半年三次，黄仁勋的AGI怎么又到了

AGI又又又到了。

这次，连“诞生地”都有了。

北京时间9月7日，黄仁勋在X上回复了Crusoe联合创始人兼CEO Chase Lochmiller的一条帖子。后者引用转发OpenAI介绍GPT-6 Astra成绩的帖子，祝贺OpenAI，并称美国得克萨斯州的阿比林为“AGI的诞生地”。

这座城市是“星际之门”旗舰数据中心的所在地。Crusoe参与建设，园区使用英伟达芯片，为OpenAI提供算力。建数据中心的先送来贺词，卖芯片的随后跟上。

黄仁勋的回复很简单，节译过来就是：

从ChatGPT到o1，再到Astra，只用了4年。

AGI已到来。祝贺OpenAI团队。

下一批40万块GPU即将上线。

图注：Chase Lochmiller引用转发OpenAI的帖子，黄仁勋在其下回复

这句祝贺，让人有些似曾相识。

3月23日发布的播客里，黄仁勋已说过AGI实现了。8月26日的英伟达财报电话会上，他又作出了带有限定的类似判断。不到六个月，至少三次“抵达”AGI。

半年前已经实现的东西，为什么今天还能再次到来？有意思的是，把时间再往前拨，有人在GPT-4时代，就已经宣布过同样的消息。

同一句话，三种“AGI已来”

今年3月，黄仁勋做客Lex Fridman Podcast。这档以长篇访谈见长的节目，第494期聊的是英伟达、AI计算和公司经营。在接近两小时处，主持人把话题引向AGI。

Fridman给出了一道很适合问企业家的题：AI能不能创立、发展并经营一家价值超过10亿美元的科技公司？同时，他还让黄仁勋估计，是需要5年、10年、15年，还是20年。

黄仁勋没有选其中任何一个。

“我认为，我们已经实现了AGI。”

不过，他随后补了一句：“你说的是十亿美元，又没说要永远经营下去。”

他设想的是一个小应用或网络服务：突然吸引数十亿用户，每人付50美分，很快成为一门大生意，也可能很快消失。按他的理解，主持人给出的条件，可以容纳这种短暂的成功。

可当话题变成十万个这样的智能体能否建立一家英伟达，他给出的概率却是“零”。

同样是创办公司，做出一款爆红应用，与经营一家英伟达，在黄仁勋那里得到了截然不同的答案。他认为前一种成功已经可能发生，但没有举出一家已由AI经营、估值达到十亿美元的公司作为实例。

五个月后，问题从“AI能不能创业”，变成了“AI还需要多少算力”。

8月26日，英伟达召开2027财年第二季度财报电话会。Melius Research分析师Ben Reitzes问，递归自我改进和AGI会怎样进一步推动需求。

所谓递归自我改进，是AI改进自身，再用更强的能力继续改进。黄仁勋给出的例子却相当日常：持续运行的智能体，可以更新技能文档，把工作中得到的经验留给下一次任务。他将这称为一种较粗粒度的自我改进。

接着，他说：

“在许多方面、对许多任务而言，我们可以说已经实现了AGI。”

这次，他还表示，继续纠结这些里程碑，已经没有多大意义。更值得关注的是AI能否完成有用的工作，输出能带来利润的内容，以及投入更多算力能否换来更多收益。

回答投资者时，黄仁勋把重点放在了生产力上：AI能干活、能创造收入，就是增加算力投入的理由。不过，他原话中的“对许多任务而言”，也为这次AGI判断划定了范围。

到了9月，让黄仁勋再次发出“已到来”的，是一张新模型成绩单。

OpenAI展示了Astra在数学、推理和计算机操作等测试中的表现。其中，Astra在采用厂商适配框架的ARC-AGI-3半私有测试中，得分达到99.9%，尤其醒目。这个名字直接带着“AGI”的测试，似乎就要被做满分了。

有趣的是，公布这项评测的ARC Prize团队，没有一起宣布AGI到来。

9月3日，评测作者Greg Kamradt肯定了Astra的能力跃升，却在同一篇文章中明确写道：“我们并未声称它就是AGI。”

同一个新模型，黄仁勋看到了“到来”，出题者看到了重大进步，却没有给出同样的结论。

多种“已达”：从公司愿景，到产品的“完成时”

