AGI时代来临？一场关于通用人工智能的认知博弈

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："AGI时代已然开启。"

仅隔三日，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已成现实。"

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然降临？

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·奥尔特曼仍坦言："AGI是个定义模糊的概念，甚至可视为营销术语。"

负责关键评测的ARC Prize团队也明确声明："虽然GPT-6 Astra展现重要通用能力突破，但并未达到AGI标准。"

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。

当科技巨头们竞相宣称AGI时代来临，却无人能清晰界定：AI究竟需要跨越哪些门槛，才算真正实现通用人工智能？

■评测榜单的高分，真能等同AGI吗？

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

这项特殊评测与传统测试截然不同：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最受质疑的核心能力——面对未知问题的现场学习能力。

99.9%的得分看似完美，却隐藏着关键前提：

在ARC Prize提供的标准测试框架下，GPT-6 Astra仅得62.7分；当接入OpenAI专属适配框架后，得分才飙升至99.9%。

后者允许模型保留跨请求的隐藏推理状态，并利用上下文压缩延续探索经验，这相当于为AI配备了"记忆外挂"。

这种操作虽不能简单定义为作弊，却揭示重要现实：现实中的AI系统本就包含记忆、工具和运行框架等组件。

问题在于：62.7分反映的是单一模型能力，而99.9分测量的是优化后的系统整体表现。

两项数据均真实有效，但绝不能将99.9%的测试得分直接等同于"99.9%的AGI实现度"。

更值得关注的是，GPT-6 Astra在其他测试中的表现参差不齐：

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赢下《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，与充满不确定性的现实世界有着本质区别。

■各执一词的AGI定义，究竟谁说了算？

当前AGI领域最突出的矛盾，在于缺乏统一认知框架。

OpenAI采用经济导向的定义：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"。

这一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等产品深入软件开发流程，所有能力最终指向同一个目标——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：

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，并可复制成数百万实例以远超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则聚焦于AGI的测量标准。

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。

DeepMind还与Kaggle合作设立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，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的定义之争远非学术讨论，它深刻影响着行业发展方向：

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、资源配置和安全重点。

定义不仅在描述未来，更在塑造未来。

■AGI之争：一场精心策划的叙事博弈？

人类总倾向于将技术革命想象为某个明确的历史瞬间。

莱特兄弟的飞机离地升空、第一颗原子弹爆炸、阿波罗11号登月，这些标志性事件都因具体时间点而被载入史册。

历史需要日期，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——若声称某系统是AGI，需说明采用的定义、满足的条件，以及在哪些独立测试中得到验证；

后者则是更具象征意味的时代判断，正如布罗克曼所言"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。

模型能力的真实进步往往是零散而不均衡的，准确描述这些变化需要一长串评测数据、条件限定和解释说明。

而"AGI时代来临"的宣言，却能将复杂的技术演进压缩成一句简洁有力的口号。

它不仅将一次模型发布从产品升级提升为历史节点，更将算力投入、技术路线和商业前景编织成同一个引人入胜的故事。

对于争夺用户、企业客户、人才和资本的科技公司而言，这种叙事的价值或许不亚于一次真正的技术突破。

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：OpenAI计划部署至少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年他曾表示，若将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不仅是技术演进的终点，更是影响资本流向、市场预期、政策制定和产业布局的重要叙事资源。

那么AGI究竟何时才算真正到来？是某次模型发布、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不会带来一条陡然拐起的曲线，它会平滑地融入技术增长轨迹，事后人们甚至找不到明确的转折点。

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