AGI时刻：在不确定中校准战略假设

AGI 何时到来，目前没有可信的时间表；但围绕 AGI 的政策与战略讨论，已经大量建立在某种隐含的时间预期之上。CNAS 发布的《The AGI Moment》（作者 Paul Scharre）处理的正是这个错位：如果现有战略共享的前提本身未经检验，那么建立在其上的结论就有系统性偏差的风险。这意味着它值得读的地方，不在于给出某个新的到来时间，而在于把那些默认前提摊开来重新问一遍。对正在做 AI 政策、安全评估或长期规划的人来说，这是一份用来校准自己默认假设的文本。

覆盖范围大致分三层：先梳理现有各类 AGI 战略的共同假设，再分析与 AGI 到来时间高度不确定相应的不同未来情景，最后落到面向政府和 AI 开发者的战略建议。方法上走的是「拆假设—列情景—给建议」的路线，而不是先给单一预测再倒推政策；换句话说，它把不确定性当作分析对象，而不是需要先消除掉的噪声。材料本身没有交代具体的数据来源或建模细节，从这一点看，它更接近框架性的战略梳理，而非实证研究。

第一个值得注意的发现，是关于「共识」的性质：形形色色的 AGI 战略其实共享同一条假设，即 AI 会持续进步到接近人类水平。这意味着各方在具体主张上的分歧，可能远小于它们在底层预期上的一致——争的是路径和节奏，而不是这个方向本身是否成立。换句话说，一旦这条共同假设被放松，不少看似对立的立场会同时失去支撑；这是解读，但也是把共同假设单独拎出来梳理的用意所在。

第二个发现是，时间上的不确定性被摆到了中心位置。资料没有把「何时到来」当作可以先行解决、再讨论其余问题的前置条件，而是以此为前提去展开不同未来情景。由此提出的建议面向两类主体——政府和 AI 开发者——核心目标是「在不确定中保持稳健」。关键词是稳健而非最优：在无法判断哪一种情景会实现时，追求单一情景下的最优安排，反而可能在其他情景里失效。

把这些放在一起看，对实践的意味比较直接。政策与研发上的选择，评价标准可能需要从「是否押对了时间点」转向「在多种情景下是否都站得住」——这是顺着资料逻辑的解读，但很难回避。对政府一侧，这意味着把论证建立在「AGI 会到来且会较快到来」之上的方案，其风险敞口比表面看起来更大。对开发者一侧同理：把路线图绑定在某个隐含的到来说明上，等于把一个未经验证的假设变成了工程承诺。

读这份资料能拿走的，是一套可复用的提问方式：先问一项主张依赖哪条关于 AI 进展的假设，再问这条假设在不同情景下是否仍然成立。它适合已经在做 AI 政策研究、安全评估或长期技术规划的人，用来检查手上的框架是否过度依赖单一路径。边界也需要说清楚：在可获得的材料范围内，它给出的是假设、情景与原则层面的建议，没有列出具体的情景清单、时间区间或政策工具细节，因此更适合当作框架使用，而不是当作操作手册照做。