通用人工智能
通用人工智能（Artificial General Intelligence，AGI）是指能够像人一样在广泛的任务和环境中学习、推理和解决问题的人工智能系统。它与只擅长单一任务的专用人工智能相对：下棋程序只会下棋、翻译模型只会翻译，而通用人工智能被期望能把在一个领域学到的能力迁移到新的领域。在它之上，还有能力全面超过人类的超级人工智能设想。
「通用人工智能」一词最早见于马克·古布鲁德 1997 年的论文，2002 年前后经谢恩·莱格提议、本·格策尔采用而流行开来[5][20]。至今学界和业界对它没有统一的定义：有的按经济价值定义[7]，有的按学习新技能的效率定义[8]，有的把能力分成若干等级来衡量[9]。以大语言模型为代表的技术进展让这一概念受到广泛关注，但在 2026 年 3 月发布的交互式测评 ARC-AGI-3 中，人类能完成全部任务，前沿人工智能系统的得分都不到 1%[22]。是否已经实现通用人工智能，仍是业界和学界争论的问题[18][19][25]。
定义
通用人工智能的核心是通用性：不是在某一项任务上做到极致，而是在大量不同的任务上都达到一定水平，并能学会新任务。代表性的定义可以分为三类：
| 类型 | 提出者 | 定义或衡量方式 |
|---|---|---|
| 经济能力型 | OpenAI 宪章 | 在大多数具有经济价值的工作上超过人类的高度自主系统[7] |
| 智能理论型 | 谢恩·莱格、马库斯·胡特（2007） | 在《心智与机器》上提出「通用智能」的形式化定义，用来衡量机器智能[6] |
| 智能理论型 | 弗朗索瓦·肖莱（2019） | 智能是「获取技能的效率」，并提出抽象与推理语料库（ARC）来测量[8] |
| 分级框架型 | 谷歌 DeepMind 研究者（2023） | 看能力而不看实现过程，把通用性和表现水平分开衡量，分为 0 至 5 级[9] |
| 分级框架型 | 北京通用人工智能研究院（2023） | 「通智测试」在动态的具身物理与社会交互环境中评估，以无限任务、自主生成任务、价值对齐、因果理解和具身五个特征作为里程碑[27] |
与相关概念的区别
| 概念 | 含义 |
|---|---|
| 专用人工智能（狭义人工智能） | 只在特定任务上表现出色，例如AlphaGo Zero只下围棋 |
| 通用人工智能 | 在广泛任务上达到人类水平，能学习新任务 |
| 超级人工智能 | 在几乎所有领域都超过人类的设想中的人工智能 |
| 强人工智能 | 哲学家约翰·塞尔 1980 年提出的说法，指经过恰当编程的计算机真正拥有心智、能够理解；与之相对的弱人工智能只是模拟思维[4] |
强人工智能与通用人工智能常被混用，但二者关注点不同：强人工智能讨论机器是否真的「理解」、是否有心智，属于心灵哲学问题；通用人工智能关注的是能力覆盖的范围，不要求机器具有意识[4][9]。在中文语境中，「强人工智能」也常被直接用作通用人工智能的别称。AIGC（人工智能生成内容）、科学智能等则是人工智能的应用方向，不等于通用人工智能。心理学中关于人类智能的理论，如多元智能理论（参见多元智能），也常被用来讨论「智能」本身该怎样界定。
等级与测评
能力分级
2023 年 11 月，谷歌 DeepMind 的梅雷迪思·林格尔·莫里斯等人发表《通用人工智能的等级》，提出两条原则：只看系统能做什么，不要求它像人一样思考或具有意识；把「通用性」和「表现水平」分开衡量[9]。框架分为 6 级：
| 等级 | 名称 |
|---|---|
| 0 | 非人工智能 |
| 1 | 初现（Emerging） |
| 2 | 胜任（Competent） |
| 3 | 专家（Expert） |
| 4 | 大师（Virtuoso） |
| 5 | 超人（Superhuman） |
作者认为，当时的前沿大语言模型属于第 1 级「初现」通用人工智能[9]。
测评方法
| 测评 | 提出时间 | 做法 |
|---|---|---|
| 图灵测试 | 1950 年 | 艾伦·图灵用「模仿游戏」代替「机器能思考吗」这一问题：提问者通过问答判断对方是人还是机器[1] |
