当华尔街和硅谷齐在谋略 AI 能替代些许东谈主类劳能源时，正式独创东谈主陈天桥建议了一个反直观的买卖瞻念察：东谈主类时髦的飞跃，从来不是靠把旧职责作念得更快，而是靠发现前所未有的新法例 。
目下主流的 AGI 界说带有热烈的"功能方针"色调—— OpenAI 将其界说为在经济价值职责上卓绝东谈主类的系统 。但陈天桥觉得，这是一种短视。要是 AI 仅仅师法东谈主类现存的行为（行为方针）或替代现存职责（功能方针），它就永久无法卓绝东谈主类已知的学问规模。
信得过的万亿级买卖契机，保密在"理科大模子"中。陈天桥指出，AGI 的终极产品不应该是新的案牍或代码片断，而应该是"新学问"——新的定理、新的材料、新的药物、新的工艺 。这些限制容不得半点"幻觉"。在医疗、工程、决策限制，99% 的准确率不是雅瞻念洽商，而是"可质押、可署名"的买卖门槛 。低一个点的可靠性，意味着烧掉数亿的工程预算或错失要道的药物研发窗口。
陈天桥旗下的 MiroMind 正在通过 BrowseComp 等形貌考据这一逻辑：不追求在聊天测试中拿高分，而是追求在长链路任务中通过"技巧序列上的反复求证"来得到 Truth（真相） 。
关于投资东谈主和企业家来说，这是一个要紧的信号：基于"文科模子"的内容生成赛谈可能很快会堕入红海竞争，而基于"理科模子"的科学发现和复杂决策赛谈，虽然门槛极高（需要 300 步推理准确率），但这才是 AGI 能够创造增量价值的蓝海。
{jz:field.toptypename/}以下为陈天桥博文全文：
言语谈断，因果自现——我心中的 AGI 是什么
往时这一两年，咱们亲眼看着大模子的语言能力以肉眼可见的速率跃迁：写稿、归来、对话、问答、解题，越来越"像东谈主"；HLE 之类的评测分数一再刷新记录，连奥数级别的题目也能被系统性攻克。于是一个看上去言之成理的论断启动流行："所谓 AGI、大一统的通用智能，大略也就差未几了。"但在我看来，这是一场秀雅的歪曲。
为了把这件事讲了了，我借用一个比方：今上帝流的大模子，更像是"文科大模子"。它以语言生成与文本一致性为中心，把学问组织成"像确切敷陈"和"像对的谜底"。它的价值在于"模拟"：它能集结咱们的委婉与修辞，能生成优雅的翰墨、传神的对话、动东谈主的故事；它会在老师、相似、内容分娩上变成新的基础才能，像电、像水，润物无声。然而即便它能解奥数、HLE 也能拿高分，这些告成也大多发生在阻滞系统里：题目界诠释确、划定固定、对错可判、反映即时。
但我一直服气，东谈主类信得过需要 AI 去抵挡的，是朽迈、疾病、能源、材料、好意思瞻念这些问题；这些战场不在考试题的阻滞寰宇里，莫得圭臬谜底等你生成，唯有征象、噪声、偏差、缺失变量与清静反映；正确不是"写出来"的，而是被外部寰宇"说明出来"的。阻滞寰宇的高分，解说了推理工程的老成，但并不代表仍是领有了踏实的学问分娩机制；高水平解题诚然是走向发现的必要基础，却远非充分条款，因为信得过决定将来的，不是阻滞的敷陈，而是那条冰冷而精准的因果红线；它随和的不是"说得对分歧劲"，而是"这个假定能弗成被实际否决或说明"；它的终极产品不是新作品，而是新学问——新的定理、新的材料、新的药物、新的工艺、新的工程结构。我把这种范式称为"理科大模子"。它的价值在于"发现"。
需要涌现少量：我说的"文科 / 理科"，不是两种模子的物种互异，而是两种默许动作的互异：文科大模子倾向给出一个"看起来可以的最终谜底"，理科大模子倾向先给出一组可证伪的假定，并同期给出把这些假定变成凭据的旅途；文科模子在省略情处更容易把谜底"凑圆"，理科模子在省略情处更像本能地停一下，然后去查证、去拆解，把问题拆成可考据的小问题；理科模子把因果四肢第一公民，恢复"条款改换后会发生什么"；理科模子还必须有可积聚的历久操心，把每一次考据得到的论断以可记忆的方法写且归。总之，理科模子更像一个执入部下手术刀的外科大夫：在无数有洽商里，识别哪一刀信得过涉及因果红线；它知谈，一朝切下去，实际会给出最诚笃、也最残忍的反映，形成信得过的因果闭环——这种对"真实代价"的敬畏，恰是两种范式之间最实质的鸿沟。
是以，信得过决定 AGI 应该是什么，取决于咱们的价值取向：咱们究竟更介意一个能集结通盘修辞，还能取代东谈主类职责的"灵魂伴侣"，照旧更伏击地需要一个能帮咱们撕开迷雾、照亮未知，创造价值的"因果明镜"？我觉得是后者。是以，终了 AGI 不是为了再造一个更会聊天的会生成的系统，而是为了打造一种"会发现"的智能。
