AGI 之路，可能从一开始就走错了¶

Ch01.190 AGI 之路，可能从一开始就走错了¶

📊 Level ⭐⭐ | 20.4KB | entities/agi-road-may-be-wrong-from-the-start-wang-peng-tencent.md

一、AGI 叙事是怎么被制造出来的¶

恐惧驱动：马斯克的燃料¶

2015年，马斯克和奥特曼在硅谷创办 OpenAI，使命是"确保通用人工智能造福全人类"。但凯伦·郝（Karen Hao）在2025年出版的《AI帝国》中揭示了底层逻辑："必须第一，否则灭亡"——这条逻辑把"做"和"不做"的选择权直接拿掉，把"怎么做"偷换成"做多大"，把外部批评者推到"站在人类对立面"的位置。

马斯克2015年写给团队的邮件原话是"DeepMind 让我精神压力极大"。从第一天起，OpenAI 的驱动力就不是好奇心，而是恐惧；不是科学，而是军备竞赛。

想象力：奥特曼的糖衣¶

奥特曼比乔布斯更强的地方在于：他用"现实扭曲力场"说服了全世界——必须不惜一切代价，用全球的能源和算力训练越来越大的模型，这是通往 AGI 的唯一道路。他说服的不只是投资人，还有政府、媒体、监管机构，甚至竞争对手。

纳什均衡：整个行业被锁定¶

在 OpenAI 之前，Google DeepMind 走的是专业化路线——AlphaGo 破解围棋，AlphaFold 破解蛋白质折叠，AlphaGeometry 破解奥数几何题。但 GPT-2、GPT-3 出现之后，整个行业瞬间被锁定。只要任何一家先做出更大一号的模型，其他人都不得不跟进——否则就会在估值、融资、人才争夺上全线落后。整个行业进入"谁不 scale 谁就死"的纳什均衡。

一个关键拐点：比尔·盖茨在会议室里的个人偏好，把微软和 OpenAI 完全推向了大语言模型路线。人类技术路径的一个关键拐点，是一个亿万富豪的考题决定的。

二、哈萨比斯的两难：一个纯粹科学家的妥协¶

哈萨比斯12岁获国际象棋大师称号，剑桥CS本科，UCL认知神经科学博士，因 AlphaFold 拿到2024年诺贝尔化学奖——人类历史上第一次有AI系统直接贡献了诺奖级成果。

他明确列出了当前路线的四大结构性短板： 1. 不会做长期规划 2. 没有持续学习（训完就被"冻结"） 3. 没有真正的创造力（能解问题但提不出问题） 4. 能力锯齿严重（无法预测哪里会出错）

他给出的 AGI 时间表是5到8年——比奥特曼、Amodei 都保守得多。

但他为什么还在跟？ 因为他被锁定了：

如果 DeepMind 不做 Gemini → Google 搜索业务被 ChatGPT 瓦解
如果 Google 搜索被瓦解 → DeepMind 拿不到训练 AlphaFold 下一代所需的算力
如果拿不到算力 → 他一辈子想做的"用 AI 攻克疾病"就做不成

所以他必须先做一件他并不最相信的事（堆大模型），以此换取做他最相信的事（攻克疾病）的资源。

2026年4月访谈中，他说了一句科学家式的表达："关键的能力可能不在这条路的延长线上。"——翻译：这条路走到头，也不是 AGI；我们在错误的山上拼命登顶。

三、物理的天花板：能源跟不上算力¶

算力侧：指数疯狂¶

过去十年最先进模型所用的训练算力大约每三四个月翻一倍——比摩尔定律快七倍。Agent 一旦铺开，单次任务的 token 消耗从几百跳到上万。

能源侧：线性龟速¶

国际能源署2025年报告：到2030年，全球数据中心耗电量将翻倍以上，相当于整个日本的年用电量。美国 PJM 电网（覆盖13个州、6500万人口）在2026年初第一次没能凑齐电力容量，紧急寻找相当于十几座核电站的新增电力。北弗吉尼亚数据中心集群排队时间从两三年拖到六七年。

