当前，众多人工智能开发者与前沿实验室正致力于实现人工通用智能（AGI），即一种能够像人类一样进行推理并学习训练数据之外新能力的类人智能。然而，这一路径是否真正通向 AGI，引发了业界核心人物的质疑。
LLM 被视为通往 AGI 的死胡同
ARC Prize 联合创始人 François Chollet 在与 Dwarkesh Podcast 的对话中指出，基于神经网络的大型语言模型（LLM）实际上是实现 AGI 的技术死路。Chollet 强调，虽然 LLM 仍有提升空间，可以变得更加强大、自主和实用，但这并不等同于迈向真正的 AGI。
他进一步解释称，行业资源过度集中于为 LLM 提供资金，导致其他潜在的技术路径或架构被忽视。这种资源错配的直接后果是，真正 AGI 的实现进程可能被推迟长达十年之久。
基准测试与市场叙事的偏差
尽管 Chollet 对 LLM 通往 AGI 的能力持怀疑态度，但近期许多技术高管仍在探讨这些模型对人类构成的潜在威胁。在 OpenAI 和 Anthropic 尚未确定 IPO 计划之际，两家公司陆续披露了令人担忧的事件。对此，部分观点认为这些叙事更多是为了营销现有技术能力，而非反映实质性的安全风险。
作为 ARC-AGI 基准的共同创立者，Chollet 表示该基准的核心目的在于准确衡量向 AGI 迈进的真实进展。他指出，即便 LLM 在这一高难度基准上的表现有所提升，也并未改变其无法直接通向 AGI 的本质。