让咱们带着这么的价值不雅去扫视一下现存的 AGI 界说的主要家数。一种是行为方针范式，源于图灵测试，比赛下注觉得 AGI 的圭臬是"机器施展出的行为与东谈主类无法离别"。这是目下寰球最直不雅的评判圭臬。但要是一个 AI 仅仅在师法东谈主类讲话，它永久无法告诉咱们那些东谈主类还没发现的真谛。第二种是功能方针范式。以 OpenAI 为代表，界说 AGI 为"在大多半具有经济价值的职责中卓绝东谈主类的自适应系统"，侧重于对东谈主类劳能源的替代能力。但东谈主类时髦的每一次飞跃，齐不是靠把旧职责作念得更快，而是靠发现前所未有的新法例。第三种是能力分级范式。以 DeepMind 为代表，将 AGI 分为从 "Emerging" 到 "Superhuman" 的五个层级，中枢机划是在等闲且未见过的任务中的"泛化能力"与"施展分值"。可实际寰宇不是科场，莫得圭臬谜底，信得过的灵敏是要在莫得考卷的场所，我方找到那条正确的路。天然还有一些其他的范式齐或多或少存在上述问题。
那么我心目中 AGI 方向究竟要作念什么？用一句话概述：它是一个高的确、可考据、可纠错的通用推理引擎。在工程上能够作念到三百步以上的复杂推理后，依然保管接近 99% 级别的举座正确率，并通过神态化和器用链把每一步推理"钉死"为可查验的凭据，最终对大肆复杂问题给出闭环处置有洽商。
为什么咱们死磕" 300 步"？咱们必须先界说推理的最小单元——圭臬原子步（SIU， Standard Inference Unit），作为可审计的基本推理单元。每一步只实施单一逻辑操作，依赖最小必要输入，其恶果可以通过器用或划定顺利磨砺。按照这个圭臬，当今的大模子单步推理准确率最高能冲到 98%，哪怕每一步齐能作念到这个最高水平，300 步后的端对端告成率也唯有 0.23%，仍是接近归零。这意味着在 300 步之后，概率和善运基本失效，系统必须依赖可磨砺的推理与外部反映闭环，而不是靠"看起来合理"的续写去蒙混过关。是以我觉得 300 步是孤立处置复杂实际问题的"跨度着手"。
为什么 99% 必须是硬杠？因为发现式系统不是用来"聊天"，而是要插足实际成本区间：实验、工程、医疗、决策。低一个点的可靠性，就意味着高频的无理下注；而实际寰宇的无理，不是"答错题"，而是浮滥实验窗口、烧掉工程预算、以致酿成不可逆的损耗。99% 不是雅瞻念洽商，而是"可质押、可署名"的门槛。
是以，我心目中的 AGI，是能在 300 步的逻辑长征中，靠自我纠错熬过"概率弃世"，最终抵达舆图以外的着手。从这里启动，AGI 就可以在科学、工程、决策谋略等大肆限制里，作为一个可审计、可考据的通用问题求解器存在。
天然，我并不觉得这是一条"喊标语就能到达"的路子。把方向钉在" 300 步仍保持 99% 可靠性"，实质上是在主动濒临三个工程硬点：长链缺点积聚、灵通寰宇考据缺口、以及组合爆炸下的预算照看。正因如斯，咱们在工程上必须进行剖解，将推理经过分为两层：逻辑生成层与磨砺层。生成层慎重"想"：将大问题递归地拆解，直到细化为原子级操作，咱们还要作念磨砺层慎重"查"：对每一个原子步通过器用、仿真或外部数据逐个考据。一朝某一步不外关，系统就在局部进行回退和腾达成，而不是推翻整条推理链。
MiroMind 仍是在这条路走出了第一步。以 BrowseComp 为例，MiroMind 仅用 235B 参数模子就给出了 SOTA 的收获，它的意旨不在于"分数自己"，而在于解说了一个工程事实：咱们正在把推理从"单次生成"激动到"技巧序列上的反复求证"。更具体地说，咱们不是依赖一次性长链想考去赌对谜底，而是熟识模子在更深、更频频的 agent/ 环境交互中束缚得到外部反映并纠错，让推理经过冉冉变成可审计的凭据链。对咱们而言，这便是"通用求解器"的第一块地基，然后在 99% 可靠性前提下冉冉推到 300 步以上的跨度。这个经过千里默、清静、严谨、以致有点残忍，它吊销了东谈主类语言的精妙师法，却在没趣、严苛、却能被实际反复复现的因果闭环中，清静破土而出，即使有耐性老本的加持和梦想方针的谨守，这也会是一个相称横祸的经过。
佛经里有个词，叫"大圆镜智"。说的是一个东谈主的心若能修到像一面大圆镜，就能照实照见万物因果，不被尘埃掩蔽，不被偏见扭曲，这是灵敏的最高意境。我对这个灵敏一直很向往，以致创办的科普视频号也取名叫作念大圆镜。而我心中的 AGI 便是一个无尽接近"大圆镜智"的智能系统，不酣醉漂亮的语言，而是追问事实的真相是什么；不急着给出谜底，而是去求证背后的因果是什么。在一个被语言和叙事塞满的 AI 期间，咱们需要一面只对"因果和真相"慎重的镜子。