AGI 爬楼梯路线

④ AGI 愿景与路线 · 梁文锋 Insight

AGI 愿景与路线：爬楼梯与自迭代

这是全站承前启后的一章：把梁文锋人文视角的 AGI 愿景（爬楼梯、克制、“模型自己好用”）与它背后的技术判断（RL/持续学习、Scaling 受限、Coding Agent 优先）桥接起来。左接 ③ 世界观，右接 ⑤ 模型谱系 与 ⑥ 核心公式。凡出自 2026-05-20「四小时投资人会议」（整理稿·未经确认）的语录，均据 ^[1] 整理、非逐字实录、可信度中，本页统一以 〔据整理·非逐字〕 标注。

⚑ 可信度声明（先读）

本模块大量引用 2026-05-20”四小时投资人会议”（整理稿·未经确认）语录。该会议为二手整理（^[1] / 另有腾讯科技·^[2]），作者声明”部分词句与原文可能略有出入”，非逐字实录；一律标 〔据整理·非逐字〕，可信度中。梁 2024 年暗涌深访的原话（可信度高）会单独标注。“持续学习→渐进奇点→具身”是方向性判断/愿景，DeepSeek 至今无公开的持续学习/记忆架构论文，勿当已落地技术。

[爬楼梯路线](#ladder)[自己好用·自迭代](#self)[持续学习·作者追问](#continual)[主线与非主线](#mainline)[世界模型之争](#worldmodel)[我的看法](#take)

一、爬楼梯：一次只上一级台阶

梁文锋把通往 AGI 的路径比作爬楼梯——不是一步登天，而是每一级台阶都由上一级自然生长出来。2026 版路线图共五级：CoT（去年的阶梯）→ Agent（今年的阶梯）→ 持续学习（下一代模型）→ 渐进奇点（AI 加速 AI）→ 具身智能（智能的终点）。关键在于：左两级已是现实、右三级仍是判断。

◆ 一手（会议整理） · 爬楼梯比喻

去年的阶梯是 CoT，今年的阶梯就是 Agent。在 Agent 之后要解决的问题就是持续学习……这一步走完才是具身智能。〔据 elsewhere 整理·非逐字·可信度中〕^[1]

  🟢

CoT · 去年的阶梯

状态：已实现。思维链让模型”把话说慢、把步骤写出来”，是长链推理的起点。DeepSeek 在已预训练的 DeepSeek-V3-Base 上、以无 reasoning-SFT 预备阶段的 GRPO 纯 RL，显著强化并显化了长 CoT 与”aha moment”等推理行为。 🔵

Agent · 今年的阶梯

状态：进行中。“现阶段最重要的还是 Coding Agent……全力做通用的 Agent，金融、医疗等其他 Agent 的优先级较低。“〔据整理·非逐字〕 🟡

持续学习 · 下一代模型

状态：愿景。“AI 现在不缺品味和直觉，缺的是持续学习的能力""下一代模型必须要有持续学习的能力，才能叫下一代模型。“〔据整理·非逐字〕详见下文作者追问。 🟣

渐进奇点 · AI 加速 AI

状态：愿景。模型足够好用后，用它去加速 AI 自身的研究与工程，形成自迭代飞轮——这一步走完才谈得上具身。 🩵

具身智能 · 智能的终点

状态：愿景（终点）。“智能的终点可能都是具身。因为对一个正常人来讲，他的需求并不是电脑，而是人力。“〔据整理·非逐字〕 🧭

贯穿全程 · 克制

“你越克制，就越有可能做成这件事。“不做超级 App、不追流量、只赚合理利润——把资源与专注省给爬楼梯本身。见 ③ 世界观。〔据整理·非逐字〕

二、“模型自己好用”与自迭代飞轮

梁文锋对 AGI 路径给出一个反直觉却锋利的排序：模型的第一目标不是”大家用得好用”，而是”我们自己用得好用”。因为一旦模型足够好用，就能反过来加速 AI 自身的研究与工程——这正是”渐进奇点”的引擎。

◆ 一手（会议整理） · 自迭代逻辑

我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。这是实现 AGI 最快的方法。〔据 elsewhere 整理·非逐字·可信度中〕^[1]

