这个终点已经变得如此模糊，据报道，微软和 OpenAI 将 AGI 与人工智能系统创造 1000 亿美元利润的能力联系起来。

AGI 挑战了我们对人类的理解。长期以来被视为人类特征的智力将不再是人类独有的。我们如何将 AGI 融入我们的生活（无论是作为工具、合作伙伴还是对手）将以前所未有的方式塑造我们的文化、价值观和身份。

这也使我们走上了 ASI 的道路，自学习的 AGI 系统最终将超越人类的集体智能。

如今，特定领域的人工智能系统在科学、编程或医学等领域展现出超越人类的狭隘智能。例如，AlphaFold 通过以无与伦比的准确性预测蛋白质结构，彻底改变了结构生物学——这是一项超出人类能力的任务。

OpenAI 的推理模型包括一个递归循环，可在推理过程中优化其输出。虽然这种优化是暂时的，不会改变模型的底层参数，但它展示了更具动态性和适应性的 AI 系统的潜力。

研究人员正在努力探索增量学习和基于重放的方法等技术，以使人工智能系统能够在获取新知识的同时保留知识，从而使单个系统能够持续学习。

目标是雄心勃勃的：创造不仅能思考还能进化的机器。如果这些努力成功，其影响将是惊人的。

去年 12 月，苏茨克维尔表示：“我们即将创造出一些工具，它们不仅仅是人类能力的延伸，而且在某些领域，它们的能力将超越我们自己。”他设想了一个人工智能能够带来科学突破、治愈疾病和解决以前被认为难以解决的问题的世界。他认为，这些进步可能预示着人类繁荣的新时代——这场复兴不仅由人类的智慧推动，还由与机器的合作推动。

由推理模型驱动的人工智能代理可以驾驭复杂的环境，整合不同的数据流，并解决曾经看似无法克服的问题。

在医疗保健领域，这可能意味着 AGI 系统不仅会标记潜在诊断，还会根据个人的基因构成设计整个治疗计划。在教育领域，虚拟导师可以实时适应学生的需求，不仅可以教授任何科目，还可以教授任何语言，以任何速度授课。这不是一个遥不可及的梦想——Altman 认为这种进步可以在“几千天”内实现。

如果有一天机器能够不断学习并无缝适应新挑战，那么它们走向超级智能就指日可待了。

目前，有一件事是肯定的：2025 年标志着一个新时代的开始。智能时代已经到来，随之而来的是人类可能面临的变革性——也是充满危机的——未来。

AGI 的出现不会是突然事件。随着人工智能系统从通用智能向 ASI 转变，它将逐渐展开。真正的问题不是 AGI 何时会出现，而是我们是否准备好引导其更好地发展。

starlines at warp speed getty

Technological development has hit warp speed – in a flash, stars have stretched into starlines and where we are today is far from where we were just days ago. It’s increasingly difficult to predict where we will be tomorrow.

One thing is clear: we are entering the Artificial General Intelligence (AGI) spectrum and Artificial Superintelligence (ASI) now seems clearly within reach. However it is defined, AGI will not appear suddenly; it will evolve and already we see signs of its incremental unfolding.

AGI has long been the ultimate goal—a technology capable of performing the mental work of humans, transforming how we work, live, think. Now, as we step into 2025, glimmers of AGI are already appearing and promise to grow stronger as the year moves along.

This is a shift so profound that some, like Sam Altman of OpenAI and Ilya Sutskever, formerly OpenAI’s chief scientist with his own startup focused on ASI, believe it will define the arc of human progress.

Sam Altman (L), CEO of artificial intelligence company OpenAI, and the company's co-founder and ... [+]

MORE FOR YOU

Google Starts Tracking All Your Devices In 6 Weeks—Forget Chrome And Android

California Wildfire Live Updates: Death Toll Rises To 10 As Police Arrest Arson Suspect Near Kenneth Fire

Samsung Updates Galaxy S24, S23, S22, S21—But S25 Will Be Different

In September 2024, Altman published The Intelligence Age, a manifesto arguing that AGI isn’t just a tool, it’s a new phase in human history.

Since then, OpenAI has released increasingly powerful reasoning models – AI systems that not only answer questions from a base of knowledge encompassing much of the world’s written text but can think and solve complex problems. The implications of this advance have not yet penetrated the public consciousness. But they are profound.

For example, OpenAI’s GPT-o1 model scored 83% on the International mathematical Olympiad (IMO) qualifying exam, widely regarded as one of the most difficult math competitions in the world, requiring creativity and deep reasoning skills to solve problems without advanced mathematical tools like calculus.