| 抽象与推理语料库（ARC） | 2019 年 | 用少量示例考察系统归纳新规律的能力，测量接近人类的流体智力[8] |
| AGIEval | 2023 年 | 用高考、美国 SAT、法学院入学考试、律师资格考试、数学竞赛等人类考试题测评基础模型[10] |
| 通智测试 | 2023 年 | 在虚拟平台的动态具身物理与社会交互环境中，让智能体学习并接受评估，包括与人互动[27] |
| 人类最后的考试 | 2020 年代 | 约 1000 名研究者编写的 2500 道专家级题目，覆盖数学、自然科学、人文、古代语言等领域[29] |
| ARC-AGI-3 | 2026 年 | 交互式、回合制的抽象环境，不给说明，要求智能体自己探索、推断目标、建立对环境的理解并规划行动[22] |
各项测评的结果说明，在考试中得高分与具备通用能力并不是一回事：AGIEval 中，GPT-4 在 SAT 数学部分得分 95%、在中国高考英语部分得分 92.5%，但在需要复杂推理或特定领域知识的任务上表现较弱[10]；「人类最后的考试」的论文报告，GPT-4o 的正确率为 2.7%[29]；ARC-AGI-3 中，人类测试者完成了全部环境，截至 2026 年 3 月前沿人工智能系统的得分都在 1% 以下[22]。
ARC 奖
ARC 奖是围绕抽象与推理语料库设立的公开竞赛。2025 年的比赛从 3 月 26 日持续到 11 月 3 日，1455 支队伍提交了 15154 份作品，论文投稿 90 篇（2024 年为 47 篇）；第一名 NVARC 在 ARC-AGI-2 私有测试集上得分 24.03%，每题计算成本约 0.20 美元[21]。主办方把 2025 年称为「精炼循环之年」，即系统根据反馈信号反复改进答案；大奖仍无人获得，比赛延续到 2026 年[23][21]。
技术路线
通往通用人工智能的路线一直有分歧，主要有以下几种思路，彼此也常结合使用：
| 路线 | 思路 | 相关词条 |
|---|---|---|
| 符号主义 | 用规则和知识表示来模拟推理 | 专家系统、知识图谱 |
| 连接主义与大模型 | 用大规模神经网络从数据中学习，2017 年提出的 Transformer 完全基于注意力机制[11]；2020 年的研究发现，语言模型的损失随模型规模、数据量和计算量按幂律下降[30] | Transformer、自注意力、注意力门控、目标注意力、Elman神经网络、大语言模型、扩散Transformer、无监督算法 |
| 多模态 | 让模型同时处理文字、图像、声音等多种信息 | 视觉语言模型、视觉—语言大模型、MiniGPT-4 |
| 强化学习 | 通过试错和奖励学习决策；AlphaGo Zero 从随机下棋开始自我对弈，3 天即超过此前击败世界冠军的 AlphaGo 版本，对它的战绩为 100 比 0[12]；2025 年的 DeepSeek-R1 论文报告，大语言模型的推理能力可以单纯通过强化学习来激发[31] | 强化学习、AlphaGo Zero、DeepSeek |
| 智能体 | 让模型能规划、调用工具、保留记忆、完成多步任务 | Agent Workflow、Agentic Memory、SmolAgents、提示词、聊天机器人 |
| 具身智能 | 让智能系统通过身体与物理世界交互 | 人形机器人 |
| 受生物启发的方法 | 模拟进化、群体行为等自然过程进行搜索和优化 | 遗传算法、群体智能算法、模拟退火算法 |
通专融合。上海人工智能实验室主任周伯文 2026 年 1 月在 AAAI 2026 大会上作特邀报告时提出：「若 AGI=通专融合，那么可深度专业化通用模型便是实现 AGI 的可行路径。」该实验室为此打造了「书生」科学多模态大模型 Intern-S1 和「书生」科学发现平台[17]。
