AGI时代来临：技术突破还是叙事博弈？

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："我们正式步入AGI时代。"这一论断引发科技圈震动。

仅三天后，英伟达CEO黄仁勋在社交平台发文称："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形态已经降临？

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·奥尔特曼还在公开场合表示："AGI是个定义模糊的概念，甚至可以视为营销术语。"

负责该模型核心评测的ARC Prize团队特别强调："尽管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。"

这种矛盾表述折射出行业深层分歧——一边是激进的时代宣言，一边是谨慎的技术界定。

当AGI成为科技界高频词，其真正内涵却始终模糊不清：AI究竟要达到何种标准，才能跨越这道智能分水岭？

■评测高分能否等同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。

这项特殊评测与传统测试不同：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。

该测试旨在衡量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标准测试框架下，GPT-6 Astra仅得62.7%；当接入OpenAI专用适配框架后，分数才飙升至99.9%。

这种适配框架允许模型保留跨请求的隐藏推理状态，并利用上下文压缩延续探索经验。

虽然不能简单视为作弊，但这种操作揭示重要差异：62.7%反映的是单一模型能力，99.9%则代表经过优化的完整系统表现。

两项成绩均真实有效，但绝不能混为一谈，更不能将99.9%的测试分直接等同于99.9%的AGI实现度。

在其他评测中，GPT-6 Astra的表现也暴露明显短板：

在高难数学测试FrontierMath Tier 4取得97.6%，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%。

这些数据表明：当任务规则清晰、答案可验证时，Astra已接近或超越人类水平；但面对流程冗长、目标模糊的现实场景，其表现仍差强人意。

AI在封闭测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，都曾引发类似猜想：既然机器能征服如此复杂的任务，通用智能或许近在咫尺。

但规则明确、反馈即时、有自动裁判的测试环境，与真实世界存在本质差异。

■AGI定义：科技巨头的认知分野

AGI至今缺乏统一标准，不同机构存在显著认知差异。

OpenAI采用经济导向定义：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"。

该定义包含三个核心要素：覆盖广泛工作领域、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。

这种标准与OpenAI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与计算机操作，Codex等产品深入软件开发流程，所有能力都指向同一目标：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。

Anthropic对AGI的界定更为审慎。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：

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协同工作。

这幅图景包含能力、自主性和复制规模三个变量，共同决定AI的现实影响与潜在风险。

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则聚焦于AGI的测量标准。

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。该框架要求研究者同时考察能力强度与覆盖范围。

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，以及模型相对于人类能力分布的位置作为参照。

DeepMind还与Kaggle设立20万美元奖金，为五个评测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，体现了DeepMind的研究取向：建立统一尺度，识别能力缺口，据此组织评测与研发。

AGI定义之争远非学术讨论，它深刻影响着技术发展方向：

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、资源配置与安全策略。

定义不仅描述未来，更在塑造未来。

■AGI之争：技术宣言还是叙事博弈？

人类总倾向于将技术革命具象化为某个决定性瞬间。

莱特兄弟的首次飞行、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日期与标志性画面。

回到当前的AGI争论，"GPT-6 Astra就是AGI"与"我们进入了AGI时代"代表两种不同性质的表述：

前者是可验证的技术结论：若称其为AGI，需说明采用何种定义、满足哪些条件、通过哪些独立测试验证。

后者则是时代判断，如布罗克曼的"欢迎来到AGI时代"。这种表述既制造历史节点，又保留解释空间。

对模型公司与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，准确描述需要长串评测数据与限定条件。

"AGI时代来临"的宣言却能将复杂变化压缩为简单口号，将产品升级转化为历史转折，将算力投入、技术路线与商业前景编织成统一叙事。

对争夺用户、企业客户、人才与资本的公司而言，这种叙事的价值不亚于技术突破本身。

黄仁勋的表态需置于这种叙事框架下理解：

2025年9月，英伟达与OpenAI宣布达成战略合作，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，但在初始合作设想中，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。

这段表述隐含完整逻辑链：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的考试，该目标可能在五年内实现；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。"

由此可见，AGI不仅是技术目标，更是影响资本、市场、政策与产业预期的重要叙事资源。

那么AGI真正到来的标志是什么？是模型发布、评测纪录还是公司宣言？

或许这将是潜移默化的渐进过程：

正如OpenAI创始成员Andrej Karpathy所言，AGI不会带来陡然转折，而是平滑融入现有增长曲线，事后人们甚至难以确定拐点所在。

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