ChatGPT三周年：人工智能竞赛再燃，AGI未来待解

意想不到的是，在ChatGPT迎来三周年之际，没有庆祝和纪念，反而是内部发布的一封红色警报，再次敲响了人工智能竞争的白热化战鼓。在Gemini 3惊艳效果的威胁下，Open AI加速推出了GPT 5.2，通过更多资源，实现了多项指标上的反超。然而，三年间，各大模型间的性能差距和范式差异持续缩小，业界出现了对大模型发展面临天花板的质疑。但很多人依然坚定看好AGI的到来，产业内部争论和分化不断。

站在2025年的尾声，回顾来时之路，从DeepSeek的火热，到GPT4o后吉卜力动画的流行，再到Sora2与山姆奥特曼同框，以及谷歌Nano Banana生图的机器猫讲解。时光仿佛流转，今年的技术似乎已是多年前的流行。

展望2026年，我们感受到对大模型智能瓶颈和投资回报不确定性的焦虑，看到更多的非共识，也看到大家的坚守和信仰，以及有望在多个方向的突围。更多的期待和探索正在扑面而来。

信仰

1. Scalling Law驱动向AGI持续进化

自ChatGPT横空出世以来，业界主流相信只要不断增加算力、扩充数据、堆叠参数，机器的智能就会像物理定律一样增长，直至触达AGI的奇点。然而，随着这两年大模型智能升级逐渐放缓，以及对数据枯竭论等观点的出现，对规模法则的质疑之声越来越大。

伊利亚在播客中表示，规模法则正在接近极限，强化学习虽然消耗巨大算力，但并不能算作真正的扩展。未来的突破将来自更好的学习方式，而不是简单扩展规模。尽管伊利亚的观点有其道理，但在底层架构没有突破性创新、训练方法没有颠覆式变革的背景下，规模法则仍然是一条可行的路径。

11月以来Gemini 3发布后的上佳表现，DeepSeek V3.2的研究，都印证了规模法则在现阶段依然有效。这也给美国轰轰烈烈的AI新基建增添了一份底气。

黄仁勋在接受Bg 2 Pod访谈中提出的AI Scaling Law

数据是当前大模型进化中最迫切的难题。业界正在探索系统性扩数据方法，包括合成数据、推理过程数据、强化学习数据等。希望构建可工程化、可控制、可规模化生产的能力。

未来将是New Scaling Law的时代，它将不仅仅是简单的堆砌算力，而是向数量扩大和质量提升两个方向扩展。加之算力资源的充沛支持，研究员们将有大量资源去探索算法和架构的更多可能优化路径。

2. 多模态的ChatGPT时刻到来，有望推动智能非线性跃升

谷歌Gemini、OpenAI Sora等多模态模型已能很好地总结文字内容，并生成栩栩如生的PPT、播客内容和视频动画。这可以说是迎来了多模态的ChatGPT时刻。多模态技术的进步有可能成为推动AI智能水平出现非线性跃升的关键因素之一。

回顾生物进化史可以发现，智能并不是突然出现的抽象能力，而是伴随着感知与行动系统复杂化逐步涌现的结果。多模态模型的进步有机会改变大模型对世界的理解方式。

5亿多年前的寒武纪，“眼睛”器官开始出现，动物进化速度大幅提升

长期以来，大语言模型主要在文本空间中学习世界。尽管这种方式已经展现出惊人的语言推理与知识整合能力，但它始终面对一个根本性限制：模型所接触的世界是经过人类过滤、描述和重构的二手世界。

多模态模型的进步有机会改变这一前提。图像、视频、语音等模态是对世界状态的直接投射。这些信息在文本中难以被完整表达，却在多模态数据中以被动但强制的方式存在。

3. 研究探索在底层架构和学习范式等领域多点开花

对大模型行业来说，研究驱动一直是核心的范式。大量的实验在研发中必不可少。预计新的一年在底层架构、训练范式、评测方法等领域都将诞生更多突破性成果。

全球涌现了一批非共识且极具技术个性的实验室。包括伊利亚主打安全的SSI、原OpenAI CTO Mira建立的Thinking Machines Lab等。这些实验室在大模型的不同方向上不断探索和创新。

大模型评测体系框架示意

4. 仿真数据将在物理AI上大放异彩

在早中期研发中，仿真数据将成为绝对主流。仿真能以极低成本提供覆盖长尾的多模态经验，支撑策略成型、泛化训练与系统评测等。

需要真机数据的重点领域示意

5. AI4S有望出现变革行业的新突破

过去几年，AI for Science最具象征意义的成果无疑是AlphaFold。然而，一个普遍的质疑也随之而来：这些突破离产业仍然太远。但从科研前沿、产业实践和国家政策三条线索同时观察，一个清晰的信号正在浮现：AI for Science正在从模型驱动的学术突破转向系统工程化的科研生产力。

突围

1. 模应一体推动AI网络效应，智联网雏形初显

尽管AI的智能突飞猛进，但类似移动互联网时代的网络效应始终没有真正出现。模型与应用一体化是可能的破局点。当模型开始拥有稳定身份、长期记忆时，AI才第一次具备了成为平台的能力。

2. 迈入个性化软件的新时代

当AI Coding逼近普适生产力之后，软件将变成高度个性化、情境化、即时化的工具形态。编程供给侧的充裕将彻底激活需求侧的长尾市场。

3. 行业落地从探索试错到性价比和ROI验证

过去两年，AI在各行业的落地经历了一次明显的阶段跃迁。企业和投资人对AI的关注点正在从技术是否先进转向是否真正创造了可衡量的业务价值。

4. AI眼镜有望迎来千万台终端的临界点

随着Meta Ray-Ban等头部产品的销量激增，权威机构预测2026年单品牌有望冲击1000万台出货量。这不仅意味着硬件形态的成熟，更预示着继PC、手机之后有望迎来第三次计算平台的迁徙。

5. AI安全和负责任成为模型研发和应用必选项

AI能力的提升以及AGI目标的日益逼近让安全成为更多人关注的重点。在此背景下AI安全技术的研发和相关规则的建立就显得更为重要。