AGI 相关 AI 资讯 · AITOP

7月11日

22:40

22:40IT之家（博客/媒体）

73°

智谱创始人唐杰在内部信中宣布开启“Touch High（摸高）计划”，未来两年将聚焦AGI研究而非短期商业变现。核心攻坚方向包括长程任务、自治智能体系统、自我进化与极致安全治理，其中极致安全治理计划投入百亿级资源攻坚机械可解释性。唐杰引用Google DeepMind报告观点，认为AGI到ASI的演进不可逆转。

行业智谱唐杰 AGI

推荐理由：智谱不走寻常路，别人忙着变现，它专注AGI。四大攻坚方向加百亿级资源砸可解释性，挺硬核的，想了解AI前沿战略可以看看。

原文

7月10日

23:49

23:49IT之家（博客/媒体）

SK海力士今日在纳斯达克挂牌交易其ADR。会长崔泰源表示，AI时代内存行业进入结构性增长，需求不再由人口或PC销量驱动，而是AI智能体、KV Cache和数据中心。SK海力士计划未来五年将产能翻倍，但客户认为仍不够，部分客户需求是当前供应量的5到6倍。崔泰源预测大规模内存需求将持续到AGI普及。

行业 SK海力士 SK集团内存芯片

推荐理由：SK海力士会长亲自放话：AI让内存需求暴增，产能翻倍还差得远，客户要的量是现在的五六倍，想了解芯片风向必看。

原文

19:59

19:59IT之家（博客/媒体）

MiniMax于7月10日公告拟融资约160亿港元（约138.83亿元人民币），其中80%资金（约127.66亿港元）将用于AI基础设施及大模型研发。公司还计划将10%资金用于AI产品Harness的全球商业化。CEO闫俊杰宣布，在实现AGI前不会领取任何薪酬，并拿出个人名下4%股份激励团队、1%股份设立开源社区基金。

行业 MiniMax 融资 AGI

推荐理由：MiniMax融了160亿港元，CEO直接不领工资，还掏出5%股份分给团队和开源社区，这决心够大。

原文

7月9日

11:48

AI Will@FinanceYF5

72°

Google DeepMind发表论文分析从AGI到ASI的跃迁路径，提出四种可能：继续扩大计算资源和数据规模、替换Transformer架构、AI驱动的递归自我改进、以及多专业Agent协同形成超级群体智能。论文判断ASI大概率不是瞬间突破，而是一连串越来越快的迭代。该研究为AI长期发展提供了系统框架。

论文 DeepMind AGI ASI

推荐理由：DeepMind这篇论文把AGI到ASI的路数讲清楚了，四条路径，挺有启发的，值得看看他们的判断。

原文

11:47

AI Will@FinanceYF5

精选

Google DeepMind发布论文《From AGI to ASI》，提出从AGI到ASI的四种技术路径：持续扩展算力/模型规模/数据/测试时推理、算法范式转变、递归自我改进、多智能体集体智能。论文指出递归改进是最不确定的路径，因为AI加速AI研究可能遇到真实测试、稀缺硬件或新想法瓶颈。多智能体集体被作者视为最被低估的路径，通过专业化、速度和协调可超越单个模型。ASI可能不是单一事件，而是AI帮助创造更好AI和科学工具带来的加速链。

论文 Google DeepMind AGI ASI

推荐理由：Google DeepMind这篇论文把AGI到ASI的四种路径拆解得明明白白，递归改进和多智能体集体两条线特别值得关注。

原文

7月7日

15:57

Marc Andreessen@pmarca

Marc Andreessen 在推特上引用观点，认为 DeepSeek 的模型 Fable 在给定足够测试时计算（test time compute）的情况下，可能能够完成任意人类知识工作者的任务。它可以通过生成子代理（subagents）、运行RLM环境等方式实现。该观点称Fable是“智能完备”（Intelligence-Complete）的。目前该推文获得75个点赞和约24k阅读量。