中国的电力结构更健康，但依然不够¶

2024年中国新增风光装机超过全球其他地区之和
2025年开工的雅鲁藏布江下游水电工程：装机60 GW 级，年发电量超过三峡三倍
但按当前算力几个月翻一倍的节奏，这60 GW 很可能在2033年之前就被几个一线城市的AI集群消化殆尽

核心矛盾：算力需求是指数增长的，能源供给是线性增长的。

一个指数函数和一个线性函数赛跑——指数函数永远会追上线性函数。这不是东西方差距的问题，是数学和物理的问题。

杰文斯悖论¶

单位 token 价格三年降了一千倍，全球总支出反而翻了几倍——总消耗暴涨了几个数量级。每一次推理变便宜，都会打开一整类新的应用场景；每便宜一级，需求就涨十级。

四、代价被谁承担：一条极度不平等的供应链¶

隐性劳动力¶

ChatGPT 的"礼貌"背后：2021-2022年，OpenAI 将最黑暗内容的识别工作外包给肯尼亚内罗毕的 Sama 公司。工人时薪1.3-2美元，OpenAI 支付给 Sama 的合同价是每小时12.5美元。工人每天阅读上百条黑暗内容片段，很多人被诊断出 PTSD。两名前员工向肯尼亚议会请愿，工会代表称之为"比现代奴隶制还糟"。

类似的隐形劳动力军团遍布菲律宾、委内瑞拉、印度、巴基斯坦、乌干马里——这些标注工人训练出来的AI，未来会反过来抹掉他们自己的工作（呼叫中心、翻译、初级客服）。

肯尼亚《国家报》社论标题："我们正在教会 AI，如何让自己的孩子失业。"

水资源¶

百兆瓦级数据中心每天蒸发的淡水相当于一座一万人的小城日用水量。2019年 Google 宣布在智利圣地亚哥建数据中心，每年耗水量相当于当地社区年用水量的一千倍——智利正在经历近千年来最严重的中部干旱。居民打了五年官司，2024年智利环境法庭要求 Google 重新评估，2026年4月原方案正式作废，推倒重来。

乌拉圭：2023年遭遇七十四年来最严重干旱，首都自来水咸到不能喝。居民口号："This is not drought, this is pillage."（这不是干旱，这是抢劫。）

结构性转移¶

一旦代价被全景摊开，奥特曼的故事是讲不下去的。

奥特曼敢说"AGI 造福全人类"，是因为他只把一小部分"全人类"当作人，剩下的那部分被当作生产资料。

今天被转嫁到最弱势地区的代价，明天就会以新的形式转嫁过来：你的孩子可能成为"中产标注工"，你所在的城市可能讨论"数据中心优先用水"还是"居民优先用水"，你的电费账单可能因邻近算力集群而悄悄翻倍。

五、UBI 为什么兜不住¶

第一层：AGI 税的钱从哪里来¶

AI 利润集中在几家公司，这些公司都有极强的跨境避税能力（爱尔兰、新加坡、瑞士、开曼）。在大国地缘竞争格局下，美国政府真的敢对 OpenAI、NVIDIA 这种"国家战略资产"动大刀吗？

第二层：实证结果是什么¶

奥特曼自己投资的 OpenResearch 项目给一千个低收入美国人每月发一千美元、发了三年，2024年公布的结果：短期幸福感有改善，但工作时间下降、储蓄率和长期收入与对照组没有显著差异。

批评者直言："这个实验根本不是 UBI 的测试——因为它根本没有模拟 AGI 假设的大规模失业场景。"

第三层：两极分化会加剧¶

AI 财富会长成一座极陡的金字塔：

顶端：少数模型公司 + 上游芯片 + 超大云厂
中段：少数跨学科顶尖人才
底端：被压到生存线的标注和审核工
最底端：被完全替代又无技能迁移路径的人，靠 UBI 勉强生存