价值与因果驱动的通用智能体。北京通用人工智能研究院院长朱松纯主张，人工智能应从「大数据，小任务」的「鹦鹉范式」转向「小数据，大任务」的「乌鸦范式」，由价值与因果驱动自主推理。2024 年 1 月 28 日，该院发布被称为「全球首个由价值与因果驱动的通用智能体」的「通通」[26]；2025 年 3 月，《科学》杂志以《AI gets a mind of its own》为题作了报道：「通通」生活在模拟真实物理和社会环境的虚拟世界中，研究者关注的是她如何学习和做决策[16]。
代表性的大模型与产品
以大语言模型为核心的对话助手和开放模型，是目前距离通用人工智能最近、也最受关注的一类系统。2023 年 3 月，微软研究者在评测 GPT-4 的论文中认为，它「可以合理地被视为通用人工智能系统的一个早期（但仍不完整）的版本」[32]；按 DeepMind 研究者的分级框架，这类模型仍处于「初现」阶段[9]。
| 类别 | 词条 |
|---|---|
| 研发机构 | OpenAI、Anthropic、DeepSeek、Meta AI、北京智源人工智能研究院 |
| 对话助手 | ChatGPT、Claude、Kimi、豆包、智谱清言、天工AI |
| 大模型 | OpenAI o1、通义千问、腾讯混元、讯飞星火大模型、Meta Llama、Llama 4、Mistral Small |
| 开发平台 | 百度AI Studio、AI Studio、Transformers |
斯坦福大学以人为本人工智能研究院《2026 年人工智能指数报告》显示，2026 年美国与中国顶尖模型在竞技场评分上分别为 1503 分和 1464 分[33]。
发展历程
设想与奠基（1950—1980 年代）
1950 年，艾伦·图灵发表《计算机器与智能》，开篇提出「机器能思考吗」，并用模仿游戏来代替这一难以定义的问题[1]。1955 年，约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特和克劳德·香农提议于 1956 年夏在达特茅斯学院开展为期两个月的人工智能研究，提议的出发点是：学习的每一个方面、智能的任何其他特征，原则上都可以被精确描述，从而让机器加以模拟[2]。
早期研究者对进度普遍乐观。赫伯特·西蒙在 1960 年出版、1965 年收入《人与管理的自动化》的著作中预言，二十年内机器将能完成人能做的任何工作[3]；马文·明斯基在 1967 年的《计算：有限与无限机器》中写道，一代人之内，创造「人工智能」的问题将基本得到解决[34]。这些预言都没有实现。1980 年，约翰·塞尔在《心智、大脑与程序》一文中区分了「强人工智能」和「弱人工智能」，引发了关于机器能否真正理解的长期争论[4]。
概念形成（1990—2010 年代）
1997 年，马克·古布鲁德在关于未来军事技术风险的论文《纳米技术与国际安全》中，把先进人工智能称为「通用人工智能」[20]。2002 年前后，本·格策尔和卡西奥·佩纳钦为新书寻找书名时，谢恩·莱格提议用「Artificial General Intelligence」，此后这一说法流传开来[5]；这本由二人主编的同名论文集作为施普林格「认知技术」丛书于 2007 年出版[35]。同年，莱格和马库斯·胡特发表《通用智能：机器智能的一种定义》[6]。2017 年，Transformer 架构[11]和不依赖人类棋谱的 AlphaGo Zero[12]相继出现。2019 年，肖莱发表《论智能的度量》，提出用技能获取效率衡量智能[8]。
大模型时代（2020 年代）
2020 年 1 月，贾里德·卡普兰等人发表关于语言模型规模定律的论文，为通过扩大规模提升能力提供了依据[30]。此后，大语言模型在问答、写作、编程等大量任务上表现出通用能力，通用人工智能从远期设想变成了产业界公开讨论的目标，OpenAI 在宪章中把确保通用人工智能造福全人类作为使命[7]。2023 年，微软研究者发表《通用人工智能的火花》[32]，AGIEval[10]、《通用人工智能的等级》[9]、通智测试[27]等测评与分级方法相继出现。2025 年 1 月，DeepSeek-R1 论文发表，用强化学习提升推理能力的路线受到关注[31]。2026 年 3 月，ARC 奖基金会发布交互式测评 ARC-AGI-3[22]。
