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·布罗克曼在发布全新模型GPT-6 Astra后，公开宣称："我们正式迈入AGI时代。"这一论断引发行业震动。

仅三天后，英伟达CEO黄仁勋在社交平台进一步强化这一观点："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·奥尔特曼仍公开表示，AGI是"定义极其模糊的概念"，甚至一度想称之为"营销术语"。这种前后矛盾的态度，折射出行业对AGI认知的深层分歧。

负责关键评测的ARC Prize团队特别强调："GPT-6 Astra确实展现了通用化能力的重大突破，但我们从未声称它就是AGI。"这种谨慎态度与商业领袖的激进宣言形成鲜明对比。

当科技巨头高呼"AGI已至"时，评测机构却在划清界限，这种割裂现象背后，隐藏着AI行业发展的深层逻辑。

■评测榜单的数字游戏：99.9%等于AGI吗？

GPT-6 Astra在ARC-AGI-3评测中取得的99.9%惊人成绩，成为AGI论者的核心论据。但这个数字背后藏着关键细节：

与传统评测不同，ARC-AGI-3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、理解反馈并寻找解决方案。这种设计专门针对AI的"零样本学习能力"，即面对全新问题时的现场适应能力。

然而，99.9%的得分存在重要前提：在ARC Prize提供的标准测试框架中，GPT-6 Astra实际得分仅为62.7%；当接入OpenAI定制的专用适配框架后，成绩才飙升至99.9%。这个专用框架允许模型保留跨请求的隐藏推理状态，并能利用上下文压缩延续探索经验。

这种技术操作虽非作弊，却揭示了关键问题：62.7%反映的是单一模型的基础能力，而99.9%测量的是包含记忆系统、工具链和运行框架的完整智能体系。两者本质不同，不能简单等同。

更值得警惕的是，当我们将99.9%的测试得分直接换算为"99.9%的AGI"时，已经陷入了概念偷换的陷阱。AI评测与AGI认定之间，存在着难以跨越的逻辑鸿沟。

在其他权威评测中，GPT-6 Astra的表现暴露出明显短板：

• 高难数学测试FrontierMath Tier 4：97.6%
• 计算机操作测试OSWorld 2.0：72.6%
• 真实办公流程测试AutomationBench：41.4%
• 复杂专业任务测试Agents’Last Exam：59.3%

这些数据揭示残酷现实：当任务规则清晰、答案可验证时，AI已能逼近甚至超越人类；但面对流程冗长、目标模糊的真实场景，其失败率仍高得惊人。这种"考场天才，现实菜鸟"的悖论，正是当前AI发展的真实写照。

历史总是惊人相似：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，人类都曾产生"通用智能近在咫尺"的错觉。但规则明确、反馈即时、有自动裁判的封闭环境，与复杂多变的现实世界存在本质差异。

■AGI定义之争：科技巨头的战略博弈

AGI至今缺乏统一标准，不同机构的定义折射出各自的战略考量：

OpenAI采用最具经济导向的定义：在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：

• 覆盖广泛的工作领域
• 表现超越人类水平
• 具备高度自主运行能力

值得注意的是，意识、情感等人类特质被明确排除在必要条件之外。这种务实定义与OpenAI的产品路线高度契合：通过推理模型提升复杂任务处理能力，借助智能体强化工具调用和计算机操作，最终让AI承担完整工作流程，转化为可规模化部署的生产力。

Anthropic则采取更为谨慎的态度。CEO达里奥·阿莫迪认为"AGI"承载过多模糊含义，转而使用"强大的AI"这一表述。在2024年10月发表的《Machines of Loving Grace》中，他描绘了具体系统标准：

• 在多数重要领域达到或超过顶尖专家水平
• 能够独立完成持续数小时至数周的任务
• 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，共同决定AI的现实影响。基于此判断，Anthropic将能力扩展与风险治理绑定，形成"保持前沿竞争力+同步升级安全保障"的战略双轮驱动。

Google DeepMind则聚焦于AGI的测量标准。其2023年发布的《Levels of AGI》提出"性能-通用性"双轴模型，将通用智能划分为五个等级：

1. 新兴：初步具备通用能力
2. 胜任：在特定领域表现良好
3. 专家：接近人类专业水平
4. 大师：超越人类专家
5. 超人类：全面超越人类能力

同时将自主性作为独立维度处理，要求研究者同时考察能力强度和覆盖范围。2026年3月，DeepMind进一步发布认知分类框架，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，并设立20万美元奖金征集测试方案。

这种将AGI转化为可比较认知能力图谱的思路，体现了DeepMind的研究取向：通过建立统一尺度，识别能力缺口，指导评测研发和产品迭代。定义之争背后，是科技巨头对未来技术主导权的激烈争夺。

AGI定义不仅是学术概念，更是战略罗盘。采用何种标准，决定着哪些能力被视为关键进展；哪些进展被优先发展，又反过来塑造公司的产品路线、资源配置和安全策略。这种定义与发展的双向互动，正在悄然重构AI行业的竞争格局。

■AGI叙事之争：技术革命还是商业包装？

人类总是倾向于将技术革命简化为标志性瞬间：莱特兄弟的首次飞行、第一颗原子弹爆炸、阿波罗11号登月。这种历史叙事需要明确日期和震撼画面，但AGI的发展可能打破这种传统认知模式。

当前AGI之争中，"GPT-6 Astra就是AGI"与"我们进入了AGI时代"代表两种不同表达：前者是可检验的技术结论，需要明确定义、满足条件和独立验证；后者则是充满弹性的时代判断，既制造历史时刻又保留解释空间。

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匀的，准确描述需要一长串评测数据和限定条件。而"AGI时代来了"的宣言，能将技术升级压缩为历史节点，将算力投入、技术路线和商业前景编织成统一故事。

这种叙事对争夺用户、客户、人才和资本的公司具有战略价值。黄仁勋的表态需放在这个框架下理解：2025年9月，英伟达与OpenAI宣布战略合作，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，且后续传出调整可能，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。

黄仁勋在宣布"AGI已经到来"时，特别强调训练Astra使用的英伟达计算系统和即将上线的GPU，隐含着完整因果链：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AI算力扩张的主要受益者，英伟达有强烈动机强调这是时代转折。

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考试，这一目标可能在五年内实现；2026年3月，他又在Lex Fridman播客中直言："我认为我们已经实现了AGI。"

AGI已从技术终点演变为叙事资源，影响着资本流向、市场预期、政策制定和产业布局。那么，AGI究竟如何才算真正到来？是模型发布、评测纪录，还是公司宣言？

或许正如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，事后甚至难以确定拐点所在。这场关于AGI的争论，本质上是人类对智能本质认知的持续探索，其意义远超技术本身。

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