引言：AGI范式拐点，规模虽未到头，却需新建机制
过去数年，全球AGI研发长期被规模涌现理论主导。行业普遍信奉：持续扩大预训练数据、算力、模型参数，叠加更大规模的离线强化学习（RL），就能不断解锁新能力，最终自然涌现通用人工智能。这一范式支撑了GPT系列、主流大模型的快速迭代，催生了CoT思维链、智能Agent等里程碑技术，让AI的推理、规划、工具使用能力实现跨越式提升。
但随着技术落地深入，行业核心研究者的认知正在发生根本性反转。虽然LLM的规模定律上限依旧很高，但前OpenAI核心研究员Jerry Tworek已经从坚定的RL最大主义者转向反思，否定了单纯放大RL规模通往AGI的可能性；DeepSeek的梁文锋则提出一套不可跳步的渐进式AGI技术阶梯，明确阐述了一条从传统大模型到终极AGI的完整演进路径，并直指持续学习是当前AGI研发的核心瓶颈。
当下AGI的真正竞赛，早已不是算力与数据的军备竞赛，而是底层智能机制的重构竞赛。本文将结合两位一线研究者和行业执牛耳者的核心观点，从底层技术原理出发，系统拆解大语言模型、强化学习、CoT、Agent、持续学习、元学习、自我迭代、具身智能的递进逻辑，厘清各技术的边界、价值与核心困境，完整还原通往AGI的真实技术路线。
AGI范式的RL放大派渐遇质疑
在新的技术认知体系中，首先需要破除的核心误区，就是无限放大离线强化学习即可抵达AGI。所谓RL放大派，核心主张是：依托现有“离线预训练+离线RL调优”范式，持续增加RL训练样本、算力、奖励信号规模，依靠规模涌现效应，就能突破所有能力瓶颈，实现通用人工智能。
Jerry Tworek通过大规模工程实验验证了该范式的终极局限，其核心否定逻辑并非否定RL的价值，而是证明RL是AGI的必要条件，但绝非充分条件，单纯堆规模无法跨越通用智能的鸿沟，底层原理包含如下七个基础逻辑：
优化目标局限：仅拟合训练分布，不生成通用认知
传统深度RL的核心优化目标是最大化固定训练数据集内的奖励期望，所有迭代仅服务于适配人工设计、筛选的训练任务分布。它只能让模型在“见过的考题”上持续精进，无法习得一套适配未知场景的通用认知机制。无论如何放大规模，模型都只能优化已知任务的表现，无法自主推导全新场景的运行逻辑，这也是“实验室评测满分，真实场景翻车”的核心根源。
分布偏移无解：离线训练无法闭合开放世界的认知鸿沟
真实世界是典型的开放世界，持续诞生新概念、新规则、新场景，存在无穷无尽的分布外（Out‑of‑Distribution）样本。而传统RL是完全离线范式，训练集是固定、有限的静态集合。规模放大只能轻微缓解分布偏移，无法从根本上覆盖无穷的真实场景，模型一旦脱离训练分布，鲁棒性会急剧崩塌。
搜索空间爆炸：维度诅咒锁死离线探索的上限
开放世界的状态、动作空间呈组合爆炸式增长，属于高维连续无穷空间。根据维度诅咒原理，RL所需的交互样本量会随空间维度指数上升，无论算力与数据规模提升多少数量级，离线训练只能覆盖状态空间的极小一部分。高维空间下样本极度稀疏，模型的插值泛化毫无理论保障，无法依靠离线穷尽探索实现全域可靠。
训练与部署的时空割裂：学习回路被永久冻结
这是最核心的架构级缺陷。传统RL的所有试错、梯度更新、能力迭代，全部发生在离线训练阶段。模型部署上线后，权重完全冻结，推理阶段无任何学习回路。人类智能的核心是“在实践中持续成长”，而静态RL模型是“实验室训练完成后永久固化”，算力规模无法弥补这一架构性缺失。
无原生元学习能力：只会解题，不会“学会学习”
