三年前如果有人跟你说一台塞在机柜里的AI系统能自己读仓库、定位缺陷、改代码、跑测试你大概率觉得这是科幻片桥段。但现在圈里人争论的早就不是“能不能”而是“还剩几年”。这个标题把代码、晶圆、寿命鸿沟、人形机器人和生物电池拧在一起看着像拼盘其实暗含一条主线AGI临界点的不同侧面。有人从软件能力往前推有人从硬件功耗往上算有人从物理世界的落地往回倒推最后落到同一个问题——我们到底站在哪个时间刻度上。这篇文章不打算给你一个确定答案因为给确定答案的人都翻过车。我更想做的是把这个标题里每个词背后的逻辑链条拆开讲清楚为什么有人敢押三年有人只肯说七到十年以及这些时间判断背后各自依赖的证据到底是什么。里面会涉及SWE-bench这类评测基准的准确含义、750MW这个数字意味着什么级别的硬件投入、人形机器人为什么是AGI绕不开的试验场也会聊到“寿命鸿沟”和“生物电池”这两个容易被误读的概念。适合正在做技术判断、或者想建立自己AGI时间观的人读也适合想听懂这场讨论的外围观察者。1. 先拆题目代码、晶圆、寿命鸿沟各代表什么1.1 三个词的三种能力坐标把“代码、晶圆、寿命鸿沟”并列本质上是在用三把不同的尺子量同一个东西。代码衡量的是智能的“认知执行上限”。一个模型能不能像中级工程师那样处理真实软件工程任务是目前最接近“通用工作能力”的测试之一。晶圆衡量的是“物质基础上限”。没有足够的芯片产能和功耗预算再聪明的算法也跑不起来这就像你有一张顶级菜谱但厨房电网只够烧一锅水。寿命鸿沟衡量的则是“时间尺度错配”。模型迭代周期、硬件折旧周期、能源基础设施的建设周期三者节奏完全不一样差的不是一个月两个月而是数量级。这三把尺子恰好对应AGI落地的三个约束能力约束、资源约束、时间约束。大多数预测只盯着第一把尺子看到某个基准分数涨了就激动而真正做过系统落地的人往往更在意后两把。因为能力可以靠算法突破资源和时间却要真金白银地堆。1.2 为什么是“前夜”而不是“黎明”或“高潮”“前夜”这个词选得很克制。它暗示方向确定了但还没天亮——也就是说关键要素都已就位或正在就位但尚未完成最终的整合。从技术演进的角度看我倾向于认同这种定位。过去几年我们看到的不是单点突破而是“算法-算力-数据-场景”四要素的同步逼近模型架构趋于稳定训练算力持续翻倍数据管道逐渐完善落地场景从文本扩展到代码、图像、语音、具身操作。每一条线单独看都有瓶颈但合在一起看已经构成了一条接近临界点的组合曲线。临界点的特征是什么是“量变引起质变”的那个拐弯处——再往前单个维度的边际提升会开始触发其他维度的连锁反应。SWE-bench从20%涨到50%的时候大家觉得是刷榜但从50%往70%、80%走性质就变了那意味着AI从“辅助人类写代码”变成了“可以独立承接模块级任务”。前夜就是这么个状态方向清楚但还有几个硬骨头没啃完。2. 代码这条线SWE-bench到底测出了什么2.1 基准背后的任务设计逻辑SWE-bench是目前讨论AI编码能力时绕不开的评测集。它不是让你写一个排序算法或者生成一段Python脚本而是直接把真实开源项目里的GitHub Issue丢给模型要它结合现有代码库定位问题、修改代码、跑测试。整个过程和真实开发者的日常工作路径高度重合先理解需求再定位相关模块然后动手改最后确保测试通过。这个设计的意义在于剔除了“背题”空间。很多传统编码评测是封闭题目模型背过相似解法就能拿高分SWE-bench用的是持续更新的真实issue没法靠背诵。它测的是一种综合能力长上下文理解、代码检索、缺陷定位、修改推理、测试驱动验证。这套组合恰恰是“软件工程师”这个职业的核心技能栈。我在实际使用这类模型时的体感也和分数变化一致。早前版本能写独立函数但一放到工程上下文里就容易跑偏——要么改错文件要么修了A功能搞坏B功能。