跳到主要內容
黃仁勳說 AGI 來了——但他用的定義跟學術界完全不同

黃仁勳說 AGI 來了——但他用的定義跟學術界完全不同

「真他媽該死，到底怎麼辦好焦慮啊啊啊啊。」

這是上個月一個工程師在論壇上的留言。他剛看完 AI 兩次 prompt 就寫完一個功能的 demo。另一個討論串的標題更直接：「以前要請 4 個，現在只需要 1 個。」

然後 2026 年 3 月 23 日，黃仁勳在 Lex Fridman 的 podcast 裡丟了一顆炸彈：

「I think it's now. I think we've achieved AGI.」

在同一集 podcast 裡，他又說了另一句。這句沒上任何標題：

「100,000 個 AI agent 建出 NVIDIA 的機率是零。」

如果 AGI 已經到了，為什麼它連一家公司都建不出來？

答案比你以為的簡單，也比你以為的嚴重：他用的「AGI」跟你腦中的「AGI」不是同一個東西。

AGI 的定義之爭不是學術口水，而是一場涉及數千億美元利益的敘事戰爭。你採用哪個定義，直接決定你該擔心什麼、投資什麼、準備什麼。

而最荒謬的是：連建造 AGI 的人自己都無法統一定義。

「你說十億，你又沒說永遠」

先還原現場。Lex Fridman 問的問題非常具體：「AI 能不能從零開始，建立並經營一家價值十億美元的科技公司？」

黃仁勳說可以。但他馬上加了一個但書：「You said a billion, and you didn't say forever.」

你說十億，你又沒說永遠。

他的意思是：現在的 AI 確實能搞出一個病毒式 app、一個數位網紅、一個 Tamagotchi 遊戲，短暫衝到十億美元估值。然後可能馬上倒。

但真正建造一家持續運作、在物理世界有工廠有供應鏈有三萬名工程師的公司？十萬個 AI agent 一起上也做不到。

這就是他的 AGI 定義：AI 能短暫達到一個經濟門檻，而不是真正匹配人類認知的全部面向。

這個定義本身就是問題。

一張從來沒有人給你看過的 AI 成績單

如果黃仁勳的定義太窄，那學術界怎麼說？

2025 年 10 月，一件罕見的事發生了。33 位研究者聯名發表了一篇論文，嘗試給 AGI 一個嚴格的定義。名單裡同時包含 AI 最大的懷疑派 Gary Marcus、圖靈獎得主 Yoshua Bengio、前 Google CEO Eric Schmidt。這些人平常意見完全不同，但他們在一件事上取得了共識：AGI 必須用心理計量學來衡量。

他們借用了心理學界驗證最充分的人類智力模型，把 AGI 拆成 10 個認知維度，像考試一樣給 AI 打分。

結果公布時我看了很久：

GPT-5 的 AGI 分數是 57%。

不是接近及格，不是「差一點」。而且，最關鍵的不是總分，是各科的分布。

讀寫能力：10/10。數學能力：10/10。常識知識：9/10。

到這裡你可能覺得「那不錯啊」。但往下看：

Long-Term Memory Storage：0/10。

零分。不是 1 分、2 分，是零。

這代表什麼？代表你跟 AI 深入討論了三個小時的專案策略，隔天重新打開對話，它完全不記得。你的新同事如果記憶力是零，你會讓他負責什麼？

論文的作者用了一個詞來形容這個現象：「嚴重失憶」。

他們指出，開發者用兩種「能力扭曲」來掩蓋這個問題。第一是瘋狂擴大 context window：把整個 codebase 塞進對話框，靠工作記憶硬撐。第二是 RAG（檢索增強生成）：讓 AI 去外部資料庫搜答案。這兩種做法都有用，但論文的評語毫不客氣——它們是「掩蓋失憶的拐杖」。

我每天用 AI 寫程式。它寫 code 的速度確實讓人頭皮發麻。但它昨天幫我做的架構決策，今天打開一個新對話就忘得一乾二淨。論壇上一位五年經驗的工程師說得很準確：「自從去年底 Opus 4.5 推出後，整個組內四個人幾乎半年沒有手寫程式碼。」另一個討論串更直接：「以前要請 4 個，現在只需要 1 個。」

但如果你把「數學 10 分、記憶 0 分」這張成績單攤開來看，畫面就不一樣了。AI 不是全面進逼，它的認知輪廓是鋸齒狀的：某些尖刺已經超越人類，某些凹陷接近於零。

研究者有一個專門的詞來形容這種形狀：jagged cognitive profile。

AI 的認知輪廓不是圓的——某些維度極高，某些接近於零

2026 年 3 月，Google DeepMind 發表了自己的認知框架，把 AGI 拆成 10 個維度：知覺、生成、注意力、學習、記憶、推理、後設認知、執行功能、問題解決、社會認知。