大规模离线RL仅能实现上下文内的临时少样本适配，这种伪元学习依赖会话上下文，会话结束后所有经验全部丢失，无法沉淀为模型固有能力。同时，离线RL容易引发元过拟合，模型仅能适配训练任务的学习套路，面对全新异类场景完全失效，无法自动涌现出运行时可用的通用元学习机制。
奖励信号的外部依赖：无法自主生成学习目标
传统RL高度依赖人工标注、模型打分等外部奖励信号，而开放世界中绝大多数场景没有预设的对错标准、现成奖励。人类的核心学习能力来源于自我预测误差、环境交互反馈的内生学习信号，而非外部打分，这是RL范式永远无法通过规模弥补的先天短板。
涌现的边界：规模只能放大能力，不能创造新机制
AI的涌现能力，必须建立在架构具备对应能力的潜在表达空间之上。现有Transformer+离线RL架构，原生缺失运行时学习、分层记忆更新、元优化回路等核心机制。规模放大可以强化推理、对齐、规划等已有能力，但无法凭空创造架构本身不存在的通用生长机制。
RL放大派的终极悖论清晰显现：规模可以让模型更会做已知的事，但永远无法让模型学会做未知的事。这大概也是梁文锋提出渐进式AGI路线基于的底层逻辑。
AGI渐进式完整路线：不可跳步的六级技术阶梯
针对传统范式的困境，梁文锋提出了一套高度贴合底层原理、严格递进的AGI演进路线：语言大模型 $\to$ CoT思维链 $\to$ Agent智能体 $\to$ 持续学习（核心瓶颈）$\to$ 模型自我迭代（渐进奇点）$\to$ 具身智能。
这个路线的核心逻辑是：
- 每一级能力都是后一级的必要前提，无任何跳步可能；
- 持续学习是区分“工具型AI”与“通用智能AGI”的分水岭。
整条路线层层递进，从静态认知到动态思考，从被动输出到主动成长，从软件智能到物理智能。
语言大模型：静态通用知识库基座
大模型预训练是所有AGI能力的底层基础，通过海量文本数据训练，习得人类语言体系、通用知识、基础逻辑模式，具备问答、生成、基础理解能力。但其本质是静态冻结系统：所有知识、能力均来自离线训练，模型上线后无法自主新增认知、沉淀经验，仅能调用已有知识库，不具备思考、执行、成长能力，是纯粹的“知识存储工具”。
CoT思维链：解锁静态模型的多步推理能力
CoT的核心价值是打破大模型“直接输出答案”的局限，通过分步拆解、渐进推演，让模型实现复杂逻辑、数学、代码类任务的多步推理，大幅提升模型的逻辑能力。
但CoT从未改变模型的静态本质：所有思考过程仅存在于会话上下文Token中，属于推理时的算法技巧，不更新模型权重、不固化认知。模型可以“临时思考”，但无法“留存思考经验”，解决了推理效率问题，但未解决能力成长问题。
Agent智能体：实现环境行动闭环，但无学习闭环
当前行业火热的Agent，是在LLM+CoT基础上，增加了规划、工具调用、记忆检索、多轮执行能力，让AI从“被动问答”升级为“主动做事”，可以自主完成复杂的跨工具、长时序任务，打通了AI与外部世界的交互通道。
梁文锋明确指出Agent的本质局限：现代Agent只是静态大模型的调度外壳，绝非真正的通用智能。
- 其一，Agent的所有经验仅存储在外部数据库，依靠Prompt检索复用，无法内化到模型权重；
- 其二，任务执行的失败、成功反馈仅生成日志，不会驱动模型自我优化；
- 其三，每次全新任务，模型本体依旧是初始静态状态，过往的经验无法沉淀为固有能力。
简言之，Agent实现了行动闭环，但始终缺失学习闭环，能做事、但不会越做越聪明，是通往AGI的关键过渡形态，而非终极形态。
持续学习：AGI的核心瓶颈，从静态工具到生长型智能的质变