AI模型 DeepSeek Fable AGI

推荐理由：Marc Andreessen 直接评价说 DeepSeek 的 Fable 可能已经接近 AGI 的门槛，这个判断来自顶级投资人，值得关注。

原文

7月5日

02:40

官方账号Yann LeCun@ylecun

Yann LeCun在推文中直言，至今没有Level-5自动驾驶汽车，更没有能在几小时练习中学会驾驶的汽车，而普通青少年可以做到。他指出，现有家用机器人无法执行10岁孩子首次被要求完成的任务。他甚至评价，没有机器人比家猫更聪明，因此AGI中的'通用'（General）是荒谬的。

行业 Yann LeCun 自动驾驶 AGI

推荐理由：Yann LeCun又出来泼冷水了，他说现在的自动驾驶和机器人连猫和小孩都比不上，AGI更是扯淡。想看看AI大佬怎么吐槽现状吗？

原文

7月4日

10:33

Gary Marcus@GaryMarcus

Hamel Husain指出当前AI领域存在两种矛盾叙事：一是认为AI已强大到一人可顶20人，只需学会使用Claude；二是公司投入数十亿美元雇佣前部署工程师帮助企业实施AI，因为自行操作仍耗时费力。作者更倾向第一种叙事，但认为两者相互矛盾。Gary Marcus评论称，若真有AGI，根本不需要前部署工程师。

行业 Claude AGI 前部署工程师

推荐理由：两条AI叙事自相矛盾，一边说会用Claude就能干20人活，一边砸几十亿雇人帮你落地，值得琢磨。

原文

7月2日

18:05

官方一手pandaily@contact@pandaily.com (Pandaily)

智谱AI和银河通用作为北京AI双子星，分别在数字智能和具身机器人赛道推进AGI。智谱AI的GLM-4模型在多个基准测试中表现领先，银河通用的通用机器人产品已进入商业试点。两家公司均获得数十亿元融资，估值超过百亿美元。它们的技术路线互补，共同加速从实验室到万亿市场的跨越。

行业 Zhipu AI Galaxy General AGI

推荐理由：看看国内AI双雄怎么从同一个实验室出发，一个做强模型，一个做真机器人，路子走得挺实在。

原文

7月1日

16:07

官方一手pandaily@contact@pandaily.com (Pandaily)

88°

DeepSeek完成70亿美元融资，这是中国AI领域单轮最大融资。资金将用于采购国产AI芯片、扩大团队至5000人，并加速通用人工智能（AGI）研发。该公司计划在2027年前建成10万卡国产算力集群。

行业 DeepSeek 融资国产芯片

推荐理由：DeepSeek拿了大钱要搞国产芯片和AGI，这轮融资70亿美元是历史级别的，值得关注。

原文

6月27日

11:20

Latent.Space@latentspacepod

OpenAI首席研究官Mark Chen在播客中讨论了AGI距离，认为模型正越来越接近自主创新。他重申扩展定律和预训练仍然关键，并透露OpenAI如何分配算力。他还指出评估基准正面临危机，模型需提升长周期任务与多模态推理能力。

行业 OpenAI Mark Chen AGI

事件专题

推荐理由：OpenAI内部的人聊AGI有多远，还讲了评估危机和长周期学习，干货不少。

原文

6月18日

07:42

Gary Marcus@GaryMarcus

Google DeepMind、滑铁卢大学、ANU 和 UCL 联合发表新论文，提出 AGI 能力层级定义，包括“胜任型 AGI”（competent AGI）、“专家级 AGI”和“超人级 AGI”。论文指出当前连最低层级的“胜任型 AGI”都未达成，更不用说更高级别。Gary Marcus 公开表示完全赞同该结论，认为所有声称 AGI 已实现的说法只是营销。

论文 Gary Marcus Google DeepMind AGI

推荐理由：别被吹牛忽悠了。这篇论文给了你一个硬核标尺：DeepMind 等机构说连最低门槛的胜任型 AGI 都没到，真相比营销更靠谱。

原文

6月14日

21:54

21:54IT之家（博客/媒体）

微软CEO萨蒂亚·纳德拉在《纽约时报》Hard Fork播客中表示，AI发展可能导致部分岗位被取代，但能带来更多机遇。他批评当前行业用AI仅为跟风，而非创造实际价值，强调Token边际成本必须匹配实际价值，前沿模型不应解决非前沿问题。纳德拉认为AGI并非人类最后一项技术发明，编程等闭环任务进展大，但AI需构建整个经济体系都能用的生态系统。