而到近期版本至少在一个中等规模仓库里模型已经能给出可编译、可过测的patch虽然偶尔还是要人工review但流程已经从“我全写”变成“我审核”。2.2 分数涨到多少才算“临界”这是个好问题但也容易误导人。我的看法是不要盯着绝对分数看而要看分数背后的“任务难度分布”。SWE-bench如果把简单issue先解决掉剩下全是需要跨文件理解、动态调试、甚至需要外部资料的难题那么分数越往上每涨一个点所代表的真实能力跃升就越大。换句话说50%到60%的难度远大于20%到30%。所以乐观派看到70%、80%时兴奋是有道理的——那不是线性进步是指数难度下的线性分数增长。但也要泼一盆冷水目前评测集里的大多数任务依然是“定义相对明确、验收标准清晰”的工程任务。真正的软件工作里还有大量模糊需求、历史债务、团队协作问题这些SWE-bench测不到。所以拿它当“AGI已经来了”的证据不够严谨拿它当“AI编程能力正在逼近中级工程师门槛”的证据是站得住的。临界就在这里能力已跨过“工具”级别正在冲“协作者”级别但还没到“独立负责人”级别。3. 晶圆和750MW算力不是万能的没有算力是万万不能的3.1 一个数据中心功耗750MW是什么概念说750MW很多人没概念。一个普通的城市居民小区变压器容量也就几千千瓦一座大型医院的供电容量约几千千瓦一个大型工厂大约几万千瓦。而750MW相当于一个小型城市的全部用电负荷或者几十万户家庭的同时用电总和。把这个数字砸在单一AI算力集群上意味着这一栋楼吃掉的电和一座中等城市一样多。这个数字之所以成为话题是因为它代表了一个拐点AI训练集群正在从“企业的IT支出”变成“国家级基础设施”。750MW不仅是芯片问题更是电网问题、冷却问题、选址问题、资本开支问题。你可以在图纸上设计一个十万卡集群但你要先确认当地电网能供上这个功率并做好相应的散热方案——这两件事的时间周期通常以年为单位计算。所以当我看到“750MW芯片”这个表述时我理解的重点不是“芯片本身能到750MW”而是“一个即将落地的算力集群其功耗预算达到了750MW”。这意味着芯片、网络、供配电、液冷系统必须整体设计任何一环掉链子整个集群的效率都会打折。3.2 算力投入的边际回报正在分化早期训练规模翻三倍效果提升非常明显但现在再往上堆边际收益明显递减。这里有两层原因。第一层是数据方面。互联网上的高质量公开文本快被“挖”完了合成数据、私域数据成为补充但两者都有天花板。第二层是架构层面。当前主流架构在长链条推理、多步规划上仍有结构性短板算是“大力出奇迹”的边际效应递减点。更麻烦的是算力的“国界化”趋势让头部玩家之间形成了几套互不相通的供应链。这意味着未来AGI竞赛的胜负手可能不只看谁的算法更优还要看谁能在电力、芯片、冷却、资金上持续投入更久。一个需要750MW功耗的项目背后必须有一个能承受连续多年百亿级以上资本开支的实体——这已经超出了技术范畴进入了资源调配的范畴。4. 人形机器人为什么AGI需要一个物理身体4.1 从“脑力”到“动手”的鸿沟很多人不理解为什么讨论AGI要扯上人形机器人。明明是两件事一个是脑一个是身体。但关键就在这里——目前公认通往AGI的路径里能力必须通过“与物理世界的交互”来验证和扩展。语言模型是在符号世界里工作的它可以读万卷书但不知道“把一个螺丝拧进滑块里需要多大扭矩”这种身体性知识。而人形机器人恰好提供了这样一个测试场环境连续、噪声大、反馈延迟、动作空间高维这些东西没法靠纯文本数据学会必须通过传感器和执行器闭环交互。我把这个叫做“物理版图灵测试”。在数字世界里你可以靠概率生成骗过评测者但在物理世界里一个动作错了就是错了没有“概率意义上成功了”这回事。机器人把一杯水端起来不洒这个结果不能靠话术掩盖。所以人形机器人对AGI的意义不在于它长着人的形状而在于它是一个无法作弊的能力校验器。4.2 为什么偏偏是“人形”这里有两层考量。