持续学习是整条AGI路线的核心枢轴与最大瓶颈，也是区别传统AI与AGI的核心标志。如果说RL、CoT、Agent都是能力增强技术，持续学习就是智能机制重构技术。
其核心定义是：模型在部署运行阶段，通过真实环境的交互反馈，自主、增量式地吸收新知识、修正错误、迭代策略，同时抑制灾难性遗忘，保留历史能力，实现终身、在线、无人工干预的进化。
持续学习从根本上解决了传统范式的所有致命缺陷：
- 通过运行时在线学习，绕开离线搜索空间爆炸的难题；
- 通过实时适配分布外场景，解决真实世界泛化问题；
- 通过经验内化，打通训练与部署的时空壁垒。
同时，持续学习天然耦合元学习能力：不止是持续学新知识，更是学会如何学习。通过内置元优化回路，模型习得通用学习策略，能够以小样本、低试错成本适配全新未知任务，真正拥有类人的自适应学习能力。
没有持续学习，所有Agent、RL的能力都是无根之木，永远无法突破工具型AI的天花板，自我迭代与通用智能更是无从谈起。
模型自我迭代：渐进式奇点，无突变式智能爆炸
仅当持续学习机制成熟后，AI才能进入自我迭代阶段，也就是行业所说的渐进式奇点。梁文锋的观点是，AGI的迭代是渐进而非突变，不存在某一天规模阈值突破后突然诞生超级智能的情况。
传统静态AI参与模型研发，只是人类使用AI作为工具；而具备持续学习能力的AGI，能够自主复盘实验失败、优化训练策略、迭代模型架构、修正算法缺陷，自主参与自身的升级迭代。这种迭代能力会持续加速AI的进化速度，形成正向循环，但整个过程是连续、渐进、可控的，而非突发性智能爆炸。
具身智能：AGI成熟后的落地载体，而非前置条件
与行业多数观点不同，梁文锋将具身智能放在AGI路线的最后一步，核心逻辑并非否定具身智能的价值，而是明确认知智能优先于物理智能。
具身智能引入了物理硬件、运动控制、视觉传感、环境动力学等海量额外工程复杂度。如果模型尚未解决持续学习、元学习的认知内核问题，即便接入物理躯体，依旧是静态VLA模型，只能在实验室数据集表现优异，无法在真实物理世界持续进化。
正确的技术路径是：先在纯软件信息空间跑通“持续学习+自我迭代”的通用认知机制，打造成熟的AGI内核，再将该认知体系迁移到物理载体，最终实现真正的具身通用智能。
AGI研发的主次关系
综合两位执行业牛耳者的观点，可以尝试定义各核心技术的层级与边界，明确AGI研发的核心优先级：
预训练+离线RL：基础能力底座，负责知识储备、行为对齐、推理强化，是必要但非充分条件，堆规模无法抵达AGI；
CoT+Agent：应用层能力升级，实现推理精细化、任务主动化，属于工具能力优化，无智能生长机制；
持续学习+元学习：AGI核心底层机制，解决开放世界泛化、在线进化、小样本自适应问题，是通往AGI的唯一核心突破口；
自我迭代：持续学习成熟后的能力结果，实现AI自主进化的渐进奇点；
具身智能：AGI认知内核成熟后的终极落地形态。
结语：AGI的终局逻辑，很可能是从拟合数据到自主成长
过去十年，AI的进步依赖于对人类已有数据、知识、行为的极致拟合；未来的AGI竞赛，核心是打造 类人的自主学习与进化机制。
Jerry Tworek反思了规模崇拜的神话，阐述离线RL的范式天花板；梁文锋则给出了一条渐进的落地路线，并坚信持续学习、元学习是跨越工具AI与AGI鸿沟的核心钥匙。
通往AGI的道路，从来不是无限堆算力、堆数据的简单工程叠加，而是一场底层智能架构的革命。当模型终于摆脱静态冻结的桎梏，拥有持续学习、自适应、自我迭代的原生能力，真正的通用人工智能，可能才会真正到来。
参考链接