行业微软纳德拉 AGI

推荐理由：纳德拉谈AI泡沫与AGI边界

原文

11:52

小互@imxiaohu

该视频中，一位前OpenAI员工分享了他离开公司的原因，包括对AI安全方向的担忧以及公司内部文化的变化。他提到OpenAI从非营利转向商业化的过程中，优先考虑产品发布速度而非安全研究。视频还讨论了AGI发展路径上的分歧，以及他个人对AI风险的不同看法。

行业 OpenAI AI安全 AGI

事件专题

推荐理由：前员工亲述离开OpenAI内幕

原文

6月13日

19:28

官方一手Pandaily@contact@pandaily.com (Pandaily)

精选

2026年第八届北京智源大会上,图灵奖得主Whitfield Diffie和Andrew Barto发表主题演讲,指出当前通往人工通用智能(AGI)存在根本性的理论挑战。Diffie强调了密码学与AI安全的关联,Barto聚焦强化学习理论在AGI中的局限性。两位学者认为,现有计算理论尚不足以支撑通用智能的实现,需探索新的理论框架。

行业图灵奖 AGI 北京智源大会

推荐理由：图灵奖得主直指AGI理论短板

原文

18:22

Thomas Wolf@Thom_Wolf

Thom Wolf在推文中指出，开源模型在AGI时代将成为文明韧性的关键组成部分。他认为，无论任何个体行为者如何决策，开源模型都能确保人类保留对有意义智能水平的访问权。这一观点强调了开源AI在分散控制权和保障集体利益方面的重要性。

行业开源模型 AGI 文明韧性

推荐理由：开源模型保障AGI时代人类智能

原文

10:52

rohanpaul_ai@rohanpaul_ai

精选

Google DeepMind 发布论文《From AGI to ASI》，探讨从通用人工智能（AGI）到超级人工智能（ASI）的四种可能路径：持续扩展计算与模型规模、算法范式突破（超越 Transformer）、递归自我改进（AI 加速 AI 研发）、多智能体集体智能。论文指出，扩展路径可能受限于数据、计算和能源瓶颈；递归改进最不确定，因需真实世界测试和稀缺硬件；多智能体集体智能最被低估，通过专业化与协调可超越单一模型。ASI 可能不是单一事件，而是 AI 辅助创造更好 AI 的加速链。

论文 Google DeepMind AGI ASI

推荐理由：DeepMind 分析 AGI 到 ASI 的四种路线

原文

6月12日

13:02

官方账号ARC Prize@arcprize

精选

Arc Prize联合创始人Francois Chollet与Polynoamial讨论AI领域对推理计算（inference compute）的普遍低估。他们认为，推理计算（模型在推理时消耗的计算资源）可能比训练计算更关键，是通往AGI的隐藏力量。同时，他们探讨了是否存在新的AGI测试方法，以及缺乏计算资源的学术界如何在AI竞争中保持竞争力。这场对话挑战了当前以训练规模为中心的AI发展范式。

行业推理计算 AGI 学术界

推荐理由：Chollet的洞见挑战了AI界对训练算力的迷信，做AI研究或关注AGI进展的开发者值得一看，可能会重新思考你的算力分配策略。

原文

11:51

官方账号Epoch AI@EpochAIResearch

Epoch AI Research 在 X 上发布了一条关于 AGI 收益分配方案的讨论。根据@pawtrammell和@ansonwhho的观点，目前主流的 AGI 后普遍再分配方案主要区别在于：给予公民对资本的直接控制权程度。该讨论旨在帮助人们思考如何公平分享 AGI 带来的巨大收益，涉及经济、社会和政治层面的深远影响。

