AGI时代来临：技术突破还是叙事游戏？

本文源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："AGI时代已正式开启"。

仅隔三天，英伟达CEO黄仁勋在社交平台发文强调："从ChatGPT到o1，再到GPT-6 Astra，仅用四年时间，AGI已然成为现实"。

这场突如其来的AGI宣言，是否意味着人类智能的终极目标已经达成？

现实情况远比表面复杂。

值得注意的是，就在GPT-6 Astra发布前夕，OpenAI首席执行官山姆·奥尔特曼仍公开表示，AGI是个"定义模糊到近乎无意义"的概念，甚至一度想将其称为"营销噱头"。

负责该模型关键能力评估的ARC Prize团队也特别声明：虽然GPT-6 Astra展现了通用能力的显著进步，但"我们从未宣称它就是AGI"。

这种自相矛盾的表述背后，折射出行业对AGI定义的深层分歧。

当前AI领域存在一个核心悖论：人人都在讨论AGI，却无人能给出清晰标准——究竟要达到什么水平才算真正跨越AGI门槛？

■评测高分能否等同AGI实现？

GPT-6 Astra最引人注目的成就，是在ARC-AGI-3评测中取得99.9%的惊人分数。

与传统测试不同，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、分析反馈并寻找解决方案。

这种设计专门针对AI最受质疑的能力——面对未知问题的现场学习能力。

99.9%的得分看似完美，但隐藏着关键前提：

在ARC Prize提供的标准测试框架下，GPT-6 Astra实际得分为62.7%；只有接入OpenAI定制的适配框架后，分数才飙升至99.9%。

这个专用框架允许模型保留跨请求的隐藏推理状态，并能通过上下文压缩技术延续探索经验——相当于为AI配备了"记忆外挂"。

虽然不能简单将其归为作弊，毕竟现实中的AI系统本就包含记忆、工具和运行框架等组件，但这种测试方式确实存在争议：

62.7%反映的是单一模型的基础能力，而99.9%测试的是经过系统优化的完整解决方案，两者本质不同，更不能直接将99.9%的测试得分等同于"99.9%的AGI实现"。

更值得关注的是，GPT-6 Astra在其他测试中的表现并不均衡：

在高难度数学测试FrontierMath Tier 4中取得97.6%的高分，计算机操作测试OSWorld 2.0获得72.6%；但在模拟真实办公流程的AutomationBench测试中，成绩骤降至41.4%，复杂专业任务测试Agents’Last Exam也仅有59.3%。

这些数据揭示的真相是：当任务规则明确、答案可验证时，Astra已能接近甚至超越人类水平；但面对流程冗长、目标模糊的真实场景，其表现仍差强人意。

AI在封闭测试环境中的优异表现并非新鲜事：

深蓝击败国际象棋冠军、Watson赢得《危险边缘》、AlphaGo走出"神之一手"时，都曾引发类似"通用智能即将到来"的猜测。

但规则清晰、反馈即时、有自动裁判的测试环境，与复杂多变的现实世界存在本质差异。

■AGI定义：科技巨头的不同解读

当前AGI领域最突出的矛盾，在于缺乏统一标准。

OpenAI采用经济导向的定义：在其2018年公司章程中，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：广泛的工作覆盖范围、超越人类的表现水平、高度自主的运行能力。

值得注意的是，意识、情感等人类特质并未被纳入必要条件，现实工作产出成为核心衡量标准。

这种定义与OpenAI的产品战略高度契合：

推理模型提升复杂任务处理能力，智能体强化工具调用和计算机操作，Codex等产品深入软件开发流程——所有技术路线都指向同一个目标：让AI承担更完整的工作，将模型能力转化为可规模部署的生产力。

相比之下，Anthropic对AGI的态度更为谨慎。CEO达里奥·阿莫迪认为该术语承载过多模糊含义，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，阿莫迪描绘了具体系统图景：

这类系统需在多数重要领域达到或超越顶尖专家水平，能够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。

这个愿景包含能力、自主性和复制规模三个变量，三者共同决定AI的现实影响，也同步放大了滥用、失控和系统性风险。

基于这种判断，Anthropic将能力扩展与风险治理绑定，其战略重点可概括为：保持前沿模型竞争力，同时让安全保障随能力等级同步升级。

Google DeepMind则专注于AGI的测量标准建设。

其2023年发布的《Levels of AGI》论文，以"性能"和"通用性"为双轴，将通用智能划分为"新兴""胜任""专家""大师"和"超人类"五个等级，并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、具有代表性的人类样本，以及模型相对于人类能力分布的位置作为参照。

为完善评测体系，DeepMind还与Kaggle合作设立20万美元奖金，征集五个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。

AGI定义之争远非学术讨论——

采用何种标准，就会将何种能力视为关键进展；将何种能力视为关键进展，就会决定企业的产品路线、资源配置和安全重点。

定义不仅在描述未来，更在塑造未来。

■AGI之争：技术革命还是叙事游戏？

人类总倾向于将技术革命想象为某个明确瞬间：

莱特兄弟的飞机离地、第一颗原子弹爆炸、阿波罗11号登月——历史需要标志性日期，也偏爱戏剧性画面。

回到当前的AGI争论，"GPT-6 Astra就是AGI"与"我们进入了AGI时代"这两种表述，本质上是不同性质的宣言：

前者是可被质疑和检验的技术结论：若称其为AGI，需说明采用的定义、满足的条件及独立验证的测试结果。

后者则是时代判断——正如布罗克曼的"欢迎来到AGI时代"，这种表述既创造了历史时刻，又保留了足够的解释弹性。

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而不均匀的，准确描述需要一长串评测数据、条件限定和解释说明；而"AGI时代来了"的宣言，却能将复杂的技术演进压缩成一句震撼口号。

这种叙事策略将产品发布从技术升级转化为历史节点，将算力投入、技术路线和商业前景编织成统一故事。

对于争夺用户、企业客户、人才和资本的公司来说，这种叙事的价值可能不亚于技术突破本身。

黄仁勋的表态必须放在这个叙事框架中理解：

2025年9月，英伟达与OpenAI宣布达成战略合作意向，计划部署至少10吉瓦的英伟达系统（相当于数百万颗GPU），英伟达则准备随基础设施落地向OpenAI投资最高1000亿美元。

虽然这只是意向书而非最终协议，且后续传出方案可能调整，但在最初设想中，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，双方公告明确表示这些设施将服务于OpenAI"迈向部署超级智能"的路径。

近期黄仁勋宣布"AGI已经到来"时，特别强调训练Astra使用的英伟达计算系统及即将上线的GPU新品。

这段话隐含的逻辑链是：大规模算力投入带来智能跃迁，因此需要持续扩大算力投资。

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年他曾预测，若将AGI定义为通过几乎所有人类设计的考试，这一目标可能在五年内实现；到2026年3月，他又在Lex Fridman播客中宣称："我认为我们已经实现了AGI"。

这些表述揭示：AGI不仅是技术目标，更是影响资本、市场、政策和产业预期的叙事资源。

那么AGI究竟何时算真正到来？是某个模型发布、某项评测纪录，还是某家公司的宣言？

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，而是会平滑融入现有技术演进中，事后人们甚至找不到明确的转折点。

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]。

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