据@timnitGebru（推特）表示，关于人工通用智能（AGI）实现时间表的问题，业界普遍存在不确定性。她指出，如果过于强调可测量性，AI开发中许多难以量化但重要的问题将被忽视。这一观点反映出，在AI行业发展过程中，企业需在可量化进展与解决定性难题之间找到平衡，以推动负责任的创新（来源：@timnitGebru，推特，2025年12月5日）。

据Andrej Karpathy（@karpathy）在Dwarkesh播客上的分析，他关于通用人工智能（AGI）时间表的观点引发广泛关注。Karpathy指出，大型语言模型（LLM）取得显著进展，实现AGI在未来十年内虽具挑战但具可行性，前提是要解决集成、物理世界连接和安全等实际问题（来源：x.com/karpathy/status/1882544526033924438）。他批评当前AI行业对自主LLM智能体的过度炒作，主张开发促进人机协作、输出可控的AI工具。Karpathy还指出强化学习存在局限，推荐“系统提示学习”等新范式作为大规模构建智能体的方向（来源：x.com/karpathy/status/1960803117689397543, x.com/karpathy/status/1921368644069765486）。在自动化方面，他认为放射科医生等职业具韧性，而部分重复性强的岗位更易被AI取代（来源：x.com/karpathy/status/1971220449515516391）。这些观点为AI企业提供了围绕协作式智能体、安全合规和精准自动化的未来发展方向。