AGI时代真的来临了吗？深度解析技术宣言背后的真相

本文转载自徽声在线旗下公众号：深流研究所，作者：吴绛枫

9月3日，OpenAI总裁格雷格·布罗克曼在发布新一代模型GPT-6 Astra后，公开宣称："人类正式迈入AGI时代"。这一表态引发科技圈震动。

仅仅三天后，英伟达CEO黄仁勋在社交平台发布更激进观点："从ChatGPT到o1再到GPT-6 Astra，仅用四年时间，AGI已然降临"。

这场突如其来的AGI宣言，真的意味着通用人工智能时代已经到来？

现实情况远比宣言复杂得多。

值得注意的是，就在GPT-6 Astra发布前夕，OpenAI首席执行官山姆·奥尔特曼还在公开场合表示，AGI是个"定义极其模糊的概念"，甚至一度想用"无关紧要的营销术语"来描述它。

负责该模型关键评测的ARC Prize团队也特别强调：虽然GPT-6 Astra展现了通用能力的重大突破，但"我们从未声称这就是AGI"。

这种矛盾的表述背后，折射出科技界对AGI定义的激烈争论。

■高评分能否等同AGI？深度解析评测数据

GPT-6 Astra最引人注目的成绩是在ARC-AGI-3评测中取得99.9%的得分，但这个数字背后存在关键细节。

与传统评测不同，ARC-AGI评测采用"黑箱测试"模式：不提供明确规则，要求模型在陌生环境中自主判断目标、理解反馈并寻找解决方案。这种设计专门针对AI的泛化能力——即面对未知问题的现场学习能力。

但99.9%的得分存在重要前提：在ARC Prize提供的标准测试框架下，模型得分仅为62.7%；只有接入OpenAI专用适配框架后，得分才飙升至99.9%。这个专用框架允许模型保留跨请求的隐藏推理状态，并能利用上下文压缩延续探索经验。

这种技术处理不能简单视为作弊。正如现实中的AI系统不会"裸机运行"，记忆机制、工具调用和运行框架都是智能系统的重要组成部分。但问题在于：62.7%反映的是单一模型能力，而99.9%测量的是经过优化的完整系统。

更关键的是，GPT-6 Astra在其他评测中的表现参差不齐：

• 高难数学测试FrontierMath Tier 4：97.6%
• 计算机操作测试OSWorld 2.0：72.6%
• 真实办公流程测试AutomationBench：41.4%
• 复杂专业任务测试Agents’Last Exam：59.3%

这些数据揭示出重要现实：当任务规则明确、答案可验证时，AI已能接近甚至超越人类水平；但在流程冗长、目标模糊的真实场景中，AI仍会频繁失效。这种局限性与人类智能形成鲜明对比——人类能在模糊环境中快速理解任务本质。

历史经验值得参考：深蓝击败国际象棋冠军、Watson赢下《危险边缘》、AlphaGo走出"神之一手"时，都曾引发"通用智能即将到来"的猜测。但这些突破都发生在规则明确、反馈即时、有自动裁判的封闭环境中，与现实世界的复杂性不可同日而语。

■AGI定义之争：科技巨头的不同路线图

当前AGI领域存在三大主流定义框架，每个框架都深刻影响着企业的技术路线和战略布局。

OpenAI采用经济导向定义：2018年公司章程将AGI描述为"在大多数具有经济价值的工作上超越人类的高度自主系统"。这个定义包含三个核心要素：覆盖广泛工作领域、表现超越人类、高度自主运行。值得注意的是，意识、情感等人类特质被明确排除在必要条件之外。

这种定义与OpenAI的产品战略高度契合：通过推理模型提升复杂任务处理能力，用智能体强化工具调用和计算机操作，借助Codex等产品进入软件开发流程。所有技术路线都指向同一个目标：让AI承担更完整的工作链条，将模型能力转化为可规模部署的生产力。

Anthropic采取更为谨慎的立场。CEO达里奥·阿莫迪认为"AGI"承载过多模糊含义，因此更倾向使用"强大AI"的表述。在2024年10月发表的《Machines of Loving Grace》中，他描述了一个具体系统：在多数重要领域达到或超过顶尖专家水平，能独立完成持续数小时至数周的任务，并可复制数百万实例以远超人类的速度同时工作。

