通用人工智能(AGI)的核心观点 - 相较于纠结AGI的准确定义和实现时间节点，更应关注人工智能技术持续呈现的指数级进步趋势及其带来的实质性突破 [2] - AGI的定义因人而异且随时间变化，定义之争意义有限 [2] - 技术发展的速度与轨迹才是关键，过去5年的进展速度在未来至少5年很可能持续 [3] AGI的核心能力标准 - 能自主发现新科学或独立进行科学探索 [3] - 成为超级工具，将全球科学发现速度提升数倍(例如翻两番) [3] - 按早期标准如图灵测试，现有模型"早就通过了" [3] 下一代AI模型的突破性进展 - 将实现"上一代模型完全无法企及"的突破 [4] - 具备四大核心能力：超强上下文理解、无缝连接工具系统、卓越推理能力、自主执行复杂任务的鲁棒性 [4] - 应用场景包括芯片设计、疾病攻克等，且"并非遥不可及" [4] AI的理想形态 - 体积小巧但具备超人类推理能力 [5] - 运行速度极快，支持高达一万万亿token的上下文窗口 [5] - 能够访问任何想象得到的工具 [5] 千倍算力时代的应用前景 - 构建强大推理引擎将改变人类能力边界，整合企业/个人全部背景信息 [5] - 算力投入方向：开发更强大模型(元层面)或提升测试阶段模型表现(应用层面) [5] - 采用"幂律法则"针对关键问题大幅提升算力投入 [5] AI与生命科学的融合 - Arnone项目展现AI解析RNA表达机制的潜力 [6] - 精确掌握RNA调控DNA表达机制有望攻克大量疾病 [6] - 千倍算力将对生命科学等基础研究产生深刻影响 [6]