中国的研究与政策
政策。2017 年 7 月，国务院印发《新一代人工智能发展规划》，提出「三步走」目标，到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心[13]。2023 年 4 月 28 日，中共中央政治局会议提出：「要重视通用人工智能发展，营造创新生态，重视防范风险。」[14]同年 5 月 30 日，北京市发布《北京市促进通用人工智能创新发展的若干措施》，共 21 条，提出「探索通用智能体、具身智能和类脑智能等通用人工智能新路径」[36]。「十五五」规划纲要提出：「鼓励多模态、智能体、具身智能、群体智能等技术创新，探索通用人工智能发展路径。」[37][15]
研究机构。
| 机构 | 成立时间 | 主要方向 |
|---|---|---|
| 北京智源人工智能研究院 | 2018 年 11 月 14 日，在科技部和北京市指导下由北京市科委和海淀区政府推动成立[38] | 人工智能前沿基础研究与大模型 |
| 上海人工智能实验室 | 2020 年 7 月 11 日，在世界人工智能大会闭幕式上揭牌[39] | 通专融合、科学智能 |
| 北京通用人工智能研究院 | 2020 年，由朱松纯回国后筹建[16][26] | 价值与因果驱动的通用智能体、通智测试 |
大事年表
| 年份 | 事件 |
|---|---|
| 1950 | 图灵发表《计算机器与智能》，提出模仿游戏[1] |
| 1955 | 麦卡锡等人提交达特茅斯人工智能研究提议，研究于 1956 年夏举行[2] |
| 1960 | 西蒙预言二十年内机器将能完成人能做的任何工作[3] |
| 1967 | 明斯基预言一代人之内创造人工智能的问题将基本解决[34] |
| 1980 | 塞尔区分强人工智能与弱人工智能[4] |
| 1997 | 古布鲁德在论文中使用「通用人工智能」一词[20] |
| 2002 | 莱格提议以「Artificial General Intelligence」作为格策尔等人新书的书名[5] |
| 2007 | 格策尔、佩纳钦主编的《通用人工智能》出版；莱格、胡特发表通用智能的形式化定义[35][6] |
| 2017 | Transformer 架构提出；AlphaGo Zero 从零自学围棋；国务院印发《新一代人工智能发展规划》[11][12][13] |
| 2018 | 北京智源人工智能研究院成立[38] |
| 2019 | 肖莱提出抽象与推理语料库（ARC）[8] |
| 2020 | 卡普兰等人提出语言模型规模定律；上海人工智能实验室揭牌；北京通用人工智能研究院筹建[30][39][26] |
| 2023 | 《通用人工智能的火花》、AGIEval、通智测试、《通用人工智能的等级》相继发表；中共中央政治局会议提出重视通用人工智能发展；北京发布促进通用人工智能创新发展的若干措施；《布莱切利宣言》发布；中方提出《全球人工智能治理倡议》[32][10][27][9][14][36][40][42] |
| 2024 | 北京通用人工智能研究院发布通用智能体「通通」；欧盟《人工智能法》生效[26][43] |
| 2025 | DeepSeek-R1 论文发表；首份《国际人工智能安全报告》发布；ARC 奖 2025 年比赛举行[31][41][21] |
| 2026 | 周伯文在 AAAI 2026 提出「通专融合」路径；ARC-AGI-3 发布；「十五五」规划纲要提出探索通用人工智能发展路径[17][22][37] |
争议
定义之争。圣塔菲研究所的梅拉妮·米切尔 2024 年 3 月在《科学》杂志撰文指出：「AGI 意味着什么，甚至它是否有任何连贯的含义，在人工智能界都存在激烈争论。」[25]由于没有公认的定义，判断通用人工智能是否已经实现也就没有统一标准。