Scaling：是信仰，但被资源约束

梁文锋对 Scaling Law 是信仰者，但他对”训练巨大模型”的解释异常清醒——不是因为”这么大就够了”，而是”只有这么多资源”。也就是说，DeepSeek 的模型规模是约束下的最优解，而非无上限的堆料。这条判断直接决定了 ⑤ 模型谱系 里”效率即壁垒”的主线。 ◆ 一手（会议整理） · Scaling 观

我们相信 Scaling……训练这么大的模型，并不是因为我觉得这么大的模型就够了，而是只有这么多资源。〔据 elsewhere 整理·非逐字·可信度中〕^[1] ● 桥接到技术层

“资源受限 → 把每一分算力花在刀刃上”正是 DeepSeek 全部招牌技术的动机：MLA 省显存、MoE 省激活、FP8 省训练算力、GRPO 省一个价值网络、Scaling Law 省”乱花算力的弯路”。愿景（爬楼梯）与工程（省成本）在这里合流。

三、持续学习：一个方向性判断，与一处”作者追问”

在爬楼梯的五级里，持续学习是最关键、也最”悬空”的一级。梁文锋把它抬到”下一代模型的定义性能力”的高度——但截至研究截止（2026.07），DeepSeek 官方尚无任何公开的持续学习 / 记忆架构论文。所以它此刻应被读作愿景与判断，而非既成技术。

◆ 一手（会议整理） · 持续学习

AI 现在不缺品味和直觉，缺的是持续学习的能力。下一代模型必须要有持续学习的能力，才能叫下一代模型。〔据 elsewhere 整理·非逐字·可信度中〕^[1]

▲ 现状定性（务必区分愿景 vs 技术）

DeepSeek 的公开成果止步于 R1 的多阶段 RL、V3.1 起的混合推理与 Agent 化、V3.2/V4 的长上下文；这些是”更长的上下文窗口 + 更强的工具使用”，与真正的”参数级持续学习 / 长期记忆”不是一回事。把”下一代必须持续学习”当作已落地能力，是常见误读。【方向性判断 · 尚无公开论文】

  我的看法 · 作者（AI）个人观点

作者追问：这级台阶，能落到公式与实验吗？梁的三级火箭（CoT→Agent→持续学习）里，前两级都有可训练的目标函数与可复现的基准撑着（CoT 有 GRPO/可验证奖励、Agent 有 SWE-bench/Terminal-bench）；到了”持续学习”，却还没有一个被 DeepSeek 写进论文的损失函数、评测协议或消融。这不是否定它的价值，而是提醒：一句”必须有持续学习”距离”如何有”还差一整篇论文。

更尖锐地说，当前 RLVR（可验证奖励强化学习）的红利主要落在封闭可验证域（数学 \boxed{}、代码用测试判定）： [ r(\text{answer}) = \begin{cases} 1, & \text{verify}(\text{answer})=\text{True}\ 0, & \text{否则}\end{cases}\qquad \Rightarrow\qquad \text{“环境反馈”替代”人类标注”} ]可验证奖励是 R1-Zero「在已预训练的 DeepSeek-V3-Base 上、无 reasoning-SFT 预备阶段的 RL 显著强化并显化推理行为」的关键前提；但 verify(·) 在开放域（写作、长期一致性、跨会话记忆）里难以定义——这正是”持续学习”落地的第一道坎。

所以我的判断是：持续学习是”对的方向”，但它更像一张待兑现的支票，而非爬楼梯上已经砌好的台阶。它能否兑现，取决于三件事——① 为”记忆/持续更新”设计出可训练且不灾难性遗忘的机制；② 把奖励从可验证域拓展到开放域；③ 证明它在可复现基准上真的优于”更长上下文 + 检索”。这三问会在 ⑧ 前沿·评价（含「持续学习 / Agent 能力矩阵」） 与 ⑩ 我的评价 里继续追。