表层是场景适配人类社会的一切工具、建筑、流程都是按照人的身体尺寸和运动方式设计的。一个双足双臂五指的系统理论上能复用所有人类环境而不用改建世界来适应机器。底层则是数据闭环。人形机器人收集到的操作数据可以用于训练具身模型这些模型反过来又指导机器人的精细控制。更关键的是人类的身体动作数据本身就可以作为预训练语料通过视频学习人类如何拿杯子、扫地、开门再把学到的策略迁移到机器人本体上。人形结构让“从人类视频学习”到“机器人执行”之间的迁移代价降到最低。但我不建议把这个领域看得太乐观。人形机器人的硬件可靠性、关节成本、运动控制的泛化性短期内依然是硬约束。圈内有个共识让机器人学会走路比让大模型学会写代码难得多。前者的工程复杂度是无数个机电流体学细节叠加出来的不像软件那样可以纯虚拟迭代。想用ChatGPT式的迭代速度来推进硬件是行不通的——你没法靠“多发几次训练任务”来让机械臂不抖。5. 生物电池与寿命鸿沟能源和时间的双重铁笼5.1 “生物电池”是个隐喻也是个方向标题里的“生物电池”很容易被理解成科幻电影里的“用生物发电”。实际语境里它指向两个方向。一个方向是储能技术的生物学路径也就是通过生物质、酶催化、微生物代谢等方式构建更环保的能源存储与转化体系。传统锂电池的上游材料受矿产分布约束而生物基能源在原料获取上更分散、更可再生理论上更适合大规模部署在分散式算力场景或偏远数据中心。另一个方向是“能量密度问题”。AI系统越来越强耗电越来越大但为它们供电的电池技术、电网技术跟上了吗这其实是在问能量密度和能量基础设施的提升速度能不能匹配模型能力的提升速度答案目前是不匹配。模型能力每年翻一倍电池能量密度每年只提高几个百分点电网扩容周期以十年为单位。所以“生物电池”这个词放到AGI讨论里本质上是在说智能的跃迁受限于能量的获取与存储。你可以在算法层面把AGI的“大脑”设计出来但你没有足够的“能量”喂饱它它就无法稳定运行。这就像一个科研团队造出了理论上能跑200公里时速的实验车但配套的路和油只支持60公里。5.2 寿命鸿沟三层时间尺度的错配“寿命鸿沟”是理解AGI时间窗口的关键词但很多人理解偏了。它至少包含三层意思。第一层是基础设施寿命与算力集群寿命的错配。一个数据中心的设计寿命是20到30年但AI芯片的更新周期是两到三年。你今天建的750MW机房可能五年后装的芯片和现在完全不是一个架构、一个接口标准改造代价极高。这种“长寿命房子配短命设备”的矛盾是所有算力开发商都在头疼的。第二层是模型寿命与场景寿命的错配。今天训练一个模型要花一年但可能刚训练完下一代架构就出来了上一代直接过时。对于企业来说硬件的折旧还能算模型的“折旧”几乎没法预测——可能一年也可能三个月。第三层也是最容易被忽略的是“人类寿命”与“机器进化速度”的错配。AGI如果真的成形它的知识更新周期可以做到分钟级甚至秒级而人类的更新周期仍然以年为单位。到那时“经验”这个概念本身会被重新定义——一个工作二十年的工程师其经验积累速度可能比不过一个上线运行半年的AI系统。这个鸿沟不是技术问题而是社会结构问题。这三层鸿沟叠加导致一个结果技术路径的设计者和决策者常常是在用“自己职业生涯”的时间尺度规划一个“文明级”的项目。这就是为什么3到7年的窗口期判断分歧如此之大——因为不同的人参照系完全不同。6. 3-7年窗口期乐观派和悲观派各自在押什么注6.1 乐观派的推演逻辑押“三五年内临界”的人手里的牌很清晰。第一张牌是能力的非线性跃迁。他们观察到只要基准分数跨越某个阈值公司就会立刻把AI嵌入生产流程产生海量真实使用数据这些数据又反哺下一轮训练形成“越用越强”的飞轮。代码、客服、分析、具身每个场景都在复刻这个过程。第二张牌是资本的速度。头部玩家手里的现金流和融资能力可以把一个从前需要十年的工程压缩到三四年。只要他们认定方向对了750MW这种级别的项目会像下饺子一样落地根本不需要“等国家意志”资本自然就会烧起来。