行业 AGI 收益分配资本控制

推荐理由：AGI 收益分配是未来社会绕不开的核心议题，关注 AI 治理和公共政策的读者值得深入思考，看完会对不同方案的利弊有更清晰的认识。

原文

6月11日

17:59

AI Will@FinanceYF5

Claude 在波音 747 基准测试中表现出色，被部分观察者认为已达到 AGI（通用人工智能）水平。该基准测试通常用于评估 AI 在复杂工程任务上的能力，Claude 的表现引发了广泛讨论。这一进展表明 AI 在特定领域的能力可能已接近或超越人类专家。

AI模型 Claude AGI 基准测试

推荐理由：关注 AI 能力边界的读者会感兴趣——Claude 在工程基准上的突破可能重新定义 AGI 的标准，值得点开看看具体测试细节。

原文

6月10日

14:51

AI Will@FinanceYF5

83°

开发者 Victor Taelin 在优化 HVM5 交互网求值器时，让 Claude 的 Fable 模型在 2 小时内实现了最高 1770%（17 倍）的性能提升，远超他本人、Opus 4.8 以及一群 GPT-5.5 智能体的优化效果。Fable 不仅找到了一个高影响力的优化点（动态模式匹配节点的垃圾回收），还主动指出开发者自己代码中的一个隐蔽 bug，导致变量指针位被误用。Taelin 表示这让他既惊讶又担忧，认为世界正在改变，并呼吁关注 AI 带来的不平等问题。

AI模型 Claude Fable HVM5

推荐理由：这个案例展示了 AI 不仅能优化代码，还能发现人类开发者自己都没意识到的 bug，做高性能计算或编译器优化的开发者看完会重新评估 AI 的能力边界。

原文

04:44

Justine Moore@venturetwins

83°

Anthropic 发布了 Claude Fable 5，这是一款 Mythos 级别的模型，其能力超越了此前所有公开发布的模型。该模型被设计为安全可用，适用于一般场景。推文作者表示自己被 AGI 的进步所震撼，暗示 Fable 5 在智能水平上有了显著跃升。目前该模型已引起广泛关注，相关推文获得大量互动。

AI模型 Claude Fable 5 Mythos 级模型

事件专题

推荐理由：AI 开发者或研究者不容错过——Claude Fable 5 代表了当前可用的最强模型之一，想了解 AGI 最新进展的建议点开看看。

原文

6月9日

10:57

rohanpaul_ai@rohanpaul_ai

72°

一篇来自中美顶级实验室的111页综述论文提出，AGI的关键不在于模型回答得更好，而在于智能体能否主动探索未知。论文定义了“认知探索”概念，即智能体应主动减少不确定性，在能力边界附近学习，并保持未来路径的开放性。探索不是随机行为，而是有纪律地询问哪些观察会改变信念、哪些尝试能提升技能。论文将AI进展分为5个层级：响应者、推理者、智能体、探索者和生态系统，每个层级探索更广阔的空间。

论文 AGI 智能体探索

推荐理由：这篇论文重新定义了AGI的评判标准——从“回答能力”转向“探索能力”，做智能体研究的团队值得仔细读，它可能改变你对AI发展路径的理解。

原文

06:17

官方账号Greg Brockman@gdb

OpenAI 在官方博客及 X 平台发布了其当前正在推进的核心目标，旨在随着 AI 进步扩大人类自主性。这些目标围绕实现 OpenAI 的使命——确保通用人工智能（AGI）造福全人类——展开。具体内容涉及构建更强大、更安全的 AI 系统，并赋予人类更多控制权。此举反映了 OpenAI 对 AGI 发展路径的持续规划，以及对人类与 AI 协同进化的重视。

行业 OpenAI AGI 人类自主性

事件专题

推荐理由：OpenAI 首次系统披露其 AGI 路线图中的阶段性目标，关注 AI 治理与人类自主性的从业者、政策研究者值得细读，能提前把握行业风向。

原文

05:49

rohanpaul_ai@rohanpaul_ai

83°

Sam Altman 发布新博文，阐述 OpenAI 未来路径，目标到 2028 年 3 月前让 AI 完成公司相当一部分研究工作。路径包含三大目标：构建自动化 AI 研究员、利用其加速科学和生产力、为每个人提供个性化 AGI 助手。该助手将覆盖工作、学习、编程、商业、健康文书和决策等场景。这标志着 OpenAI 从当前模型向真正通用人工智能迈进的战略蓝图。

