前几年，大多数科学家们对AGI的预期还是几十年乃至上百年后才能实现。近一年半以来，美国人工智能公司OpenAI在大模型方面的巨大成功，让不少乐观的业内人士把AGI实现时间表缩减到5年至10年。马斯克的2年之期，很明显是一个更为激进的预测。从人工智能发展现状看，阻滞AGI实现的因素至少有一大瓶颈和两大风险。
一大瓶颈是能源瓶颈。风头正盛的人工智能大模型，目前还处于“大力出奇迹”阶段，依靠算力堆积实现智能涌现。2020年，最强的大模型算力需求达到每秒浮点运算次数10的23次方量级；到2024年，最强的大模型预训练算力需求已达到每秒10的26次方浮点运算量级，并继续按算力需求每3个月到4个月翻番的规律发展。算力密集意味着能量密集。据外媒报道，OpenAI的ChatGPT聊天机器人每天消耗的电力超过50万千瓦时，用于处理约2亿个用户请求，相当于美国一个普通家庭每天用电量的1.7万多倍。与这样巨大的能耗相比，一个成年人的大脑功率仅约20瓦，低能耗优点十分突出。从能耗看，人工智能要达到人类智能水平还有很大差距，以至于有些专家寄希望于未来可控核聚变技术突破带来的“能源自由”，也有些专家寄希望于芯片和算法的突飞猛进，这二者的突破显然都是短期内难以做到的。
两大风险是商业风险和安全风险。
从商业风险看，对人工智能大模型的投资面临着“赔本赚吆喝”的质疑，增速难以持续，这有可能会影响人工智能的迭代速度。比如，一家美国公司的大模型产品向用户收取10美元月费或100美元年费，但因为服务成本高，需要每个月为每个用户“倒贴”20美元。研究机构CB Insights发布的《2023年人工智能（AI）行业现状报告》显示，2023年，全球AI初创公司融资总额约为425亿美元，比2022年的473亿美元下降10%。大模型创业公司估值高、缺乏明确商业化路径，已经劝退了不少风险投资者。当前，虽然大量资金仍在涌向大模型，但烧钱如流水的“炼大模型”成本，也让大模型的商业变现需求愈加急切。
从安全风险看，当前人工智能技术快速发展，在给世界带来巨大机遇的同时，也带来了难以预知的风险和复杂的挑战。要确保人工智能始终处于人类控制之下，打造可审核、可监督、可追溯、可信赖的人工智能技术，显然不是让人工智能不受约束地发展越快越好，而是需要坚持“科技向善”的伦理先行，建立并完善人工智能伦理准则、规范及问责机制。人工智能治理关乎全人类命运，是世界各国面临的共同课题，因此人工智能规则制定也不能由少数发达国家说了算，而是要推动构建公平、公正的人工智能国际治理体系。
人工智能或许终有一天将超过人类，无论那一天是远还是近，人类都要做好迎接挑战的准备。
