奥特曼又又又又口出狂言了。在印度 Express Adda 的论坛上，Sam Altman 聊了很多 AI 话题，从 AGI 到中美 AI 竞争，再到数据中心用水问题。但最火的那段，是他回应 AI 能耗批评时说的：「人们总谈训练 AI 模型需要多少能源……但训练人类也需要大量能源，得花 20 年时间，消耗那么多食物，才能变聪明。」
在 AI 编程领域，大家似乎正处于一个认知错觉的顶点：随着 Coding Agents 独立完成任务的难度和范围逐渐增加，Coding 领域的 AGI 似乎就可以实现？
2026 年将是 OpenAI 的生死赛点。面对预计 170 亿美元的惊人现金黑洞和谷歌 Gemini 的凶猛反扑，奥特曼被迫启动「红色代码」。一边是史无前例的千亿融资计划，一边是推理成本倒挂的财务危机，这究竟是通往 AGI 的必经之路，还是硅谷最大的泡沫破裂前夜？
我们不会和 Meta 竞价，即便待遇远低于对方，核心人才仍愿意留在 OpenAI，只因大家坚信这里的发展潜力和 AGI 愿景。
本周四消息，于两年前创立亚马逊 AGI 团队的高级副总裁兼首席科学家 Rohit Prasad 已官宣离职。
AGI 会不会到来？
2025 年 12 月的第二周，一则颇为吸睛的消息从东京传出：一家名为 Integral AI 的初创公司宣布，他们已经成功测试出“世界上第一个具备 AGI 能力的模型”。AGI，即 Artificial General Intelligence（通用人工智能），向来被视为 AI 领域的终极圣杯。
深圳的冬天依然晴朗无云。站在 2025 IDEA 大会的会场，我今年最大的感受是大会现场有关「AGI 焦虑」变少了，对 AI 落地的「颗粒度」变细了。与去年相比，人们不再讨论 AGI 到底什么时候到来，不再充斥着对参数规模的盲目崇拜，而是更关注如何让 AI 带来更多的价值。
新的资金和算力基础设施将加速 Luma AI 通往多模态 AGI 的路径 —— 即能够模拟现实并在物理世界中帮助人类的 AI。
近日，专注于研发物质世界基座模型的公司超越对称（上海）技术有限公司（超对称）发布了新版基座模型 BigBang-Proton，成功实现多个真实世界的专业学科问题与 LLM 的统一预训练和推理，挑战了 Sam Altman 和主流的 AGI 技术路线。