他們的結論和 Hendrycks 團隊一致：現在的 AI 在某些維度已經超越多數人，但在其他維度遠遠落後。不是差一點，是差到連測量工具都還沒建好——DeepMind 在論文裡承認，10 個維度中有 5 個（包含後設認知、注意力、學習、社會認知），現有的 benchmark 存在嚴重的覆蓋缺口。

他們甚至開了一個 20 萬美元的 Kaggle 獎金，請外部研究者幫忙補上這些測量空白。

讀到這裡你應該意識到一件事：AGI 不是 yes/no 的問題。它是一張雷達圖。而現在的 AI，某些觸角伸得極長，某些還沒長出來。

為什麼定義 AGI 的人比你想的更有錢

如果定義只是學術爭論，那無所謂。問題是，AGI 的定義直接牽動巨額的商業利益。

Fortune 在 3 月 30 日的深度報導裡挖出了一個很少被報導的事實：2023 年，微軟投資 OpenAI 100 億美元時，合約中有一個條款——微軟是 OpenAI 所有 AI 產品的獨家商業夥伴，但 AGI 不包含在內。

換句話說，一旦 OpenAI 宣布達成 AGI，微軟就失去獨家權。

那誰有權宣布 AGI 達成？原本是 OpenAI 的非營利董事會。但據 The Information 報導，在 2023 年那份合約裡，AGI 被秘密定義為一個非常具體的東西：一項能產生至少 1000 億美元利潤的技術。

OpenAI 去年營收 130 億美元，還虧了 80 億。離 1000 億美元的利潤差得遠。

但 Sam Altman 一邊在部落格寫「我們現在有信心知道怎麼建造 AGI」，一邊跟 Bloomberg 說 AGI 是「不太有用的詞」。

你不覺得矛盾嗎？

想想看：對 OpenAI 來說，宣稱「接近 AGI」能吸引投資和人才。但真的宣布「達成 AGI」，微軟的獨家權就消失了。所以最理想的位置是：永遠「接近」但永遠「還沒到」。

定義模糊不是 bug，是 feature。

黃仁勳的動機更直接。他賣的是 GPU。AGI 離得越近，全世界的資料中心就需要買越多 NVIDIA 的晶片。當他在全球最大的 podcast 上說「AGI 已到」，NVIDIA 的股價在那一週上漲了。

Gary Marcus 在他的分析裡把這個現象叫做一個概念錯誤加上一個策略誤判：「把越來越精緻的統計近似跟真正的智慧混為一談，不只是學術上的錯——是會讓你做出錯誤投資決定的錯。」

我幫客戶做數位轉型。最近每次見面，他們第一個問題都是「AGI 來了，我們要不要 all in？」我的回答都一樣：「先問清楚，你說的 AGI 是誰的定義？」

「AGI 這個詞可能已經過時了」

更荒謬的場景出現了。建造 AGI 的公司，正在集體放棄這個詞。

這波退縮從 Anthropic 開始。Anthropic 總裁 Daniela Amodei 先開第一槍：AGI 的概念「可能已經過時了」。理由很直接——Claude 寫程式已經比很多工程師強，但連基本的直覺都做不到。一個系統某些任務超強、其他任務力不從心，那「通用智慧」這個目標本身就不合理。

然後用詞越來越不客氣。先是「不太有用的詞」——說這話的人是 OpenAI 的 Altman，同一個一年前寫「我們知道怎麼建 AGI」的人。再來是「催眠」——Salesforce 的 Benioff 暗指的就是正在催眠市場的那幾家公司。最後升級到直接指控：AGI 炒作正在讓學生做錯職涯選擇，讓 CEO 砸錢在不切實際的承諾上。這不是懷疑派在批評，是 AI 產業最頂層的人在互相拆台。

論壇上一句話總結了這個荒謬：「尼信嗎？老實說我不太信。AI 時代就會產生一堆無用階級。」

但有人不同意放棄。DeepMind 和 Hendrycks 團隊的立場是：不是 AGI 這個概念有問題，是企業把它扭曲了。解法不是丟掉這個詞，是用可量化的科學框架取代行銷敘事。

但 DeepMind 創辦人 Demis Hassabis 看 AGI 的方式完全不同。他不把 AGI 當商業目標。根據 《The Infinity Machine》的記錄，他凌晨兩點坐在桌前，覺得「現實在對著我尖叫，試圖告訴我什麼」。對他來說，建造 AGI 是為了理解宇宙的基本規則。

