AGI

通用人工智能（AGI）又称“强人工智能”“完全人工智能”“深度人工智能”，是具有一般人类智慧，可以像人类一样拥有智能、学习、推理、解决问题和适应新环境的人工智能系统，其能够在不特别编码知识与应用区域的情况下，对多种甚至泛化问题予以解决的人工智能技术。若其能够克服诸如数据获取、算法设计、计算性能、伦理和法律等多种难题，则可以为解决许多领域的关键问题提供极大帮助，例如医疗和健康、环境保护、教育、金融和安全等领域。

有人甚至将 AGI 革命比作继蒸汽革命、电力革命和信息革命之后的第四次重大技术变革。

通用人工智能的训练需要海量数据进行深度、强化学习。数字经济时代的数据要素资源作用凸显，成为国际竞争的重要维度。

人工智能生成的内容基于大量的数据筛选和模型训练，而数据的筛选、清洗，以及不同地区的内容监管标准差异，最终会导致内容产出存在风险。由于标注者自身意识形态的差异，生成式人工智能最终可能呈现出训练者所在国家的价值观。由于数据来源隐含着相应的意识形态，我国用户在使用以西方数据为主的生成式人工智能时，可能遭遇意识形态霸权的冲击。

AI技术的发展加剧劳动力市场的结构性矛盾。在新技术革命浪潮中，新兴技术作为节约劳动力工具的速度超过了社会为劳动力开辟新用途的速度。人工智能将对劳动者的技能和素质提出更高的需求，未来大量工作需要人机协作，对具有高度专业性、协作性、技术技能复合型人才的需求更加迫切。

人工智能发展带来“变异”的安全与伦理风险问题， 已成为国际上争议的焦点。所谓“变异”就是指因在技术上没有解决的问题，而导致的结果不确定性，由此可能带来进一步的安全与伦理风险。

人工智能可被用在致命性自主武器(LAW)上，通过自主识别攻击目标、远程自动化操作等，隐藏攻击者来源、建立对抗优势；同时，人工智能可以将网络、决策者和操作者相连接，让军事行动针对性更强、目标更明确、打击范围更广。

人工智能要发展，离不开三个关键要素：算力、算法和数据。大模型时代，数据是能源，算力是发动机，都是新时代的生产资料。

过去，十亿级、百亿级的模型训练已经逐渐成熟，包括科学研究、机器视觉等等应用场景。但对于千亿级参数大模型的训练，以及后续所需的精调和推理，对算力的需求将会方兴未艾。

Altman的一些观点让人印象深刻: "随着模型变得更智能、更善于推理，我们需要的训练数据更少。""随着AI变得更强大，甚至可能发现新的科学知识，甚至自动做AI研究，世界的发展节奏会超出我们的想象。"我对世界的理解是，未来的两种重要资源将是智能计算和能源。无论是我们的想象力，还是让想法变为现实的能力，以及运行计算的能力，都离不开这两者。然而，我认为我们尚未充分认识到这项技术所需的能源需求。如果没有重大突破，我们就无法实现这一目标。"