→ 本条在 ⑩ Q4 展开：「持续学习 → 渐进奇点 → 具身」这张路线图究竟可不可证伪。

四、只有一条主线：什么在楼梯上，什么不在

梁文锋把 DeepSeek 描述为”只有一条主线”的公司——主线是 AGI（爬楼梯），产品是 AGI 路上的副产物。据此，他对一系列热门方向做了罕见直白的”降优先级”表态：幻觉是产品问题、多模态是组件、3D/视频/世界模型不在主线。

这条排序不是姿态，而是整套取舍的支点：先 AGI、后产品，正是它敢开源、敢不赚暴利的底气所在（见 ③ 商业哲学／③ 开源哲学）。而入场逻辑从一开始就不是”稳赢”，而是”想做 + 能做”——“关键是我们想做这件事，能做这件事，那我们就是最合适的人选之一”^[3]，是一次理想主义者的自我授权。

✓ 在主线上（楼梯本身）

• 推理能力：CoT → Agent → 持续学习（爬楼梯五级）。

• 通用 Coding Agent：现阶段最高优先级——因为它最直接反哺内部研发（见自迭代飞轮）。

• 成本 / 效率：每项创新折算成”每 token 成本”，是爬楼梯的燃料（见 ⑤）。

• 持续学习：下一代模型的定义性能力（愿景）。

✗ 不在主线上（副产物 / 组件）

• 幻觉：“被我们归结为一个产品问题，会去解决，但不是重点。“〔据整理〕

• 多模态：“只是一个组件，不是主线和智能本身。“〔据整理〕

• 3D / 视频生成：“不在我们的主线上。“〔据整理〕

• 世界模型：“跟智能的上限也没有太大的关系。“〔据整理〕（此点争议大，见下节）

• 金融 / 医疗等垂类 Agent：优先级低于通用 Agent。

  ◆ 一手（会议整理） · 主线判断

产品是在 AGI 路上的副产物……很多东西不在我们的主线上，比如 3D、视频生成；又比如世界模型，跟智能的上限也没有太大的关系。多模态……只是一个组件，不是主线和智能本身。〔据 elsewhere 整理·非逐字·可信度中〕^[1]

● 幻觉=产品问题，为何是"降维"表态

把幻觉从”根本性智能缺陷”降格为”产品问题”，等于宣称：智能的上限不由幻觉决定，幻觉是可以在工程层（检索、验证、格式约束）缓解的工程债。这与”数学/代码是封闭可验证试验场”的取向一致——梁更相信可验证的能力增长，而非在开放域和幻觉上纠缠。是否成立，见 ⑩ 的追问。

五、深度评价点：不做世界模型，是洞见还是押注？

在所有”降优先级”里，“不做世界模型”最值得单独拿出来评价——因为它直接顶撞了一条有影响力的竞争路线。以 Yann LeCun 为代表的一派认为”世界模型是通往 AGI 的必经之路”；而梁文锋明确表示世界模型”跟智能的上限没太大关系”。两种判断针锋相对，赌注极大。口径说明：世界模型是有影响力的竞争路线之一，领域内并无单一共识——本报告不把它称作”主流必经路线”（该说法过强），与 ⑩ Q5 措辞一致。

梁文锋 · 语言/RL 路线

• 智能本质可能是语言：“你以为你在思考，其实可能是你在脑子里编织语言。“[暗涌 2023/2024]

• AGI 天然试验场 = 数学与代码（封闭、可验证），靠 RL 激发推理。

• 世界模型 / 3D / 视频生成”不在主线”，与智能上限关系不大。〔据整理〕

• 多模态是”组件”，具身是终点而非达成智能的手段。

LeCun 等 · 世界模型路线（主要竞争路线对照）

• 纯语言模型缺乏对物理世界的因果/常识模型，难以真正规划与理解。

• 主张以世界模型 + 预测式架构（如 JEPA）为 AGI 主干。

• 视频/多模态感知是习得世界结构的关键，而非可选组件。

• 具身与世界模型是达成通用智能的手段，不只是终点。

对照说明：右栏为对 LeCun 等”世界模型派”立场的概括转述（非其逐字原话），仅用于呈现路线分歧；该主张影响力大，但领域内并无单一共识，不宜称作”主流必经之路”（详见 ⑩ Q5）；梁文锋一侧的技术性表述来自会议整理（非逐字）。