第三张牌是互补技术的成熟度。如果人形机器人的执行器成本在三年内降到某个临界点如果生物电池或替代储能技术在五年内能量密度翻倍那么几个曾经被卡死的环节会在同一时期松动临界点就会提前到来。他们赌的是“多条线同时跨门槛”的共振效应。这三张牌成立的前提是连续投入不断档。一旦资本收缩、供应链断裂或者某个核心方向连续几次重大失败乐观时间表就会向后滑。6.2 悲观派的现实约束押“七到十年甚至更久”的人手里也有硬证据。首先物理定律不支持指数增长无限延续。芯片制程逼近物理极限功耗密度撞上散热天花板750MW已经是工程极限的边缘再往上不是钱的问题是物理的问题。任何需要突破物理极限的环节进度都会从“指数”滑向“线性”。其次数据壁垒比想象中高。真实世界的交互数据、私有业务数据、长尾场景数据获取难度和成本远高于公开文本。没有这些数据模型只能在“考试型任务”里很强在开放世界的复杂任务里仍有明显的长尾缺陷。SWE-bench的高分掩盖不了真实软件工程里那些“没有标准答案”的问题。最后是监管与社会的时滞。能力到位不等于部署到位。一个技术上成熟的系统要过安全审查、伦理评估、责任划分、就业冲击应对这几关每一关都会拖慢实际落地进度。技术界最容易犯的错就是把“技术可行”等同于“社会可及”。我见过不止一个产品技术上早就准备好了最后卡在责任归属和合规流程上一卡就是两三年。6.3 建立自己的判断坐标系与其去猜具体哪一年不如建立一个判断坐标系盯住几个关键信号。第一个信号是“能力阈值的迁移”当AI在某一行业的生产流程中从“辅助者”变成“独立执行者”并且连续稳定运行三个月以上这就是临界逼近的硬指标。第二个信号是“基础设施的开工率”看那些750MW级别的项目是停在PPT上还是真的在挖地基、拉电网、装散热。第三个信号是“长尾成本的下降”人形机器人的关节成本、AI推理的单位能耗如果这些执行侧成本出现陡降说明临界点真的在靠近。我自己一般会把这三组信号放到每个季度复盘一次。信号越多越密集表明“前夜”越短信号如果停滞那“前夜”可能比最乐观的估计长得多。7. 几个常被误读的细节和实操建议7.1 别把“评测高分”当“落地成熟”这大概是目前最普遍的误读。SWE-bench分数、代码生成通过率测的都是“在给定任务下能否产出正确结果”但真实生产环境里代码只是很小的一部分。系统设计、需求沟通、部署运维、故障排查这些环节的自动化程度还很低。我的经验是判断一个模型能不能真正进产线不要在Demo里测要把它丢到一个有历史债务的旧仓库里给它一个过去两个月都没人解决的Bug看它在真实约束下怎么表现。这种测试比任何基准都靠谱。7.2 关注“单位智能能耗”这个指标各种模型能力都在涨但很少有人把“能力/功耗”当作第一性指标。AGI真要普及不是看单点能力最强而是看“达到某种能力水平的最低能耗”。只有能耗降到可负担的水平能力才有可能大规模普及技术才能从“实验室奇观”变成“社会基础设施”。具体怎么用这个指标我一般会看每次完成一个标准任务的平均推理耗电而不是只看峰值算力。峰值的数字再好看如果单位任务能耗下不来落地场景就很受限。7.3 留意那些“反向推演”的人最后说一个我在圈里观察到的现象真正判断比口嗨准一些的人往往不是从模型能力往前推而是从“目标场景需要什么”往后倒推。比如要做“AI独立维护一个大型遗留系统”倒推回去就是需要多长上下文需要多少真实工程数据需要多少次失败的试错来积累这些需求反过来定义数据和算力的需求再定义时间表和投资规模。这种倒推法比直接说“某个分数到了我就信”要可靠得多也更容易发现“自己手里的牌其实还不够”。如果你也想建立自己的AGI时间观我的建议是别太在意别人说“几年”而是清晰列出自己认为必须具备的三个条件然后跟踪这些条件的成熟度。当三个条件同时满足的那一天不管日历上是哪一年对你而言临界点就到了。