Subsequently the GPT-o3 model achieved a groundbreaking score of 87.5% on the ARC-AGI benchmark, which evaluates an AI's ability to solve entirely novel problems without relying on pre-trained knowledge. ARC-AGI is considered one of the toughest AI benchmarks because it tests conceptual reasoning and adaptive intelligence, areas traditionally dominated by humans.

From Narrow Intelligence to General Capability

Neural network of the brain on a dark blue

background.getty

Until now, AI systems have excelled as specialists—writing copy, diagnosing diseases, optimizing logistics—but only within narrowly defined limits. AGI promises something fundamentally different: the ability to adapt, reason, and solve problems across domAIns.

Large language models (LLMs) and multimodal models are already demonstrating proto-AGI traits such as generalization across tasks, multimodal reasoning, and adaptability. These capabilities are improving iteratively through better architectures, larger datasets, and more efficient training methods.

Meanwhile, OpenAI is redefining what AGI means. Its public definition remains “a highly autonomous system that outperforms humans at most economically valuable work.” But that endpoint has grown so blurry, Microsoft and OpenAI are reportedly linking AGI to the ability of an AI system to generate $100 billion in profits.

AGI challenges our very understanding of what it means to be human. Intelligence, long regarded as humanity’s defining trait, will no longer be ours alone. How we integrate AGI into our lives—whether as tools, partners, or rivals—will shape our culture, values, and identity in ways no one has yet to grasp.

It also puts us on the road to ASI, when self-learning AGI systems eventually surpass collective human intelligence.

Domain-specific AI systems exhibit superhuman narrow intelligence today within fields like science, programming, or medicine. AlphaFold, for example, has revolutionized structural biology by predicting protein structures with unparalleled accuracy – a task beyond human capability.

OpenAI’s reasoning models include a recursive loop that refines their outputs during inference. While this refinement is temporary and does not change the model’s underlying parameters, it demonstrates the potential for more dynamic and adaptive AI systems.

Researchers are diligently exploring techniques like incremental learning and replay-based approaches to enable AI systems to retain knowledge while acquiring new knowledge, allowing a single system to learn continuously.

The goal is ambitious: to create machines that not only think but evolve. If these efforts succeed, the implications are staggering.

A New Era of Human-Machine Collaboration

“We are on the cusp of creating tools that are not merely extensions of human ability but entities with capabilities that, in some domains, will exceed our own,” Sutskever said this past December. He envisions a world where AI can unlock scientific breakthroughs, cure diseases, and solve problems previously thought intractable. Such advancements, he argued, could herald a new era of human flourishing—a Renaissance driven not by human ingenuity alone but by a partnership with machines.

AI agents powered by reasoning models could navigate complex environments, integrate disparate data streams, and solve problems that once seemed insurmountable.

In healthcare, this could mean AGI systems that wouldn’t just flag potential diagnoses, but design entire treatment plans tailored to an individual’s genetic makeup. In education, virtual tutors could adapt in real time to a student’s needs, teaching not only any subject but in any language, at any pace. This isn’t a distant dream—it’s the kind of progress that Altman suggests could materialize within “a few thousand days.”

And if machines can one day learn continuously and adapt seamlessly to new challenges, their ascent to superintelligence cannot be far behind.

For now, one thing is certain: 2025 marks the beginning of a new epoch. The Intelligence Age is here, and with it comes the possibility of a future as transformative—and as fraught—as any humanity has ever faced.

The emergence of AGI won’t be a sudden event. It will be a gradual unfolding as AI systems move along a spectrum of general intelligence toward ASI. The real question isn't when AGI will emerge, but whether we are prepared to guide its development for the better.

