Amjad Masad 与 Adam D’Angelo：距离 AGI 还有多远？

摘要

• Adam D’Angelo认为，LLM远未触及平台期：推理、代码生成和视频在一年内都取得了巨大进步，围绕计算机使用的质疑以及当下许多批评，再过1-2年应会逐渐消退。 他对AGI的实际门槛定义是软件能力超过普通远程办公者，并预计5年后世界将“非常不同”，且不需要从根本上更换架构。
• Amjad Masad将具备经济效用的“功能性AGI”，与能在任何新环境中高效学习的智能区分开来。 暴力式标注、专家数据和人为设计的RL环境可以自动化许多工作环节，但这种对“大量时间、资金和数据”的依赖，让他怀疑LLM是否会自然扩展到真正的AGI或奇点。
• 廉价数字劳动力可能推动远超4%-5%的经济增长，但部分自动化可能先掏空人力资本供给链。 D’Angelo担心，专家可以管理数百个智能体，而公司停止招聘初级员工；Masad则补充说，专家被替代后，最终可能连继续改进模型所需的数据和专业知识都难以获得。
• 稀缺资产越来越变成训练数据中缺失的部分，由此催生对人类知识、专家标注和可验证RL环境的需求。 D’Angelo认为，AI最终或许能根据给定公理证明每一个定理，却仍然不知道“这家公司20年前是怎么解决这个问题的”，除非有人把这段经验记录下来。
• AI可能同时强化超大规模云厂商，并让更多个人创业者崛起，形成两端扩张的哑铃格局，而不是简单的在位者对创业公司的二元结局。 模型供应商之间的竞争会持续压低应用成本，订阅产品从第一天就能变现，较弱的网络效应也让多个创投级赢家得以出现；与此同时，由创始人控制的在位企业异常有能力穿越颠覆周期持续投资。
• Masad认为，AI辅助软件开发是AI尚未释放的最大机会之一，尽管今天的vibe coding工具距离专业工程仍相去甚远。 他的乐观情景是，未来任何人都能创造过去需要“100名专业软件工程师”才能完成的软件；他也希望研究更具实验性，并减少硅谷“致富驱动”的文化。
• Replit的路线图展示了智能体经济学的方向：更长的自主运行周期、内置验证，以及先让5-10个智能体并行工作，最终可能扩展到数百个。 其进展从Agent V1约2分钟，发展到V2的20分钟、Agent 3宣传中的200分钟，以及用户实际运行超过28小时；Agent 4则瞄准协同开发功能和代码合并。

精读

上游暂未提供，后续同步将继续补齐。