CHAPTER 11 · 未来方向

前沿趋势与未来

理解 Scaling、AGI、新兴架构、世界模型与社会影响。

4 个主题前置：建议完成原理与安全章节目标：区分稳定趋势、研究假设与仍有争议的判断。

本章知识关系前沿趋势与未来

区分稳定趋势、研究假设与仍有争议的判断。

LEARNING SEQUENCE

按知识依赖逐步进入

每个主题保留完整原文，并增加教学图、图例、对比表和更清晰的阅读结构。

Scaling Laws 与涌现能力

Scaling Laws（缩放定律）是大模型时代最重要的发现之一——模型性能随着参数量、数据量和计算量的增加呈现可预测的幂律增长。而涌现能力（Emergent Abilities）则是模型规模达到某个阈值后突然展现的新能力。理解这两个概念对把握 AI 发展脉络至关重要。

AGI 之路：从大模型到通用人工智能

AGI（Artificial General Intelligence，通用人工智能）是 AI 研究的终极目标之一——创造具有人类级别通用智能的 AI 系统。当前的 LLM 和 Agent 距离 AGI 还有多远？本章探讨 AGI 的定义、路径和争议。

新兴架构与技术

Transformer 并非 AI 的终极架构。研究社区正在探索更高效、更强大的替代方案——从 Mamba（状态空间模型）到 MoE（混合专家），从世界模型到神经符号系统。本章介绍可能塑造 AI 未来的前沿技术。

AI 对社会的影响

AI 正在深刻改变社会的方方面面——从工作方式到教育模式，从信息传播到人际关系。本章全面分析 AI 对社会的影响，帮助读者理解这一变革性技术的机遇与挑战。

CHAPTER OVERVIEW

本章主题对照

先看每篇解决什么问题，再决定从哪里深入。

主题	核心概念	学习产出
Scaling Laws 与涌现能力	Scaling Laws、涌现能力、Scaling 的未来方向	Scaling Laws（缩放定律）是大模型时代最重要的发现之一——模型性能随着参数量、数据量和计算量的增加呈现可预测的幂律增长。而涌现能力（Emergent Abilities）则是模型规模达到某个阈值后突然展现的新能力。理解这两个概念对把握 AI 发展脉络至关重要。
AGI 之路：从大模型到通用人工智能	什么是 AGI、通向 AGI 的路径、AGI 的机遇与风险	AGI（Artificial General Intelligence，通用人工智能）是 AI 研究的终极目标之一——创造具有人类级别通用智能的 AI 系统。当前的 LLM 和 Agent 距离 AGI 还有多远？本章探讨 AGI 的定义、路径和争议。
新兴架构与技术	超越 Transformer 的架构、世界模型、具身智能	Transformer 并非 AI 的终极架构。研究社区正在探索更高效、更强大的替代方案——从 Mamba（状态空间模型）到 MoE（混合专家），从世界模型到神经符号系统。本章介绍可能塑造 AI 未来的前沿技术。
AI 对社会的影响	就业与劳动力市场、教育与学习、信息生态	AI 正在深刻改变社会的方方面面——从工作方式到教育模式，从信息传播到人际关系。本章全面分析 AI 对社会的影响，帮助读者理解这一变革性技术的机遇与挑战。