这个框架包含能力、自主性和复制规模三个变量，共同决定AI的现实影响。基于此判断，Anthropic将能力扩展与风险治理绑定，形成独特战略：在保持前沿模型竞争力的同时，让安全保障随能力等级同步升级。这种平衡策略在AI安全领域引发广泛讨论。

Google DeepMind则专注于构建测量标准。2023年发布的《Levels of AGI》以"性能"和"通用性"为轴心，将通用智能划分为五个等级：新兴、胜任、专家、大师和超人类，同时将自主性作为独立维度处理。这套框架要求研究者同时考察能力强度和覆盖范围。

2026年3月，DeepMind进一步推出认知分类框架，将通用智能拆解为感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决和社会认知十个维度。评估流程采用未公开测试集、代表性人类样本及模型能力分布定位，并设立20万美元奖金征集薄弱维度的测试方案。

这种将AGI转化为可比较认知图谱的思路，体现了DeepMind的研究取向：建立统一尺度，识别能力缺口，据此组织评测和研发。这种量化方法为AI发展提供了新的评估范式。

AGI定义之争远超学术范畴。采用何种标准，就会将何种能力视为关键进展；确定关键进展，就会影响企业的产品路线、资源配置和安全重点。定义不仅描述未来，更在塑造未来技术发展方向。

■AGI叙事战：技术宣言背后的商业逻辑

人类总倾向于将技术革命简化为标志性瞬间：莱特兄弟的首次飞行、第一颗原子弹爆炸、阿波罗登月计划。这种历史叙事需要明确的时间节点和视觉符号。

当前AGI争论中，"GPT-6 Astra就是AGI"与"我们进入了AGI时代"代表两种不同表述：前者是可验证的技术结论，需要说明定义标准、满足条件和测试验证；后者则是时代判断，既制造历史时刻又保留解释空间。

对模型公司和AI产业链而言，AGI首先是强大的产品叙事工具。模型能力的进步通常是零散且不均衡的，准确描述需要大量评测数据和限定条件。而"AGI时代来临"的宣言能将技术升级压缩为历史节点，将算力投入、技术路线和商业前景整合进统一叙事。

这种叙事对争夺用户、企业客户、人才和资本的公司具有战略价值。以英伟达为例，2025年9月与OpenAI达成战略合作意向，计划部署至少10吉瓦的英伟达系统（相当于数百万颗GPU），英伟达则准备投资最高1000亿美元。虽然只是意向书且方案可能调整，但最初设想中英伟达被定位为OpenAI扩建AI基础设施的首选计算与网络合作伙伴。

在2027年宣布"AGI已经到来"时，黄仁勋特别强调训练Astra使用的英伟达计算系统及即将上线的GPU。这隐含完整因果链：大规模算力投入带来智能跃迁，因此需要更大规模算力投入。作为全球AI算力扩张的主要受益者，英伟达有充分动机强调这是时代转折点。

事实上，这并非黄仁勋首次宣布AGI到来。2024年他曾表示，若将AGI定义为通过几乎所有人类设计考试，目标可能在五年内实现；2026年3月又在Lex Fridman播客中宣称："我认为我们已经实现了AGI"。这些表述变化折射出AGI作为叙事资源的战略价值。

AGI争论已超越技术范畴，成为影响资本、市场、政策和产业预期的关键因素。那么AGI真正到来的标准是什么？是模型发布、评测纪录还是公司宣言？

或许正如OpenAI创始成员Andrej Karpathy所言：AGI不会带来陡峭的增长曲线，而是平滑融入现有发展进程，事后人们甚至难以确定拐点位置。这种渐进式变革可能才是AGI发展的真实图景。

本内容经作者授权发布，观点仅代表作者本人，不代表徽声在线立场。如对本稿件有异议或投诉，请联系 [email protected]。

本文转载自徽声在线，原文链接：https://www.huixiu.com/article/4889598.html?f=wyxwapp