AGI成为这轮AI竞争的目标，比ChatGPT走红还要早得多。

2015年12月，OpenAI的成立公告里已在讨论一种未来：AI可能在几乎所有智力任务上达到人类水平。当时的OpenAI表示，这一天何时到来还难以预测。到了2018年，OpenAI在公布的章程中，把确保AGI造福全人类写成使命。

2022年11月30日，OpenAI向公众发布了ChatGPT。当时的ChatGPT能回答追问、承认错误，也会一本正经地给出错误答案。它以研究预览的形式发布，当时的发布说明并没有宣布AGI实现。

产品问世后，怎样迎接AGI，也成了奥特曼公开讨论的问题。2023年2月24日，他署名发表《规划AGI及其后的未来》，设想一个“我们所有人都能在几乎任何认知任务上获得帮助”的世界。

同时，他把准备工作说得很具体：怎样应对工作岗位被替代，怎样分配AI创造的收益，以及怎样治理这些系统。那时，他讨论的是如何迎接AGI，而不是宣布它已经实现。

一个月后，微软研究者已在模型里寻找AGI的“火花”。

塞巴斯蒂安·布贝克当时负责微软研究院雷德蒙德的机器学习基础组，提前接触到了研发中的GPT-4。在微软于3月23日发布的访谈里，他讲了一个发生在夜晚的小实验。

当时，他醒来，打开笔记本电脑，想到喜欢独角兽的三岁女儿，便让GPT-4画一只独角兽。他没有调用绘图模型，而是让它写TikZ代码，再把代码渲染成图。

这幅画，画得并不完美。但头、角、腿的位置组合在一起，确实是一只独角兽。在布贝克看来，这显示模型掌握了这个概念。他此前也试过数学题、诗歌分析，却总怀疑答案可能只是来自网上已有的材料。

这次实验让他感到惊讶。

独角兽只是他们测试中的一个片段。在3月22日提交的《通用人工智能的火花：GPT-4早期实验》中，布贝克及其合作者讨论了数学、代码、视觉等多种任务，认为早期GPT-4可以被视为一种早期、尚不完整的AGI，也详细列出了它的局限。

“早期”“尚不完整”，仍然是当时判断中非常重要的一部分。但到同年10月，另一篇文章的标题就直接用了完成时。

谷歌研究者Blaise Agüera y Arcas与曾任谷歌研究主管的Peter Norvig，在《Noema》发表《通用人工智能已经到来》。文中主要说的就是当时版本的ChatGPT、Bard、LLaMA和Claude。

彼时，ChatGPT的付费用户已经能使用GPT-4；谷歌的Bard可以帮助用户写文章、写代码。Meta在当年7月推出Llama 2，允许开发者在许可条件下用于研究和商业开发。Anthropic同月发布的Claude 2，则能读入长文档，进行摘要和问答。

当时，这些模型和产品已经能够用于写作、编程和资料处理。

两人知道这些模型会编造引文，甚至算错简单的算术。但他们仍然认为，能跨主题、跨任务、跨语言处理问题，已足以使它们被称为“通用”。他们用早期通用计算机作类比：机器后来变快、变好用，并不意味着早期机器就不算通用计算机。

这给“AGI已经到来”提供了一种解释：通用性可以先出现，可靠性和能力水平继续提高。按这种理解，承认模型有缺点，并不妨碍宣布它是AGI。

然而，此后的表述，并没有沿着一张统一的进度表前进。

2025年1月，奥特曼在个人博客上称，已经确信知道如何构建“传统理解中的AGI”，并开始把目光投向超智能。

今年2月，加州大学圣迭戈分校的四名学者又在《Nature》发表评论，主张现有AI已具有人类水平的智能。在校方相关的采访中，第一作者Eddy Keming Chen解释，他们不要求AI全知全能，因为没有哪个人全知全能。他们看重的是跨领域的深度，以及灵活、通用的思考能力。

制作：盒饭财经

于是，一个原本写在公司使命里的目标，越来越多地被用来描述眼前的产品。

考进前10%，就算AGI了吗

要求似乎参差不齐。

有人认为GPT-4已经算AGI，另一些人还在谈怎样造出AGI，其差别首先在于要求模型做到哪一步。

2023年3月，OpenAI发布GPT-4时介绍，它在模拟律师资格考试中的成绩约处于考生前10%，而GPT-3.5则在后10%左右。但同一份发布说明也提醒，GPT-4在许多现实场景中仍不如人类，会编造事实、推理出错。