行业 OpenAI AGI AI 研究员

事件专题

推荐理由：Altman 首次给出明确时间线——2028 年 AI 自主研究，做 AI 战略或关注 AGI 进程的从业者值得一读，看完会对未来三年行业走向有更清晰判断。

原文

04:59

04:59官方一手OpenAI Blog（博客/媒体）

OpenAI 发布了一项旨在确保通用人工智能（AGI）惠及所有人的计划，核心围绕三大支柱：广泛访问、安全保障和共享繁荣。该计划强调通过降低使用门槛、加强安全研究以及推动经济包容性，让 AI 技术不仅服务于少数群体，而是造福全人类。OpenAI 认为，AGI 的发展必须伴随负责任的治理和公平的利益分配，以避免技术鸿沟加剧。这一愿景反映了公司对 AI 伦理和社会责任的重视，也为行业树立了普惠发展的标杆。

行业 OpenAI AGI AI 安全

事件专题

推荐理由：OpenAI 首次系统阐述 AGI 普惠路线图，关注 AI 公平性的政策制定者、伦理研究者和社会创新者值得细读——这可能是未来 AI 治理框架的雏形。

原文

04:40

04:40官方一手OpenAI: 官网动态（博客/媒体）

OpenAI 发布了一篇题为“Built for broad benefit”的文章，阐述了其关于通用人工智能（AGI）未来的愿景。文章强调，OpenAI 致力于确保 AGI 能够惠及所有人，而非少数群体。核心关注点包括：广泛访问（让更多人能使用 AI 技术）、安全性（确保 AI 发展可控且符合人类价值观）以及共享繁荣（让 AI 带来的经济和社会效益得到公平分配）。这标志着 OpenAI 在追求 AGI 的过程中，将社会责任和公共利益置于核心位置。

行业 OpenAI AGI AI 安全

事件专题

推荐理由：OpenAI 首次如此明确地将“普惠”与“安全”并列作为 AGI 发展的核心原则，关注 AI 社会影响的从业者、政策制定者和普通用户都值得一读，了解这家头部公司如何平衡技术野心与公共责任。

原文

01:03

Gary Marcus@GaryMarcus

精选

Gary Marcus 在 X 上反驳 Google 联合创始人 Sergey Brin 的观点，Brin 认为 Transformer 架构本身足以实现 AGI。Marcus 指出，当前没有任何团队单独使用 Transformer，而是结合工具、约束和神经符号 AI 架构。他认为 Transformer 可能是 AGI 的必要条件，但绝非充分条件，这正是神经符号 AI 兴起的原因。

行业 AGI Transformer 神经符号 AI

推荐理由：AGI 路线争论升级，做 AI 架构和研究的开发者值得关注——Transformer 的边界在哪、神经符号 AI 为何崛起，看完会有启发。

原文

6月8日

19:05

AI Will@FinanceYF5

Google DeepMind 联合创始人兼 CEO Demis Hassabis 在斯坦福商学院访谈中表示，AGI（通用人工智能）可能在 2030 年左右到来，社会没有太多时间准备。他认为人类正站在奇点的山脚下，未来几年将决定走向。评论指出，真正的挑战不在于 AGI 何时精确到来，而在于现有制度能否适应——学校、企业、政府等人类系统反应速度远慢于技术变革速度，可能形成危险的时间差。

行业 AGI Demis Hassabis Google DeepMind

推荐理由：Hassabis 的 AGI 时间线预测给所有关注 AI 长期影响的人敲响警钟——做政策研究、战略规划或技术伦理的团队，建议认真思考这个时间差带来的风险。

原文

16:16

AI Will@FinanceYF5

83°

前OpenAI CTO Mira Murati在离开OpenAI后首次接受广泛采访，分享了她在AGI初创公司Think Machines Lab的愿景。她描绘了一个人类与AI更紧密协作的未来，比喻为“双人自行车”，强调随着机器能力增强，人类不应被排除在循环之外。Murati的访谈通过Bloomberg Live播出，引发业界关注。