UBI 的真实功能，很可能不是"分享财富"，而是"维持秩序"——让被替代的大多数人有饭吃、不造反，以便顶端的少数继续安心占有 AI 带来的超额利润。

六、一个普通家长的应对：TeachAny¶

背景¶

作者没有教育行业经验，也不会写代码。用 AI 工具（workbuddy + 国产模型）花两周时间做了一套自适应课件工具：

100多门课件，覆盖 K12 新课标和国际课程十来个学科
每一门都是符合教学科学的完整互动课件：ABT叙事结构、三级脚手架、逐选项错因诊断、Canvas仿真、拖拽实验
单节课制作时间：从"不可能做到"压缩到"十几分钟"
完全开源在 GitHub 上，无广告，不收集数据

GitHub: https://github.com/weponusa/teachany 在线浏览: https://weponusa.github.io/teachany/

核心设计理念¶

围绕孩子兴趣搭学习路径（黑洞→天体物理；配方法→几何直觉+代数推导+通用公式）
用故事和游戏化把内容包住（伪装成"玩"，孩子愿意自己往下走）
完全开源，家长和老师可直接拿走改
不适用于每个孩子：只适合保有好奇心、愿意自学、家庭愿意陪伴的孩子（约1-2成）

更可取的路径¶

不是每个家长都得自己搭课件——更可取的路径是： 1. 有能力、有意愿的家长和老师先把路探出来，把工具磨出来，开源出去 2. 少数学校、少数老师开始用 3. 教育主管部门开始鼓励 4. 体制内外形成新的默契：学校承担底座和社会化功能，家庭和个体化工具承担节奏和深度

七、尾声：我们已经回不去了，但我们还有孩子¶

2026年4月，教育部明确规定：义务教育学校严禁设立重点班、快慢班、实验班，全面实施均衡分班、随机分班。

当学校不再替你筛、不再替你分层、"因材施教"这四个字就被悄悄交回到了普通家庭自己手里。

这张牌，第一次，真的被交到了普通家庭自己手里。

关键引用¶

哈萨比斯 2026年4月："我们2010年创立 DeepMind 的时候，设想的是一条用神经科学启发、专业化、一层一层搭上去的路径。现在走的是另一条路。关键的能力可能不在这条路的延长线上。"
Karen Hao《AI帝国》："必须第一，否则灭亡"——把"做"和"不做"的选择权直接拿掉
智利居民："This is not drought, this is pillage."
肯尼亚《国家报》："我们正在教会 AI，如何让自己的孩子失业。"
斯坦福研究员："不要问 AI 如何行善，要问 AI 如何改变了权力格局？"

深度分析¶

洞察一：AGI 叙事是资本与地缘博弈的"叙事锁定"，而非科学必然¶

文章揭示了一个核心观点：当前大模型驱动的 AGI 路线并非技术发展的最优解，而是被恐惧驱动（马斯克）、想象力包装（奥特曼）和纳什均衡（行业被迫跟进）三重力量"锁定"的结果。Karen Hao 在《AI帝国》中指出，OpenAI 的底层逻辑是"必须第一，否则灭亡"——这种逻辑消解了"做与不做"的选择空间。哈萨比斯 2026 年 4 月访谈中也委婉承认："关键的能力可能不在这条路的延长线上。"这表明即使是行业内部最顶尖的科学家，也对当前路径的充分性持保留态度。

洞察二：能源约束是物理层面的刚性天花板，指数与线性赛跑必败¶

文章提出最严峻的结构性矛盾：算力需求每 3-4 个月翻一番（比摩尔定律快七倍），而能源供给只能线性增长。国际能源署 2025 年报告预测，到 2030 年全球数据中心耗电量将翻倍，相当于日本全年用电量；美国 PJM 电网 2026 年初首次出现容量缺口。这意味着 Scaling Law 在物理上存在不可逾越的硬边界——不是东西方差距问题，而是数学与物理的基本约束。即使中国在水电和新能源上具备优势（如雅鲁藏布江 60GW 级工程），按当前增速也可能在 2033 年前被消耗殆尽。