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问进入。

截止到12月25日 ”未来知识库”精选的100部前沿科技趋势报告

2024 美国众议院人工智能报告：指导原则、前瞻性建议和政策提案

未来今日研究所：2024 技术趋势报告 - 移动性，机器人与无人机篇

Deepmind：AI 加速科学创新发现的黄金时代报告

Continental 大陆集团：2024 未来出行趋势调研报告

埃森哲：未来生活趋势 2025

国际原子能机构 2024 聚变关键要素报告 - 聚变能发展的共同愿景

哈尔滨工业大学：2024 具身大模型关键技术与应用报告

爱思唯尔（Elsevier）：洞察 2024：科研人员对人工智能的态度报告

李飞飞、谢赛宁新作「空间智能」 等探索多模态大模型性能

欧洲议会：2024 欧盟人工智能伦理指南：背景和实施

通往人工超智能的道路：超级对齐的全面综述

清华大学：理解世界还是预测未来？世界模型综合综述

Transformer 发明人最新论文：利用基础模型自动搜索人工生命

兰德公司：新兴技术监督框架发展的现状和未来趋势的技术监督报告

麦肯锡全球研究院：2024 年全球前沿动态图表呈现

兰德公司：新兴技术领域的全球态势综述

前瞻：2025 年人形机器人产业发展蓝皮书 - 人形机器人量产及商业化关键挑战

美国国家标准技术研究院（NIST）：2024 年度美国制造业统计数据报告（英文版）

罗戈研究：2024 决策智能：值得关注的决策革命研究报告

美国航空航天专家委员会：2024 十字路口的 NASA 研究报告

中国电子技术标准化研究院 2024 扩展现实 XR 产业和标准化研究报告

GenAI 引领全球科技变革关注 AI 应用的持续探索

国家低空经济融创中心中国上市及新三板挂牌公司低空经济发展报告

2025 年计算机行业年度策略从 Infra 到 AgentAI 创新的无尽前沿

多模态可解释人工智能综述：过去、现在与未来

【斯坦福博士论文】探索自监督学习中对比学习的理论基础

《机器智能体的混合认知模型》最新 128 页

Open AI 管理 AI 智能体的实践

未来生命研究院 FLI2024 年 AI 安全指数报告 英文版

兰德公司 2024 人工智能项目失败的五大根本原因及其成功之道 - 避免 AI 的反模式 英文版

Linux 基金会 2024 去中心化与人工智能报告 英文版

脑机接口报告脑机接口机器人中的人机交换

联合国贸发会议 2024 年全球科技创新合作促发展研究报告 英文版

Linux 基金会 2024 年世界开源大会报告塑造人工智能安全和数字公共产品合作的未来 英文版

Gartner2025 年重要战略技术趋势报告 英文版

Fastdata 极数 2024 全球人工智能简史

中电科：低空航行系统白皮书，拥抱低空经济

迈向科学发现的生成式人工智能研究报告：进展、机遇与挑战

哈佛博士论文：构建深度学习的理论基础：实证研究方法

Science 论文：面对 “镜像生物” 的风险

镜面细菌技术报告：可行性和风险

Neurocomputing 不受限制地超越人类智能的人工智能可能性

166 页 - 麦肯锡：中国与世界 - 理解变化中的经济联系（完整版）

未来生命研究所：《2024 人工智能安全指数报告》

德勤：2025 技术趋势报告 空间计算、人工智能、IT 升级。

2024 世界智能产业大脑演化趋势报告（12 月上）公开版

联邦学习中的成员推断攻击与防御：综述

兰德公司 2024 人工智能和机器学习在太空领域感知中的应用 - 基于两项人工智能案例英文版

Wavestone2024 年法国工业 4.0 晴雨表市场趋势与经验反馈 英文版

Salesforce2024 年制造业趋势报告 - 来自全球 800 多位行业决策者对运营和数字化转型的洞察 英文版

MicrosoftAzure2024 推动应用创新的九大 AI 趋势报告

DeepMind：Gemini，一个高性能多模态模型家族分析报告

模仿、探索和自我提升：慢思维推理系统的复现报告

自我发现：大型语言模型自我组成推理结构

2025 年 101 项将 (或不会) 塑造未来的技术趋势白皮书

《自然杂志》2024 年 10 大科学人物推荐报告

量子位智库：2024 年度 AI 十大趋势报告

华为：鸿蒙 2030 愿景白皮书（更新版）

电子行业专题报告：2025 年万物 AI 面临的十大待解难题 - 241209

中国信通院《人工智能发展报告（2024 年）》

美国安全与新兴技术中心：《追踪美国人工智能并购案》报告

Nature 研究报告：AI 革命的数据正在枯竭，研究人员该怎么办？

NeurIPS 2024 论文：智能体不够聪明怎么办？让它像学徒一样持续学习