是否已经实现。2026 年 3 月 23 日，英伟达首席执行官黄仁勋在莱克斯·弗里德曼的播客中被问到人工智能何时能独立打造一家市值 10 亿美元的公司时表示：「我认为就是现在。我认为我们已经实现了 AGI。」[18]报道同时提到，他承认这一标准有荒谬之处，例如人工智能可能做出一款短暂爆红又消失的应用，并表示一百万个智能体建出英伟达的概率是零[18]。同年 4 月，米切尔等人在圣塔菲研究所召集的研讨会则认为，认知科学所理解的智能远比「解决任务」宽泛，现有的测评基准在真实场景中往往站不住[19]。同一时期发布的 ARC-AGI-3 中，前沿系统的得分不到 1%[22]。
时间表之争。从西蒙「二十年内」和明斯基「一代人之内」的预言至今[3][34]，对实现时间的预测一直相差很大。2023 年，人工智能影响研究组织（AI Impacts）调查了 2778 名在顶级人工智能会议和期刊发表过论文的研究者，汇总结果是：「无需辅助的机器在所有任务上都胜过人类」到 2027 年实现的概率为 10%，到 2047 年为 50%，后者比 2022 年的同类调查提前了 13 年；「所有职业完全自动化」的概率达到 50% 的时间则在 2116 年[24]。作者也提醒，问题的问法会显著影响回答，这些结果只是含有噪声的估计[24]。
路线之争。大模型规模扩展、强化学习、具身智能、通专融合、价值与因果驱动等路线各有支持者[30][31][17][26]。
风险与治理
国内。中国在提出重视通用人工智能发展的同时，强调「重视防范风险」[14]。2023 年 10 月 18 日，中方在第三届「一带一路」国际合作高峰论坛期间宣布提出《全球人工智能治理倡议》[42]。
国际。
| 时间 | 事件 |
|---|---|
| 2023 年 11 月 1 日 | 英国人工智能安全峰会发布《布莱切利宣言》，28 个国家和欧盟签署，其中包括中国和美国[40] |
| 2024 年 8 月 1 日 | 欧盟《人工智能法》（第 2024/1689 号条例）生效，此前于 2024 年 7 月 12 日刊登在欧盟官方公报上[43] |
| 2025 年 1 月 29 日 | 由图灵奖得主约书亚·本吉奥担任主席、约 100 名独立专家参与的首份《国际人工智能安全报告》发布，得到包括中国在内的 30 个国家支持，为巴黎人工智能行动峰会提供科学依据[41] |
讨论较多的问题包括：模型输出的可靠性与可解释性（参见可解释人工智能）、生成内容的鉴别（参见AI检测）、更强系统的目标是否与人类一致等。AI Impacts 的调查中，多数受访者认为应更优先地开展降低人工智能风险的研究[24]。
经济与社会影响
国际货币基金组织总裁格奥尔基耶娃 2024 年 1 月援引该组织的分析指出，全球近 40% 的就业岗位暴露于人工智能的影响之下，发达经济体约为 60%，新兴市场约为 40%，低收入国家约为 26%；受影响的岗位中，约一半可能受到冲击，其余可能因生产率提高而受益[28]。需要注意的是，这类数字衡量的是现有人工智能的影响范围，并不等于通用人工智能实现后的影响，也不等于实际的岗位流失。
局限
缺乏统一标准。各方定义不同，同一个系统在不同标准下可能被判定为「已经是」或「远不是」通用人工智能[9][25]。
考试成绩不等于通用能力。模型可能在标准化考试中超过人类平均水平，却在需要复杂推理或领域知识的任务上表现不佳[10]；在需要自主探索的新环境中，与人类的差距仍然很大[22]。
测评容易过时。针对固定题目的测评在模型能力快速提升后会很快饱和，因此研究者更强调对新任务的学习效率[8]，并不断推出更难的测评[22][29]。
参见
- 人工智能 —— 通用人工智能所属的学科领域。
- 超级人工智能 —— 能力全面超过人类的人工智能设想。
- 图灵测试 —— 用对话判断机器能否表现出与人相当的智能。
- 大语言模型 —— 当前最受关注的通用能力技术形态。
- Transformer —— 大语言模型普遍采用的模型架构。
- 强化学习 —— 通过试错与奖励学习决策的机器学习范式。
- 专家系统 —— 符号主义路线的代表。
- 知识图谱 —— 以实体和关系组织知识的语义网络。
- 人形机器人 —— 具身智能的重要载体。
- 可解释人工智能 —— 研究如何让人工智能的决策可被理解。
