通用人工智能（AGI）又稱強人工智能，是AI的一種理論形式，指具備等同或超過人類智能行為水平的人工智能。現在各國AGI發展呈現一派欣欣向榮的景象，但擔憂的聲音也越來越多。

前段時間特斯拉公司CEO埃隆·馬斯克等業內外知名人士聯名簽署了一封公開信，呼吁全球所有AI實驗室立即暫停訓練更強大的生成式人工智能系統，為期至少6個月，以確保人類能夠有效管理其風險。上個月，被稱為“AI教父”的杰弗里·辛頓宣布從谷歌離職。在離職的同時，杰弗里·辛頓宣布，自己正式加入AI批評人士的行列，甚至表示對自己一生從事的工作感到有些后悔。他認為，隨著企業改進AI系統，它們會變得越來越危險。此事激起了更大的反響，因為如果說馬斯克算外行的話，辛頓確實是普遍公認的業內翹楚。由此，AGI引發的治理問題引起了越來越多國家的重視。

然而筆者認為，且不說馬斯克、辛頓等人的言論是否有偏頗，這些言論暫時還算不得國際的主流認知。國內也有類似的擔心，目前也只可能會擾亂決策視線、加劇公眾焦慮，難有建設性作用，例如“生成式人工智能將壓制人類”“AGI打開了潘多拉魔盒”“人工智能將大規模取代人工”等。

泛泛的討論、杞人憂天都沒有意義，更重要的是認真思考接下來發展可能面臨的風險，盡快出臺治理方案。以下三個方面值得我們關注：

一是如何盡快突破AGI發展的技術瓶頸。海外大廠的開源技術有隨時關閉的風險，我國需要有自研的大模型，莫讓別人的地板成為我們的天花板。但目前國產大模型的問答結果與國外還存在較大的差距，以芯片為核心硬件基礎的算力一直還處于“卡脖子”的狀態。所以，如何突破這些技術瓶頸，甚至換道超車都是當前迫切需要解決的事情。

二是監管體系如何彈性化。國內對AGI的監管討論剛剛開始，尚未形成成熟的監管思路：大模型在C端的應用依然處于懸而未決的狀態；互聯網大廠在既有的應用中大規模使用生成式AI也未有定論；使用海外數據訓練，如何在國內進行微調也還需要一個過程。在國際競爭如火如荼之時，監管的效率直接決定了AGI的發展方向和發展速度。如何在數據與隱私安全、濫用風險、倫理等方面保持平衡，考驗著監管者的智慧。

三是就業問題需要未雨綢繆。工業革命時期，大規模機器生產逐步取代小規模手工作坊生產，機器開始替代人工，引發了工人對機器的不滿，形成了“盧德主義”，即對新技術和新事物的一種盲目沖動反抗，經常發生工人破壞機器以發泄對新技術不滿的事件。經濟史表明，真正能夠引發宏觀性、全局性就業危機的因素只有經濟蕭條和制度摩擦，而不是機器換人；機器可以代替一部分人力，但是同時也會按自己的“乘數效應”產生很多新崗位，甚至比以前更多。

但是不可否認，這次AGI確實對就業具有偏向性影響，可能導致勞動力就業結構呈現“V型”趨勢。即高、低技能要求的常規工作崗位都不斷增加，而中等技能的常規工作不斷減少，中等技能水平的勞動力面臨更大的被替代風險。這是工作性質差異導致的——人工智能會替代重復性、程式化的工作任務，而這些任務主要集中在中等技能工作中；企業會進行成本收益分析，中等技能水平工作崗位被替代后收益較高且在技術上更具有可行性，因而可能首先被替代。而具有一定創造性、非程式化的工作任務，在短期內不易被替代。人工智能對中等技能勞動力形成了擠壓，他們開始向高技能和低技能工作崗位轉移，從而出現高、低技能勞動力人數增加的現象。因此，對中等技能工作崗位勞動力的轉崗和培訓應該盡快納入議程。

生產力工具與人之間并不是簡單的替代關系。AGI屬于人類智力的延伸，是人類的勞動工具，并非是“懸頂之劍”；生產工具通過完善個體的能力，促成人的“價值分層”——底層要求是傳統的“掌握通識知識、具備流程性工作能力”；更高層次的要求則是“產生創造性價值、高效利用工具解決問題”。

目前我們需要理性看待人工智能的破壞性創造，最重要的是著眼于自己的發展。新興行業，各國都還在努力摸索。過程中總會有或大或小的問題，但是過度悲觀，杞人憂天是不可取的。切不可尚不知“腳”多大之時，就貿然“穿上鞋子”，否則，鞋子就會成為裹腳布，讓政策的發展變畸形。（作者是中國科學院大學經管學院教授、中國國家創新與發展戰略研究會副會長）