Demis Hassabis发了篇文章题目很大——《面向前沿AI的框架和新纪元的黎明》。翻了下原文核心观点其实就一句话通用人工智能AGI可能在未来几年内实现人类正站在一个关键节点上。这篇文章阅读量冲到了1455万。说实话看到这个数字我没太吃惊—Hassabis这个人对技术趋势的判断力是有目共睹的从AlphaGo到AlphaFolddeepmind几次大的技术突破都踩中了时间点。但问题在于AGI几年内到来这种判断到底是有依据的预测还是科技领袖惯用的愿景式表态Hassabis说的框架到底是什么文章里提出了一个分析框架用来判断前沿AI的发展阶段。具体内容没有公开太多细节但核心思路是把AI能力的演进分成几个阶段然后用这个框架来判断当前所处的位置。从公开信息来看Hassabis认为当前AI发展的几个信号值得注意模型能力正在从单一任务向通用任务扩展推理能力在持续提升AI系统的自主性在增强。而这些变化的速度——怎么说呢——比大多数人预想的要快。一个有意思的细节是Hassabis特别强调了安全和治理在AGI发展中的角色。这和他之前参与创办DeepMind时的思路一脉相承。他认为如果AGI真的在未来几年到来那现在就必须开始建立相应的治理框架而不是等技术成熟了再补课。真正的问题在于几年有多长盯着那个对比图看了好一会——历史上对AI发展阶段的预测准确率其实相当低。2015年的时候主流观点认为AGI至少还要50年到了2023年这个数字变成了10-20年而现在Hassabis说几年。我觉得这里有一个核心矛盾当我们讨论AGI时到底在讨论什么如果AGI的定义是在所有认知任务上达到或超过人类水平那确实还差得远。但如果AGI的定义是在大多数经济价值高的任务上超过人类那可能已经接近了。这也是Hassabis的框架里没有明确回答的问题。他的文章更多的是在呼吁一个讨论框架而不是给出一个精确的时间表。对开发者来说这个讨论其实有一个更实际的切入点。不管AGI几年后到来当前AI能力的发展方向已经在影响工程决策——API调用成本在下降模型能力在提升越来越多的业务逻辑可以用AI调用来替代传统代码实现。一个做后端的朋友跟我说他们团队今年已经把三个过去用规则引擎实现的模块换成了LLM调用维护成本反而降了。AGI讨论对工程实践意味着什么回到工程视角。Hassabis这篇文章发布后Hacker News上的讨论其实比文章本身更有意思。好多人关心的不是AGI什么时候来而是当前模型的能力边界在哪里——它靠谱吗它什么时候会胡说八道我怎么在代码里优雅地处理模型输出不稳定的情况这里容易被忽略的是AGI讨论带动的另一个趋势是AI基础设施的加速建设。不管AGI是3年还是10年到来训练更大模型所需的算力、数据、能源供给以及部署这些模型所需的推理基础设施都在被提前布局。NVIDIA的芯片订单已经排到了2028年数据中心建设的投资在过去一年翻了一倍多。举个小众但实际的例子我注意到很多公司在面试SRE岗位时已经加上了了解AI推理服务的运维经验这个要求。一个运维同学跟我说他们现在处理最多的不是常规的服务告警而是模型输出的异常抖动——推理服务的监控指标和传统Web服务的完全不同。翻了下原文评论区看到有人提了一个很实在的问题如果未来AGI真的到来现在的基础设施数据中心、网络带宽、能源供给够不够支撑这个问题的答案其实不太乐观。目前全球AI训练所需的算力每18个月翻一番而数据中心的建设周期至少要3-5年。说白了就算算法一夜之间达到了AGI水平物理世界的建设速度也跟不上。说实话Hassabis的文章可能不会直接改变你明天写的代码。但它提醒了一件事技术变革的速度可能比你想象的要快。当AGI还是一个学术讨论话题时你可以不关心。但当它进入几年内的讨论范畴时基础设施层的准备工作已经开始了——不管这个时间表准不准。关于维基框架维基框架关注企业应用开发中的长期维护问题。在实际项目中业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素因此我们希望提供一套更容易扩展和维护的基础框架。官网framewiki.comGiteegitee.com/wiki-frameworkGitHubgithub.com/wiki-framework示例项目gitee.com/cdkjframework/framewiki-example 许可证MulanPSL-2.0木兰宽松许可证第2版