- AGIEval —— 用人类考试题测评基础模型的数据集。
- 北京智源人工智能研究院 —— 中国的人工智能前沿研究机构。
参考资料
- Computing Machinery and Intelligence . CogPrints [引用日期2026-11-03]
- A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence . ML Anthology [引用日期2026-11-03]
- Quote Origin: Machines Will Be Capable, Within Twenty Years, of Doing Any Work That a Man Can Do . Quote Investigator , 2020-11-11 [引用日期2026-11-03]
- Chinese Room Argument . Internet Encyclopedia of Philosophy [引用日期2026-11-03]
- Who coined the term “AGI”? . Ben Goertzel , 2011-08-28 [引用日期2026-11-03]
- Universal Intelligence: A Definition of Machine Intelligence . RERO DOC [引用日期2026-11-03]
- OpenAI Charter . OpenAI [引用日期2026-11-03]
- On the Measure of Intelligence . arXiv , 2019-11-05 [引用日期2026-11-03]
- Levels of AGI for Operationalizing Progress on the Path to AGI . Emergent Mind , 2023-11-04 [引用日期2026-11-03]
- AGIEval: A Human-Centric Benchmark for Evaluating Foundation Models . Hugging Face , 2023-04-13 [引用日期2026-11-03]
- Attention Is All You Need . arXiv , 2017-06-12 [引用日期2026-11-03]
- AlphaGo Zero: Starting from scratch . Google DeepMind , 2017-10-18 [引用日期2026-11-03]
- 国务院关于印发新一代人工智能发展规划的通知 . 中国政府网 , 2017-07-20 [引用日期2026-11-03]
- 中共中央政治局召开会议 分析研究当前经济形势和经济工作 . 中国网信网 , 2023-04-28 [引用日期2026-11-03]
- 坚定不移探索通用人工智能发展的中国道路 . 人民论坛网 , 2026-08-10 [引用日期2026-11-03]
- Science杂志报道中国科研团队AGI突破：全球首个通用智能体引领新范式 . 北京通用人工智能研究院 [引用日期2026-11-03]
- 中国人工智能双线进阶 . 新华网 , 2026-02-02 [引用日期2026-11-03]
- 除了AGI已来和死亡，我们为黄仁勋重磅访谈总结了50条AI最前沿判断 . 澎湃新闻 , 2026-03-27 [引用日期2026-11-03]
- Looking at AGI through the lens of natural intelligence . Santa Fe Institute , 2026-04-15 [引用日期2026-11-03]
- Here is the origin of the term AGI—Artificial General Intelligence . Genetic Literacy Project , 2025-11-17 [引用日期2026-11-03]