洞察三：成本转嫁机制制造了全球性的"AI 殖民主义"¶

文章深入揭示了 AGI 供应链中的隐性代价转移：OpenAI 支付给肯尼亚 Sama 公司每小时 12.5 美元的合同价，而工人实际时薪仅 1.3-2 美元；Google 智利数据中心每年耗水量是当地社区年用水量的一千倍；乌拉圭居民用"This is not drought, this is pillage"来控诉。这种结构性转移的本质是：先进经济体的 AI 繁荣建立在发展中地区的水资源、廉价劳动力和环境承载力的消耗之上。肯尼亚《国家报》的社论标题精准概括了这一悖论："我们正在教会 AI，如何让自己的孩子失业。"

洞察四：UBI 是维持秩序的工具，而非真正的财富再分配¶

文章对奥特曼投资的 UBI 实验提出了结构性批评：实验对象是 1000 名低收入美国人、每月发放 1000 美元、持续三年——但这根本没有模拟 AGI 假设的大规模失业场景。更关键的是，AI 利润高度集中在少数公司（模型层 + 芯片层 + 云厂商），且这些公司具备极强的跨境避税能力。在地缘政治博弈下，政府难以对"国家战略资产"动刀。因此 UBI 的真实功能可能不是"分享财富"，而是"维持秩序"——让被替代的大多数人勉强生存，以便顶层继续占有 AI 超额利润。

洞察五：教育均衡化政策与 AI 工具开源化形成"个人应对窗口"¶

文章指出了一个值得关注的政策-技术交叉点：2026 年 4 月教育部严禁义务教育学校设立重点班、全面实施均衡分班——这把"因材施教"的责任首次真正交还给普通家庭。与此同时，作者以非教育从业者、非程序员的身份，用 AI 工具两周内开发出覆盖 K12 十多个学科的开源课件工具 TeachAny，证明 AI 赋能个人的路径已经打通。这两条线索交汇暗示：在宏观路径存在系统性问题时，微观层面的主动适应可能比等待顶层设计更为务实。

实践启示¶

投资于孩子的"元技能"而非具体知识：在 AI 能快速掌握知识的时代，持续学习能力、好奇心驱动的探索精神、跨学科整合能力才是真正的竞争优势。TeachAny 的设计逻辑——围绕兴趣构建学习路径——可以作为家庭教育的参考模板。
关注能源与算力基础设施的投资逻辑：算力需求指数增长与能源供给线性增长的矛盾，意味着能源基础设施（特别是清洁能源）将成为 AI 发展的刚性约束。投资组合中可考虑布局新能源、储能、电力基础设施等方向；同时关注哪个地区能率先解决能源-算力匹配问题，哪个地区就可能在 AGI 竞争中占据主动。
用开源工具降低教育不平等的杠杆：TeachAny 的案例说明，AI 工具已经能让非专业人士以极低成本创建高质量教育内容。有能力的家长和教育工作者应优先将优质工具开源，形成"探路-打磨-共享"的正反馈循环，而非各自重复造轮子。
审视 AI 投资中的"道德外包"风险：投资 AI 相关标的时，需关注其供应链是否涉及隐性劳动力剥削（数据标注、内容审核）、水资源过度消耗等负面外部性。ESG 评估中应纳入"AI 供应链伦理"这一新兴维度。
个人发展路径避开"可替代的中层"：文章描绘的 AI 财富金字塔中，中间段（呼叫中心、翻译、初级客服）将首先被替代。个人职业规划应避免走"培养AI更擅长技能"的路径，优先发展 AI 难以替代的跨学科整合、创造性问题提出、深度人际协作等能力。

元数据¶

作者：王鹏，腾讯研究院资深专家
发布时间：2026年5月8日
字数：约10,000字
标签：#AGI #大模型批判 #政治经济学 #能源约束 #供应链 #UBI #教育 #个人应对
推荐阅读：王鹏《AI时代，教育何往？》

→ 原文存档