按照当时的能力来看，它已经很会考试了。可把工作交给它，仍然需要另一种判断。

按照OpenAI章程，AGI应当是“在大多数具有经济价值的工作中超过人类的高度自主系统”。这里既有能力的要求，也有自主性的要求。答对法律考题，与接手一份法律工作之间，仍隔着事实核实、持续执行和出错后的处理。

回看黄仁勋今年3月回答的创业设想，一款应用能赚到钱，也还没有回答“多数工作”做得怎样。但“多数工作”具体包括哪些职业，“超过人类”又该怎样衡量，章程没有给出一套可以直接验收的办法。

Anthropic的达里奥·阿莫代伊则干脆换了一个称呼。

2024年10月，达里奥·阿莫代伊在《充满爱的机器》中直言：“我不喜欢AGI这个词。”他认为它含混，夹杂了太多科幻和炒作意味，宁愿具体描述一种“强大AI”。

什么样的“强大AI”？在他看来，就是在多数相关领域比诺奖得主更出色，能长时间自主工作，还能以大量副本并行运行。

“超过人类”，究竟该以普通人还是顶尖专家为参照？研究者也在尝试把这个问题拆得更细。

2023年11月，Meredith Ringel Morris、Shane Legg等DeepMind研究者提交《AGI的等级》论文，后来发表于ICML 2024。他们没有只设一道“是或不是AGI”的门槛，而是把做事的广度与水平分开。

能处理很多种问题是一回事，每一种处理得有多好是另一回事。

按论文提出的“胜任”级别，系统应在多数认知任务上，至少达到有相关技能成年人的中位水平。到了“专家”级别，门槛升至第90百分位。

甚至，连“人类”这个比较对象，也要重新说清。

怎么理解？比如，考英语写作，要和谁比？论文明确要求，这项能力应当与能够读写并流利使用英语的成年人比较。但细想，“读写并流利使用英语的成年人”也能拆分许多。是一个正在死背abandon正在冲刺四级的大学生，还是一个工作多年正在多邻国上打卡的成年人？

有意思的是，这篇论文也把当时的ChatGPT列入了“萌芽AGI”。但按照文中对2023年9月模型表现的判断，它还没有进入“胜任AGI”。论文甚至将《Noema》两位作者的定义，对应到自己的“萌芽”一级。

同样说AGI出现了，说的也有可能是不同等级。

另一条路线干脆追问：AI究竟是已经会做很多题，还是能很快学会新题？

这条思路早于ChatGPT。2019年11月，François Chollet发表《论智能的度量》，区分已有技能与获取新技能的效率。在他看来，大量训练数据和已有知识，可以把某项技能推得很高，却未必说明系统善于应付陌生问题。

他提出的ARC测试，最初是一组彩色网格：给几个变化前后的样例，解题者自己找规律，再处理新的网格。它尽量绕开学科知识储备，观察解题者如何从少量例子中学会规则。

到了Astra参加的第三代测试，题目变成了交互环境。模型需要探索、发现规则，再决定下一步行动。这次99.9%的成绩，来自允许模型保留内部推理状态的一套厂商适配配置。

*测试条件：ARC-AGI-3半私有测试集，Provider Adapter框架，high推理档位。*

成绩很高，出题者仍然保留判断，是因为这些环境终究有边界——规则确定，目标封闭。掌握这些游戏，尚不足以证明模型能应对现实世界的开放性和复杂性。这也是ARC Prize一边肯定Astra，一边继续研究下一代测试的原因。

从能对话，到会考试，再到自主工作、学习陌生规则，产品的进步让AGI的讨论越来越具体。但这些要求并没有被合并成一套统一标准，工作表现、能力广度、学习效率仍是不同的判断依据。

回到阿比林的那条帖子，建数据中心的人在祝贺，提供芯片的人在预告下一批GPU。“AGI已到来”与“下一批40万块GPU即将上线”，只隔了一行。

3月那场播客里，黄仁勋自己的回答已经说明：做出一款爆红的应用，与建立一家英伟达，距离还很远。

至于这一步该不该叫AGI，各方的答案或许很长一段时间都会不相同。“已经到来”未必与继续进步矛盾，但还是要回答一个问题——这次究竟比上次多做成了什么？