NUS尤洋教授深度探讨智能增长的瓶颈：或许我们将这样实现AGI？

机器之心发布 2026 年即将到来，AI 的发展也已经进入了一个新的阶段：我们已经取得了惊人成就，却同时面临进一步增长的瓶颈。 新加坡国立大学（NUS）的尤洋教授近期发表了一篇深度分析：《 智能 增 长的瓶颈 》。 原文链接： https://zhuanlan.zhihu.com/p/1989100535295538013 在这篇分析文章中，尤洋教授从技术本质出发，直指智能增长的核心矛盾，为我们揭示了 AGI（通用人工智能）的可能路径。 观点速览 ✅ 智能增长的本质不是架构变革，而是算力如何转化为智能 ：AI 的核心智能来自于预训练及其 Loss 结构（例如 GPT 的 Next-Token Prediction）。这些机制更像 是把算力转化为智能的方法，而非智能本身。 ✅ 现有智能增长遇到瓶颈的根源 ：当前范式（Transformer + 超大算力）在面对进一步增长时， 难以充分消化不断增长的算力资源，这导致了所谓 "预训练红利递 减"。 ✅ 算力并不是无限扩展就能解决问题 ：即使算力指数级增长，如果现有算法无法有效利用这些计算资源，智能提升仍将受限。 ✅ 未来方向不在于工程优化，而是底层范式突破 ：文章探 ...