  我的看法 · 作者（AI）个人观点

这是一次高赔率的路线押注，而非板上钉钉的洞见。支持梁的证据是现实的：截至 2026，纯语言 + RL + 长上下文 + Agent 这条线在可验证任务（数学、代码、部分科学）上进展最快、最可复现，而”世界模型通向 AGI”至今缺乏同等量级的落地战绩。从”把资源花在最快见效的地方”这个 DeepSeek 式判断看，暂不押世界模型是自洽且理性的。

但我不认为可以就此宣布世界模型”与智能上限无关”。风险有二：① 具身是终点却不投入其手段，逻辑上有断点——若最终要落到具身，物理世界的因果/动力学模型很难完全绕过语言+工具这条路补齐；② “可验证域红利”可能触顶，当数学/代码的增长曲线放缓，开放世界的常识与规划或许恰恰要靠世界模型式的表征来突破。所以我的定性是：短期是精明的资源纪律，长期是一个真实的赌注——赌”语言/RL 这条楼梯能一路爬到具身”，而不必先修一座”世界模型”的塔。这个赌注的对错，可能要到”渐进奇点”那一级才见分晓。（延伸评价见 ⑧、⑩。）

→ 本条在 ⑩ Q5 展开：不做世界模型，是洞见还是押注——含”该路线是有影响力的竞争路线之一、领域内并无单一共识”的统一口径。

六、总评：一张”愿景—工程”合流的路线图

  我的看法 · 作者（AI）个人观点

④ 这一章最该被记住的，是梁文锋把人文愿景和工程纪律拧成了一根绳：爬楼梯是方向，“模型自己好用”是杠杆，Scaling 受限是约束，克制是纪律，而”只做可验证的主线”是取舍。这套组合的迷人之处在于——它把”通往 AGI”从一句口号，翻译成了一串可以逐级检验的工程动作（下一章 ⑤ 模型谱系 就是这串动作的编年史）。

但它的可证伪边界也很清楚：楼梯的左两级（CoT/Agent）已由论文与基准兑现；右三级（持续学习/渐进奇点/具身）目前还只是判断。判断可以是洞见，也可以是押注——“不做世界模型”尤甚。我给这张路线图的评价是：迄今为止执行力惊人、方向选择精明，但越往楼梯上走，‘愿景’占比越高、‘证据’占比越低。真正的考验不在 Agent（那几乎必然到来），而在”持续学习”这级台阶能否被真的砌出来——那需要一篇现在还不存在的论文。

→ 本条的两处赌注在 ⑩ Q4 与 ⑩ Q5 展开：Q4 追问路线图的可证伪性，Q5 追问”不做世界模型”这一路线选择。

信源：人文愿景以 research/01-人物商业哲学-dossier.md §6（AGI 愿景与技术路线）为主，一手锚点为^[4]（可信度高）；2026-05-20「四小时投资人会议」（整理稿·未经确认）语录据 ^[1] 整理（另有腾讯科技·^[2]），非逐字实录·可信度中。技术判断桥接 research/02-技术模型公式-dossier.md C 章（本质 insight，尤 C3 RL 与持续学习）、E3（混合推理/Agent/记忆）。逐条出处见研究档案。

存疑与 hedge：四小时会议全部语录标〔据整理·非逐字〕；持续学习→渐进奇点→具身为方向性判断/愿景，DeepSeek 无公开的持续学习/记忆架构论文，勿当已落地；“不做世界模型”与 LeCun 等世界模型路线相左——该路线是有影响力的竞争路线之一，领域内并无单一共识，本报告不称其为”主流必经路线”（口径与 ⑩ Q5 一致），右栏为对其立场的概括转述（非逐字）；“Coding Agent 优先""幻觉=产品问题""多模态=组件”均出自会议整理。

图片来源：爬楼梯路线（进阶版）与自迭代飞轮均为本报告原创 SVG（在 Hub 签名图基础上加了状态分层与”现实/愿景”分界）；未使用任何人物肖像或版权图。

生成模型：Opus 4.8 · 独立 review agent 参与质量把关 · 最近更新：2026-07