汽车行业深度报告：AI系列深度02期，AGI是什么？.pdf

研究目的与核心内容

本报告为东吴证券汽车行业AI系列深度第二期，聚焦AGI（通用人工智能）的定义、衡量、路径与经济影响，旨在为汽车产业投资者建立理解AI技术演进框架的基础认知，并映射至数字AI底座与物理AI的产业机会判断。

AGI定义与机构分歧

报告系统梳理全球机构对AGI的四类理解锚点：经济价值口径（OpenAI、麦肯锡）、能力分级口径（DeepMind L0-L5）、技能获取效率口径（Chollet/ARC）、世界理解口径（LeCun、李飞飞）。不同锚点导致同一进展可被乐观者称为"前夜"、审慎者判为"尚在山脚"。全球机构按立场分为激进（近端）、审慎（远端）、务实（应用）、具身（物理）四类阵营，时间表判断从2026年至数十年不等。

分级框架与技术路径

OpenAI五级路线图（对话者→推理者→智能体→创新者→组织）以经济价值为主轴，当前处L2向L3过渡；DeepMind以性能×通用性二维分级，当前模型仅处"新兴AGI"。技术路径包括训练时规模化、测试时计算与强化学习、新架构、世界模型与具身、神经符号、自我改进、智能体系统等，核心分歧在于"现有范式能否外推至AGI"。

衡量基准与经济测算

衡量AGI面临基准饱和、Goodhart定律、数据污染、依赖自报四重困难。ARC-AGI、METR、GDPval、DeepMind L0-L5等新标尺涌现，但统一标准仍缺位。经济价值测算差异显著：麦肯锡用例增加值法估算每年数万亿美元；Acemoglu宏观task-based法认为十年GDP拉动约1%；全自动化增长模型指向爆发式跃升情景但依赖瓶颈假设。

风险治理与产业映射

审慎派（Hinton、Bengio）强调生存性风险与立即监管；加速派（LeCun、吴恩达）认为风险被夸大、力推开源。报告核心产业判断：数字AI底座路径清晰但难闭环物理世界，物理AI成为增量更大方向，智能驾驶作为最先跑通闭环的代表场景应重点关注。