走向物理世界是 AGI形成的必由之路
未来十年，实现 AGI奇点突破，仍面临诸多核心挑战
站在 2025 年，预判 AI 的进化轨迹，将是 未来十年的核心命题与终极挑战。其智慧进阶 的速度与深度，不仅将重新定义技术疆界，更 将重塑未来十年的全球格局。
自 2022 年底基于 Transformer 的大语言模 型（LLM）引爆行业以来，AI 技术处于快速迭 代过程中，但依然存在较多挑战，比如神经网络缺乏坚实的数学理论支撑，黑盒特性导致的不可解释性，以及不确定性引发的幻觉问题仍 未得到有效解决。推动 LLM 快速发展的规模扩展定律（Scaling law），正面临数据、算力、 能耗与可靠性的多重瓶颈，有放缓迹象。
通用人工智能（AGI）指具备人类级广泛认知能力的智能系统。
其核心在于实现通用性、自主性与创新性：能够在新环境中理解、学习 并完成任何人类可及的智力任务，胜任跨场景推理、复杂问题解决，并展现出类人级别的灵活适应与创造能力。
作为人工智能发展的终极目标，AGI 在未来十年的发展之路上，仍面临诸多核心挑战，其“奇点”突破绝非易事。
展望通用人工智能（AGI）的未来十年，其发展路径主要面临三种可能性：
1. 规模主导，奇点降临：
Scaling Law 继续作为核心定律持续生效， 算力、数据与模型规模的扩展红利未见衰减。 技术沿现有轨道高速演进，最终量变引发质变， 触及 AGI 奇点，从而颠覆现有技术范式，推动 人类社会发生根本性变革。
2. 架构革新，范式转移：
当前基于 Transformer 的规模扩展路径触 及天花板，Scaling Law 逐渐失效。然而，基础 理论迎来突破，出现超越 Transformer 的下一 代核心架构（如 Beyond Transformer）。发展动能由“规模驱动”转向“架构与理论驱动”， 在新理论体系的支撑下，AI 发展开启一条全新 的、不可预见的进阶之路。
3. 价值沉淀，应用深化：
AI 技术发展进入一个漫长的平台期，在通向 AGI 的核心挑战上难以取得重大突破。行业 的焦点从追求“通用智能”的宏大叙事，回归 到对现有大型模型（LLM）产品化价值的深度 挖掘与应用场景的精细化深耕，AI 的发展主要 表现为效率提升与成本优化。 毋庸置疑的是，未来无论走向哪个路径，AI 都会持续深刻影响人类生产与生活，在各个 领域发挥关键作用，为推动社会进步、提升生 活品质贡献无可替代的力量。
未来十年，AI 还会发生一次大的突破
回顾过去三十年，人工智能按平均每 10 年 一次大的革命的速度演进，AI 的演进经历了多 波次的繁荣与放缓。
第一个十年，统计学习崛起开启了AI 复苏，1995 年 SVM（Support Vector Machine）、1997 年 LSTM（Long Short-Term Memory） 与2006 年 DBN（Deep Belief Network）的突破， 让机器通过数据驱动完成邮件过滤等基础任务，IBM 深蓝展现了数据建模的力量，但智能仍局 限于特定场景，泛化与复杂推理能力薄弱。
第二个十年，深度学习推动了感知智能突破，AlexNet（一种深度卷积神经网络）等 技术的发展，赋予机器“感官系统”，AI 正式走到台前。推荐系统、视觉识别精准发力，AlphaGo 和 AlphaFold 拓展应用边界，掀起了第二波繁荣，但 AI 仍缺乏泛化性，难以灵活迁移经验。
第三个十年，Transformer 催生了认知智能萌芽，基于大模型的生成式 AI 得到发展，人类 经历了 ChatGPT 时刻，AI 在自然语言理解、多 模态生成和推理能力上形成突破，并且开始探 索生成与行动边界，AI 从理解世界走向改变世 界。在这个阶段，内容生产、自动驾驶、机器 人交互取得长足的进展，但 AI 在推理能力和创 造能力方面跟人类依然存在较大的差距，可解 释性、准确度、推理效率、实时响应与环境适 应仍是挑战。
回望人工智能的发展历程，技术革命往往在质疑与探索中孕育。
从SVM到CNN（Convolutional Neural Network） 再到Transformer，每一次革命都是由新架构的出现 而引发。因此我们有理由期待，未来十年将迎 来一场新的 AI 技术革命，将跳出 Transformer架构的固有框架，我们姑且将其称为 Beyond Transformer 时代。
新架构的突破是全方位的。它不仅在基础性能（如算力开销、计算复杂度和长序列处理）和核心能力（如长期记忆力与自我演进）上取得了长足进步，更关键的是，在高级智能层面实现了巨大跃迁，包括逻辑推理、因果推理、 可解释性、创新能力、情感识别与表达。
三大引擎联合形成世界模型推动智能走向物理世界
我们也认为，当前大模型仍困于概率统计框架，本质是数据压缩的知识库，生成质量高度依赖于数据质量。这种不可解释的概率模型不符合人类“知其然亦知其所以然”的天性， 不具备认知能力，可能也难以实现类人的认知智能。
所以未来，是否会出现真正结合了符号主义，用抽象的表示符号与逻辑推理来模拟人类的智能？
三大引擎联合形成高保真世界模型
实现结合符号主义的智能需构建三大引擎： 数据驱动的经验引擎、思想规则驱动的理念引擎以及行动引擎。经验引擎依托深度学习处理互联网与感知数据；理念引擎通过抽象验证深 化认知；行动引擎涵盖目标管理、综合推理、 约束规划等实践能力。三大引擎联合形成的高保真世界模型推动智能走向物理世界。
我们认为，走向物理世界是 AGI 的关键路径，通过物理实体与环境实时交互，实现感知、 认知、决策和行动一体化，能让智能体像人类一样用身体感知世界，在互动学习中成长，从而更好地适应环境、解决复杂任务。未来重点是从多模态数据积累、核心能力打磨、认知原理提升三方面为 AGI 的实现筑牢根基。
来源：华为《智能世界2035》报告
空间因“您”而变！
联系『变芯®空间』
合作沟通：请加 zr18620222480
合伙人招募：1638079312（微Q同号）
供应链接：请发至1638079312@qq.com