行业 AGI 人机协作 Mira Murati

事件专题

推荐理由：Mira Murati首次公开分享离开OpenAI后的创业方向，对关注AGI发展、人机协作模式的从业者和研究者来说，她的观点值得细读。

原文

16:01

AI Will@FinanceYF5

88°

前 OpenAI 首席技术官 Mira Murati 在离开 OpenAI 后首次接受全面采访，详细披露了她正在打造的 AGI 初创公司 Thinking Machines 实验室的项目。她阐述了对未来人机协作的愿景，强调人类不会被排除在决策循环之外，而是与 AI 更紧密地协作，如同“双人自行车”一般。这次采访首次公开了她在 AGI 领域的最新探索方向，引发了行业广泛关注。

AI产品 AGI Thinking Machines 实验室 Mira Murati

事件专题

推荐理由：Mira Murati 首次公开她的 AGI 新项目，关注 AI 协作模式的从业者可以从中看到未来人机关系的新思路，值得点开了解。

原文

10:45

AI Will@FinanceYF5

Gabriel，一位高中辍学生，曾参与Midjourney和Sora的开发，现已从OpenAI离职。他宣布要在AGI到来之前打造最后一个产品，并表达了对前同事的信任与不舍。这一消息引发了对AGI时代前个人创业浪潮的关注。Gabriel的履历显示他曾在多个前沿AI项目中有重要贡献，此次创业方向尚未公开，但已引起业界期待。

行业 AGI 创业 OpenAI

事件专题

推荐理由：Gabriel的离职和宣言意味着AGI前夜又一位核心人才选择独立创业，关注AI前沿动态的读者值得留意他接下来的产品方向，可能会影响多模态或生成式AI的下一波创新。

原文

06:22

rohanpaul_ai@rohanpaul_ai

72°

Google DeepMind 联合创始人兼 CEO Demis Hassabis 在最新访谈中表示，AGI（通用人工智能）可能在 2030 年左右到来，误差不超过一年。他认为社会需要意识到这一时间紧迫性，因为人类正站在奇点的山脚。评论指出，真正的挑战不在于 AGI 何时精确到来，而在于现有体制（教育、企业、政府）能否适应技术变革的速度——学校仍为稳定职业培养人才，企业围绕人类瓶颈组织工作，政府则在危害显现后才监管。如果 AGI 按前沿实验室的时间表到来，这种滞后将形成危险鸿沟。

行业 AGI Demis Hassabis Google DeepMind

推荐理由：Hassabis 给出了 AGI 最具体的时间预测（2030±1年），做 AI 战略、政策研究或技术投资的人值得关注——这不仅是技术判断，更是对现有体制适应能力的拷问。

原文

6月6日

10:44

andrew chen@andrewchen

Andrew Chen 分享了一篇1999年的文章，指出雷·库兹韦尔（Ray Kurzweil）早在当时就预测通用人工智能（AGI）将在2050年前实现。他的预测基于摩尔定律与大脑神经元数量的简单外推，远在Transformer和现代AI出现之前。这篇约2小时的简短回顾提醒人们，库兹韦尔的远见卓识令人惊叹。

行业 AGI Kurzweil 摩尔定律

推荐理由：对AI历史与未来趋势感兴趣的读者，这篇20年前的预测会让你重新审视技术发展的速度，值得花2小时重温。

原文

6月5日

11:27

11:27IT之家（博客/媒体）

在2026腾讯云AI产业应用大会上，腾讯集团高级执行副总裁汤道生回应外界“腾讯慢了”的批评，承认不同业务线速度不一，但表示对龙虾热潮反应较快。腾讯首席AI科学家姚顺雨指出，AI下半场应在中国建立长期AGI组织，重点聚焦三方向：夯实预训练与后训练等技术底座、将基础技术转化为实际产品、探索新研究范式与机会。大会还设有多个专场和产品发布环节。

