谷歌DeepMind预测2028年现最小AGI？50%概率下就业如何安放？

据2025年12月中旬访谈爆料，Google DeepMind首席AGI科学家Shane Legg抛出重磅判断：最小AGI有50%的概率在2028年实现。这位从2009年就开始预测AGI时间表、且始终保持判断一致性的专家，还明确了AGI的三层境界，其中最小AGI指能完成大多数普通人可胜任的典型认知任务，彻底告别“简单任务都做不到”的尴尬。消息一出，“大规模失业”的担忧迅速蔓延，但作为长期跟踪AI行业的观察者，我更想先厘清几个关键问题：这到底是科学预判还是乐观估算？所谓的“最小AGI”和我们现在用的AI差别在哪？普通人真的会被时代抛弃吗？

首先得搞懂，最小AGI到底“门槛”有多高。Shane Legg特意强调，当前AI虽在特定领域表现突出，但存在明显短板——比如逻辑矛盾、跨领域迁移能力弱，解微分方程错误率能高达92%，对话10轮后关键信息遗忘率超60%。

而最小AGI要打破这种局限，能像普通人一样应对各类认知任务，不用在不同场景间频繁“掉链子”。

但行业对AGI的定义本就分歧巨大：OpenAI从经济价值出发，认为AGI是“在多数高价值工作中胜过人类”；Meta首席科学家杨立昆甚至觉得“AGI”是缺乏意义的术语，更倾向“高级机器智能”的说法。定义不同，实现时间的预判自然天差地别。

更值得关注的是，Shane的2028年预测并非行业共识。前OpenAI治理研究员丹尼尔·科科塔伊洛近期就将自己的AGI预测从2027年推迟到2030年，核心原因是模型自主运行能力的进步远低于预期——即使是最新的Gemini 3 Pro，在衡量自主任务完成时长的METR测试中，也没达到支撑激进时间线的水平。

图灵奖得主Yoshua Bengio则给出更谨慎的判断：达到人类水平需约5年，且90%置信区间在2028-2043年，他警示“技术进步可能随时放缓”。百度创始人李彦宏更是直接表示，AGI“还需要10年以上时间”，关键瓶颈在于跨领域知识迁移和复杂环境适应能力的缺失。

这些分歧背后，是技术发展的现实困境：算力面临电力供应瓶颈，高质量数据接近耗尽，而Transformer架构自2017年问世后，尚未出现革命性替代方案。

即便2028年最小AGI真的如期而至，“大规模失业”也未必是必然结局。回望历史，工业革命淘汰了手工纺织工人，却催生了机械工程师；信息技术革命取代了打字员，却创造了软件开发、数据分析等新职业。

人工智能带来的就业影响，本质是“挤出、创造、吸纳”的三重复合效应。高盛测算未来十年AI将威胁3亿个全职岗位，但世界经济论坛也预测到2030年将新增1.7亿个工作岗位。

现在，模型微调师、生成式AI测试员等新职业已快速兴起，2024年国内生成式AI相关职位增长超320%，AI人才供需比例达1∶10，缺口超500万人。

更关键的是，技能溢价已逐渐显现，具备AI技能的员工薪资比普通员工高43%，这意味着“被替代”的往往是不愿适应的人，而非所有劳动者 。

Shane Legg在访谈中曾对比人脑与AI的硬件差距：人脑仅20瓦功耗，却能完成复杂认知任务，而当前AI算力虽强，却缺乏高效的认知架构。

这或许暗示，AGI的到来不仅是技术突破，更是人类与机器协同模式的重构。我们不必恐慌于“机器替代人”，而应关注“人如何与机器共生”——就像现在的医生借助AI提升诊断效率，教师利用AI优化教学方案，未来更多岗位会是“人机协同”的升级版。

如果2028年最小AGI真的降临，你觉得自己的工作会被直接替代吗？又该提前修炼哪些“抗替代技能”应对变化？

（本文信息与数据来源：https://m.sohu.com/a/964633664_114760/、https://juejin.cn/post/7531656459290837043、https://www.newjobs.com.cn/html/web/xinwenzixun/xinwenleixing1/1892755322204975106.html、http://m.toutiao.com/group/7572406285283394074/?upstream_biz=doubao）