梁文锋这一段 AGI 路线图对于阶梯的描述，一层又一层，只能正着来（LLM—>CoT—>Agent—>持续学习—>自我迭代—>具身智能），不能反着来（也是为什么不能先做具身智能），挺值得看一看的：

「AI 的发展，我们可以理解成它是⼀个阶梯。去年⾛的阶梯是 CoT，就是思维链。因为我们发现，通过思维链的⽅式，可以让智能达到⼀个更⾼的⽔平。通过它⾃⼰思考，可以让这个上限，可以让这个 AI 能做更多的事情。

那么我们⼜跨过了⼀个阶梯。今年的阶梯就是 Agent，因为我们发现，⽤ Agent 的⽅式，即便多有事情也可以做，它的能⼒范围会更⼤，它的智能上限会更⾼。

为什么是阶梯呢？因为后⾯的每⼀步都是基于前⾯的基础上的。Agent 要⽤到 CoT，然后CoT 也要⽤到前⾯的阶梯，前⾯的阶梯就是语⾔模型，所以它并没有⼀步是⽩⾛的。

所以，AI 的发展，智能的⾛向是有迹可循的。说今年⾛的这个阶梯是 Agent，但是 Agent这个阶梯，它也是会⾛完的。就是它把所有可能解决的问题都解决完之后，但是它还是不能替代你的员⼯，但是它已经到它能⼒的上限了。

就好像 CoT ⼀样，CoT 到它的上限之后，它已经超过最顶尖的⼈类了，在做奥数题、写程序上⾯已经超过最顶尖的⼈类了。但是它还是停在那个地⽅，它那个技术并没有能够到达 AGI。

所以你看，AI 这个智能的⾛向，它是有迹可循的。然后在 Agent 之后，我们觉得应该要解决的问题是持续学习，就是怎么让模型可以持续地学习，⽽不是说你要给它⼀个很强的训练，它应该能够像⼈⼀样做⼀个⽐较⻓时间的持续学习。

这个问题跟完成任务等等是同⼀回事，它们相关，解决的是同⼀个问题。我们现在站在 Agent 这个地⽅，能看到的是下⼀个瓶颈，就是持续学习。下⼀个要解决的问题，就是解决怎么持续学习，这个是看得到的，是相对来讲⽐较明确的。

就是卡在前⾯的这个障碍，你必须要跨过去，⽽且⼀定是有办法能跨过去的，但需要时间。持续学习之后，可能我们就会来到⼀个奇点。这个奇点就是，当这个模型能够持续学习之后，它已经能够做⼈类能做的所有事情了。

它就能够⾃⼰开发⾃⼰的版本，能够⾃⼰再研究，然后开发⾃⼰的下⼀个版本，开发更前的⼈⼯智能模型。所以它就会到⼀个奇点，能够实现⾃⼰的迭代。

但这个奇点，它并不是⼀个奇点，它也是⼀个渐进的过程。这个过程可能也是⼀个⽐较⻓的渐变，它不是个突变。但是习惯性地，我们都认为它可能是个奇点。

因为在很早之前，那些预⾔家认为这⾥会有个奇点，但其实它不是⼀个奇点，它是⼀个连续的过程。然后这⼀步⾛完之后，我觉得才是具⾝智能。

这是我们的推测，这是我们觉得这个时间表应该是：先解决学习去学习，然后再到那个智能的奇点，能⾃我迭代的奇点，然后才是具⾝智能。到具⾝智能之后，它就⾛进现实世界，可以给你做家务，可以给你养⽼。

我们觉得这是⼀个⽐较理想的路线图，但每个⼈的观点不⼀样，没有对错之分。只是我们觉得，这个路线图是最轻松的。

这个路线图是因为每⼀步你要做新的都很少。这个路线图我们可以不⽤加班。但是如果路线图是反过来的，⽐如说它要先实现具⾝智能，那么这⾥⾃⼰做得很累，这是⼀个很苦的活。我们不希望是这样的路线图，我们希望做得轻松⼀点。

如果说我们先解决持续学习，再解决那个⾃我迭代的奇点，再解决具⾝智能，这个路上就很轻松。因为到后⾯之后，你可以⽤前⾯的技术来帮助开发后⾯的技术。奇点之后再做具⾝智能，那个就不⽤⼈来做，就不⽤我们来做了，那个模型⾃⼰就可以出来了。

所以这个是回答我们的⻓期⽬标是什么。我就跟他说，这就是我们的⻓期⽬标，就是我们说的 AGI。」