LangChain 人工智能代理（AI agent）现状报告

普华永道：2024 半导体行业状况报告发展趋势与驱动因素

觅途咨询：2024 全球人形机器人企业画像与能力评估报告

美国化学会 (ACS)：2024 年纳米材料领域新兴趋势与研发进展报告

GWEC：2024 年全球风能报告英文版

Chainalysis：2024 年加密货币地理报告加密货币采用的区域趋势分析

2024 光刻机产业竞争格局国产替代空间及产业链相关公司分析报告

世界经济论坛：智能时代，各国对未来制造业和供应链的准备程度

兰德：《保护人工智能模型权重：防止盗窃和滥用前沿模型》-128 页报告

经合组织 成年人是否具备在不断变化的世界中生存所需的技能 199 页报告

医学应用中的可解释人工智能：综述

复旦最新《智能体模拟社会》综述

《全球导航卫星系统（GNSS）软件定义无线电：历史、当前发展和标准化工作》最新综述

《基础研究，致命影响：军事人工智能研究资助》报告

欧洲科学的未来 - 100 亿地平线研究计划

Nature：欧盟正在形成一项科学大型计划

Nature 欧洲科学的未来

欧盟科学 —— 下一个 1000 亿欧元

欧盟向世界呼吁 加入我们价值 1000 亿欧元的研究计划

DARPA 主动社会工程防御计划（ASED）《防止删除信息和捕捉有害行为者（PIRANHA）》技术报告

兰德《人工智能和机器学习用于太空域感知》72 页报告

构建通用机器人生成范式：基础设施、扩展性与策略学习（CMU 博士论文）

世界贸易组织 2024 智能贸易报告 AI 和贸易活动如何双向塑造 英文版

人工智能行业应用建设发展参考架构

波士顿咨询 2024 年欧洲天使投资状况报告 英文版

2024 美国制造业计划战略规划

【新书】大规模语言模型的隐私与安全

人工智能行业海外市场寻找 2025 爆款 AI 应用 - 241204

美国环保署 EPA2024 年版汽车趋势报告英文版

经济学人智库 EIU2025 年行业展望报告 6 大行业的挑战机遇与发展趋势 英文版

华为 2024 迈向智能世界系列工业网络全连接研究报告

华为迈向智能世界白皮书 2024 - 计算

华为迈向智能世界白皮书 2024 - 全光网络

华为迈向智能世界白皮书 2024 - 数据通信

华为迈向智能世界白皮书 2024 - 无线网络

安全牛 AI 时代深度伪造和合成媒体的安全威胁与对策 2024 版

2024 人形机器人在工业领域发展机遇行业壁垒及国产替代空间分析报告

《2024 年 AI 现状分析报告》2-1-3 页.zip

万物智能演化理论，智能科学基础理论的新探索 - newv2

世界经济论坛 智能时代的食物和水系统研究报告

生成式 AI 时代的深伪媒体生成与检测：综述与展望

科尔尼 2024 年全球人工智能评估 AIA 报告追求更高层次的成熟度规模化和影响力英文版

计算机行业专题报告 AI 操作系统时代已至 - 241201

Nature 人工智能距离人类水平智能有多近？

Nature 开放的人工智能系统实际上是封闭的

斯坦福《统计学与信息论》讲义，668 页 pdf

国家信息中心华为城市一张网 2.0 研究报告 2024 年

国际清算银行 2024 生成式 AI 的崛起对美国劳动力市场的影响分析报告 渗透度替代效应及对不平等状况英文版

大模型如何判决？从生成到判决：大型语言模型作为裁判的机遇与挑战

毕马威 2024 年全球半导体行业展望报告

MR 行业专题报告 AIMR 空间计算定义新一代超级个人终端 - 241119

DeepMind 36 页 AI4Science 报告：全球实验室被「AI 科学家」指数级接管

《人工智能和机器学习对网络安全的影响》最新 273 页

2024 量子计算与人工智能无声的革命报告

未来今日研究所：2024 技术趋势报告 - 广义计算篇

科睿唯安中国科学院 2024 研究前沿热度指数报告

文本到图像合成：十年回顾

《以人为中心的大型语言模型（LLM）研究综述》

经合组织 2024 年数字经济展望报告加强连通性创新与信任第二版

波士顿咨询 2024 全球经济体 AI 成熟度矩阵报告 英文版

理解世界还是预测未来？世界模型的综合综述

GoogleCloudCSA2024AI 与安全状况调研报告 英文版

英国制造商组织 MakeUK2024 英国工业战略愿景报告从概念到实施

花旗银行 CitiGPS2024 自然环境可持续发展新前沿研究报告

国际可再生能源署 IRENA2024 年全球气候行动报告

Cell: 物理学和化学 、人工智能知识领域的融合

智次方 2025 中国 5G 产业全景图谱报告

上下滑动查看更多

来源：人工智能学家