AGI 已到来？一场关于尺子的战争

同一句"AGI 已到来"，三种完全不同的用法

9 月 6 日，英伟达 CEO 黄仁勋在 X 上发文祝贺 OpenAI："从 ChatGPT 到 o1，再到 Astra，OpenAI 只用了 4 年时间。AGI 已经到来。"他在同一帖里还预告，接下来将有 40 万块 GPU 上线（金融界报道）。

不到一天，这个判断就遭遇了两路拆台。OpenAI 自己人先拆了一半：CEO Sam Altman 在播客里说，AGI 充其量是"定义非常模糊的术语"，甚至可能是"无关紧要的营销词"（IT之家）。批评派则拆得更狠：AI 学者 Gary Marcus 认为黄仁勋"没有提供任何科学定义，也没有给出任何证据"，他列出自己的十项 AGI 标准，判断 Astra 目前只能满足其中一到两项。

更有意思的是，Altman 的拆台并不代表 OpenAI 内部口径一致——就在几天前的发布会上，总裁 Greg Brockman 说出的恰恰是"欢迎来到 AGI 时代"（网易科技）。同一个词，在黄仁勋那里是算力生意的注脚，在 Marcus 那里是需要满足十项检验的科学断言，在 OpenAI 高管之间甚至能同时表达"重大里程碑"和"无关紧要的营销词"两种相反的意思。

三把尺子，量出三个 AGI

分歧的根源不是立场，而是尺子。至少有三套不同的衡量体系在同时运行。

黄仁勋的尺子是时间线。 他的论证结构很简单：ChatGPT（2022 年末）→ o1（2024 年）→ Astra（2026 年），四年三步，"AGI 已经到来"。这套尺子的特点是可讲述、可传播，几乎不需要技术细节支撑；它真正要说明的不是模型达到某个科学阈值，而是"OpenAI 在用我们的芯片达到这些节点"，以及"40 万块 GPU 正在路上"。对一家靠卖算力赚钱的公司来说，AGI 到来得越早、越频繁，叙事就越有利。

OpenAI 的尺子是经济价值，而且是一把官方定义过的尺子。 根据 OpenAI 自己的表述，其对 AGI 的定义是"在大多数具有经济价值的工作中表现超越人类的高度自主系统"（金融界报道）。注意这把尺子的两个关键词：一是"大多数"，统计口径问题；二是"高度自主"，操作化问题——两者都留下了巨大的解释空间。Brockman 用这把尺子宣布新时代，Altman 用同一把尺子的模糊性说它"无关紧要"，其实并不矛盾：定义越宽，越难证伪，也越方便各取所需。

Marcus 的尺子是可证伪的科学清单。 他列出的十项标准覆盖推理、学习、感知、语言、规划、物理世界操作等维度，并要求逐项检验。按这把最严的尺子，Astra 即便在个别推理基准上表现惊人，距离"满足十项"也还很远。这套方法论的价值在于：它把"AGI 是否到来"从口号之争拉回可检验的事实之争。

新基准的跃升，让"接近 AGI"第一次有了可量化的注脚

这场争论并不全是口水。支撑"AGI 已到来"阵营的最硬核证据，是几项基准的跃迁式成绩：据多方报道，Astra 在代表高阶数学能力的 FrontierMath Tier 4 上得分 97.6%，在 ARC-AGI-3 上从 GPT-5.6 时代的 7.8% 跃升至 99.9%，在漏洞利用测试 ExploitBench 中拿到满分（东方财富、AI Webbiz）。

其中 ARC-AGI-3 特别值得关注：这个基准的设计目标就是衡量"通用流体智能"而非知识记忆，此前的 7.8% 说明该测试对模型并非易事。从 7.8% 到 99.9% 的单代跃升，无论对测试本身还是对模型能力都是重大信号——它至少说明，"能完成此前被认为需要通用智能才能完成的任务"这一方向上，出现了可以量化、可以复现的进展。

但这也引出一个容易被忽视的问题：基准一旦被"攻克"，它作为 AGI 代理指标的价值就下降了。 ARC 系列基准的公开榜单一再被新模型刷到接近满分，恰恰说明单一基准无法长期承担"通用智能"的定义权。Marcus 的十项清单试图解决这个问题，可清单里的每一项又该如何度量？尺度之争由此陷入递归：不仅 AGI 本身缺乏共识，连衡量 AGI 的尺子也缺乏共识。

定义权的争夺，正在变成商业竞争的一部分

把三个阵营放在一起看，会发现"AGI"这个词正在经历一场再定价：它越来越不像一个需要精确界定的科学概念，而越来越像一种竞争性话语。

对准备 IPO 的 OpenAI 与 Anthropic、对需要持续证明"算力有用"的英伟达，AGI 叙事能直接影响估值和订单；对估值已接近 1 万亿美元的私营巨头而言，抢先宣布"AGI 到来"等于在产业心智中占住"第一个抵达者"的位置。反方向，Marcus 式的严格检验则承担着刹车功能——提醒市场：如果 AGI 的定义可以被营销改写，那么围绕 AGI 的一切承诺都需要打折看待。

这并不意味着"AGI 已到来"纯粹是炒作。更准确的说法是：技术上的真实进展（基准跃升、自主任务能力）与话语上的夸大使用，在同一时间发生了。 两者的界限，恰恰是这场争论最值得普通人盯住的地方——当厂商说"AGI 时代"时，要追问用的是哪把尺子；当批评者说"远未到来"时，也要确认他检验的究竟是哪几项能力。

小结：别问"AGI 是否到来"，先问"你在用哪把尺子"

这一轮论战最有价值的产出，不是结论，而是暴露了分歧的结构：时间线叙事、经济价值定义、可证伪清单，三把尺子量同一个词，得出三个答案，而三者都可以成立。对技术观察者来说，更实用的策略是放弃"AGI 到没到"这个二元问题，转而跟踪三个具体信号：新基准能否在攻克后继续被新测试替代、官方定义是否会为了合规与融资而被修订、以及"自主完成经济价值工作"的真实案例是否开始规模化出现。

至于黄仁勋那句"AGI 已经到来"——它更像一句给资本市场的话，而不是给科学共同体的话。真正值得认真对待的，是 Astra 那批可复现的基准成绩，以及它背后 10 万块 GPU 与即将上线的 40 万块 GPU 所代表的、正在被真实投入的算力。技术是否已经抵达 AGI 还有得吵，但"有人在按 AGI 的规模下注"这件事，已经不需要争论了。

（内容由AI生成，仅供参考）