行业腾讯 AI战略 AGI

推荐理由：腾讯高层罕见公开回应“慢”的批评，并明确AI下半场战略方向，关注腾讯生态或AGI发展的从业者值得一读，了解其技术布局与产品化思路。

原文

08:51

Gary Marcus@GaryMarcus

精选

Gary Marcus 对 Anthropic 关于递归自我改进（RSI）的博客提出关键批评。他指出，博客中展示的成果属于 RSI（AI 作为人类可用的编码工具），而非 AGI（能自主完成人类所有工作的机器）。Marcus 强调，这些结果来自神经符号系统（如 Mythos 和 Claude Code），并非纯规模扩展的胜利，而是工具和符号系统的胜利。他认为，深度学习确实遇到了瓶颈，神经符号 AI 拯救了它，而实现 AGI 需要新思路，而非仅靠代码优化。因此，我们不必过度恐慌。

行业 AGI RSI 神经符号系统

事件专题

推荐理由：Gary Marcus 一针见血地拆解了 Anthropic 博客的过度乐观，做 AI 研究的团队和关注 AGI 进展的读者值得一看，避免被标题误导。

原文

07:22

Gary Marcus@GaryMarcus

Gary Marcus 批评 AI 行业对 AGI 的定义在实时变化，从“能做任何人类专家能做的事”逐渐缩水。他引用 Databricks CEO Ali Ghodsi 在 Bloomberg TV 上的言论——Ghodsi 声称“我们已经有了 AGI”，并认为 AI 不需要更聪明，只是缺乏上下文。Marcus 称这种现象为“AI 诱饵调包”，即用宏大承诺吸引关注，最终交付的却是不可靠但有趣的工具。他呼吁警惕这种定义漂移，认为它模糊了真正的进展与营销话术的界限。

行业 AGI 定义漂移 AI 炒作

推荐理由：Gary Marcus 戳破了 AGI 定义不断缩水的现象，关注 AI 行业真实进展的人看完会重新审视“AGI 已实现”这类说法。

原文

6月4日

08:10

Latent.Space@latentspacepod

精选72°

Axiom Math AI 创始人兼 CEO Carina Hong 在播客中解释，数学验证可能是从代码智能体迈向 AGI 的关键。她认为，通过 Lean 等形式化证明工具，可以将推理转化为更强的奖励信号，从而扩展 AI 的“聪明”而非仅仅修复幻觉。Axiom 将市场定位为所有 AI 生成的代码，并强调未来 AI 的瓶颈可能不是生成，而是验证。该方法还能以自验证方式证明研究猜想。

AI模型 Axiom 数学验证 AGI

推荐理由：数学验证正在成为 AI 推理的下一个突破口，做代码智能体或形式化验证的开发者值得关注——这可能是从“生成”到“验证”的范式转变。

原文

6月3日

20:37

rohanpaul_ai@rohanpaul_ai

OpenAI首席财务官Sarah Friar在最新采访中披露了不同层级用户的使用模式：免费用户每天平均提问7次，付费用户（Plus，20美元/月）约15次，Plus用户约21次，Pro用户（200美元/月）约77次，是免费用户的11倍。她还重申OpenAI的使命是让AGI惠及全人类，而非仅限能付费或企业用户。这些数据揭示了用户粘性与付费意愿的关联，也反映了OpenAI在商业化与普惠之间的平衡策略。

行业 OpenAI 用户行为定价策略

事件专题

推荐理由：做AI产品运营或定价策略的人，可以从这些使用数据中看到用户分层与付费转化规律，值得参考。

原文

6月1日

07:59

rohanpaul_ai@rohanpaul_ai

Sam Altman 在 TreeHacks 访谈中回顾了 2014 年 OpenAI 创立初期的艰难处境。当时业界普遍认为 AGI 还需 100 年，OpenAI 的愿景被资深人士斥为“疯狂”和“骗局”。Altman 表示，他们选择押注“扩展深度学习”这一当时不受欢迎的方向，坚信增加算力能带来更好结果。尽管当时尚未发现 scaling laws 的精确规律，但团队决定全力推进。这段历史揭示了 OpenAI 早期信念与主流认知的巨大差距。

行业 OpenAI Sam Altman AGI

事件专题

推荐理由：这段历史对 AI 从业者很有启发——当主流共识说“不可能”时，OpenAI 选择了逆势押注 scaling。做 AI 研究或创业的人看完会重新思考“共识”与“创新”的关系。

原文