AGI时代真的来临了吗？深度解析技术宣言背后的真相

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，抛出震撼言论："AGI时代已然开启。"

仅隔三日，英伟达CEO黄仁勋在社交平台进一步宣称："从ChatGPT到o1，再到GPT-6 Astra，短短四年间，AGI已从概念变为现实。"

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然达成？

现实远比宣言复杂得多。

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是个定义模糊的术语，甚至可以称之为营销话术。"

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，但我们从未宣称它就是AGI。"

这种矛盾的表述背后，折射出行业对AGI定义的深刻分歧。

当整个科技界都在热议AGI时，却鲜有人能清晰界定：AI究竟要达到什么标准，才算真正跨越了AGI的门槛？

■高评分榜单能否等同于AGI？

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。

这项评测与传统测试截然不同：它不提供明确规则，而是将模型置于陌生环境，要求其自主判断目标、理解反馈并寻找解决方案。

这种设计正是为了检验AI最受质疑的能力——面对全新问题时能否实现现场学习。

99.9%的得分看似完美，但这个数字背后隐藏着关键前提。

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

后者允许模型保留跨请求的隐藏推理状态，并利用上下文压缩技术延续先前的探索经验。

虽然不能简单将这种优化视为"作弊"——毕竟现实中的AI系统本就需要记忆、工具和运行框架的支持——但62.7%与99.9%的差异，本质上反映了单个模型能力与完整系统性能的区别。

将99.9%的测试得分直接等同于"99.9%的AGI"，显然是概念混淆。

更全面地看，GPT-6 Astra在其他评测中的表现也暴露出明显短板：

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

这些数据揭示了一个关键事实：当任务规则清晰、答案可验证时，Astra已能接近甚至超越人类水平；但一旦进入流程复杂、目标模糊的现实场景，其表现仍差强人意。

AI在封闭考试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。

但规则明确、反馈即时、有自动裁判的测试环境，与充满不确定性的现实世界有着本质区别。

■不同机构眼中的AGI：定义分歧背后的战略考量

AGI至今缺乏统一定义，不同机构有着截然不同的解读。

OpenAI采用最具经济导向的定义。其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"。

这一定义包含三个核心要素：覆盖广泛的工作领域、表现优于人类、具备高度自主性。

值得注意的是，意识、情感和人类式思维并未被纳入必要条件。

这种标准与OpenAI近年来的产品路线高度契合：

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等产品进一步渗透软件开发流程。

所有能力发展都指向同一个目标：让AI承担更完整的工作，将模型能力转化为可规模化部署的生产力。

Anthropic对AGI的态度更为谨慎。CEO达里奥·阿莫迪认为这个术语承载了过多模糊含义，因此更倾向于使用"强大的AI"这一表述。

在2024年10月发表的《Machines of Loving Grace》中，阿莫迪描绘了一类具体系统：

它能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、数天乃至数周的任务，还可以复制成数百万个实例，以远高于人类的速度同时工作。

这幅图景包含能力、自主性和复制规模三个变量，三者共同决定AI的现实影响，也会同步放大滥用、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紧密结合，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。

其2023年发布的《Levels of AGI》文章，以"性能"和"通用性"为两条主轴，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，将通用智能拆分为感知、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考。

DeepMind还与Kaggle设立20万美元奖金，为其中五个评测较薄弱的维度征集测试方案。

这种思路将AGI从单一标签转化为可比较的认知能力图谱，也体现了DeepMind的研究取向：建立统一尺度，识别能力缺口，再据此组织评测和研发。

AGI的定义之争远不止于学术范畴。

采用什么标准，就会将什么能力视为关键进展；将什么能力视为关键进展，就会决定一家公司的产品路线、资源配置和安全重点。

定义看似在描述未来，实则在塑造未来。

■AGI之争：一场关乎技术叙事权的博弈

人类总是倾向于将技术革命想象为一个明确的瞬间。

莱特兄弟的飞机离地、第一颗原子弹爆炸、阿波罗11号登月，这些历史时刻都需要精确的日期和标志性画面。

回到当前的AGI之争，"GPT-6 Astra就是AGI"与"我们进入了AGI时代"这两种表述，本质上属于不同性质的判断。

前者是可被质疑和检验的技术结论：若声称某系统是AGI，就必须说明采用的定义、满足的条件，以及在哪些独立测试中得到验证。

后者则更像一种时代宣言。正如布罗克曼所说"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空间。

对模型公司和AI产业链而言，"AGI"首先是一种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，准确描述这些变化需要一长串评测数据、条件说明和限定语。

而"AGI时代来了"这样的表述，却能将复杂的技术演进压缩成一句简洁有力的宣言。

它把一次模型发布从产品升级提升为历史节点，将算力投入、技术路线和商业前景编织进同一个故事框架。

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一次真正的技术突破。

黄仁勋的表态也需要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。根据计划，OpenAI将部署至少10吉瓦的英伟达系统，规模相当于数百万颗GPU；英伟达则准备随着基础设施落地，向OpenAI投资最高1000亿美元。

虽然这只是一份意向书而非最终协议，后续也传出方案可能调整的消息，但在最初设想中，英伟达被定位为OpenAI扩建AI基础设施时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。

近期黄仁勋在宣布"AGI已经到来"时，特别强调了训练Astra所使用的英伟达计算系统，以及即将上线的下一代GPU。

这段话隐含着清晰的因果链：大规模算力投入带来了智能跃迁，因此更大规模的算力投入仍然必要。

作为全球AI算力扩张的主要受益者，英伟达有充分理由强调这是一场时代转折。

事实上，这并非黄仁勋首次宣布AGI到来。

2024年，他曾表示如果将AGI定义为能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的播客中宣称："我认为我们已经实现了AGI。"

由此可见，AGI不仅是一个等待技术跨越的终点，更是一种能够影响资本流向、市场预期、政策制定和产业布局的叙事资源。

那么，AGI究竟怎样才算真正到来？是一次模型发布、一项评测纪录，还是一家公司的宣告？

或许，这本身就是一个潜移默化的过程。

正如OpenAI创始成员Andrej Karpathy所言：AGI不会带来一条陡然拐起的曲线，它会平滑地融入已有的增长轨迹，事后人们甚至找不到明确的拐点。

本内容由作者授权发布，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]。

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