即便如此，Hassabis 自己也說：我們還在「第一局」。他把大型語言模型比喻成棋局裡的「策略網路」，能預測下一步該走什麼，但缺少「價值網路」：搜尋、規劃、反省的能力。LLM 只在「樹的下半部」搜索知識，沒辦法發明真正原創的東西，比如相對論。

而 DeepMind 內部甚至無法統一路線。Hassabis 堅信強化學習才是通往 AGI 的路，因為只有 RL 能產生超越人類訓練資料的洞見。但另一派研究者認為公司在「錯失」大型語言模型的浪潮，有人因此離職。

連一個實驗室內部，路線都吵不出共識。

如果連測量都做不到，你怎麼確定它沒到？

到這裡，你可能覺得結論很明確：AGI 沒到，定義被炒作了。

但第三個判斷讓我遲疑了。

Hendrycks 團隊的數據有一個被低估的訊號：GPT-4 在 2023 年的 AGI 分數是 27%。GPT-5 在 2025 年是 57%。兩年跳了 30 個百分點。

我自己的體感跟這個數字吻合。兩年前我讓 AI 幫忙重構一段 code，它給的方案漏洞百出，我花更多時間改它的錯。上個月同樣的任務，它一次就給出比我原本想的更乾淨的架構。進步不是漸進的，是跳躍的。

如果這個速度持續，2027 年就可能超過 80%。這不是線性外推，是提醒你加速度本身值得注意。

而 DeepMind 的認知框架承認了一件更根本的事：10 個維度裡有一半，現有的測量工具嚴重不足。後設認知、注意力、學習能力、社會認知、問題解決——這些維度的 benchmark 存在巨大缺口。

如果你無法測量一個東西，你怎麼確定它不存在？

Mallaby 在書中記錄了一個令人不安的細節：Hassabis 當年預測 AGI 會在某個時間軸上到來。現在，它「幾乎剛好在他預言的時間軸上」到達了。但他沒有因此感到勝利——他感到的是恐懼。因為他原本設想的劇本是「一個實驗室安全地建造 AGI」。結果現在變成了全球不可控的軍備競賽。

Hassabis 自己也犯過判斷錯誤。他多年來堅信語言模型因為「沒有接地」——沒有在物理環境中互動——所以不可能有真正的智慧。但後來他承認，語言模型是「不合理地有效」。出走的 LLM 派押對了趨勢。

所以第三個判斷是：過度自信 AGI 很遠，跟過度自信 AGI 很近，一樣危險。

正確的框架不是「AGI 存在 vs 不存在」，而是：AI 的認知雷達圖正在以非線性速度擴張。某些尖刺已經超越人類，某些凹陷可能比我們以為的更快被填平。

你的工作長什麼形狀？

把上面的分析濃縮成你可以帶著走的東西：

第一，不要問「AGI 來了嗎？」——問「他用的是哪個定義？」

同一個詞，至少有三種意思。經濟定義：AI 能做出一個短暫值十億美元的數位產品。心理計量定義：AI 在 10 個認知維度上達到人類中位數（目前 57 分）。合約定義：一項能產生 1000 億美元利潤的技術。

三種定義，三種結論，三種完全不同的緊迫感。

每次有人跟你說「AGI 來了」或「AGI 快來了」，你的第一個問題不是「真的嗎？」——是「他用的哪個定義？這個定義對他有什麼好處？」

第二，看雷達圖的凹陷，不看尖刺。

AI 的讀寫和數學能力已經是 10/10。如果你的工作核心是「讀一篇文件然後寫一份摘要」或「算一組數字」，確實該認真思考。有人在論壇說「大量文組學生搭配 AI 可以頂得上初階工程師」，這話對某些維度是真的。

但記憶力是 0/10。社會認知沒辦法測量。後設認知（知道自己不知道什麼）接近於零。

如果你的工作是「記住三年前客戶說過的一句話，在今天的會議上用恰當的時機提起」——AI 做不到。如果你的工作需要在壓力下即興改變計劃——AI 做不到。如果你的工作需要讀出會議室裡的潛台詞——AI 更做不到。

所以第二件事：畫你自己工作的雷達圖。它橫跨哪些認知維度？跟 AI 的尖刺重疊多少？跟 AI 的凹陷重疊多少？

第三，追蹤加速度，不追蹤標題。

27% → 57%，兩年。下一個數據點出來的時候，不要看標題寫什麼。看那張雷達圖的形狀怎麼變了。哪些凹陷被填平了？哪些還是零？

黃仁勳在同一集 podcast 裡說了一句被忽略的話：「Intelligence is a commodity.」智慧是商品。他認為 AI 的智慧就像洗碗機——功能性地處理任務，效率極高，但需要人類的同理心、痛苦承受力和領導力來驅動。

他可能是對的。但一個賣洗碗機的人告訴你「洗碗的時代結束了」，你會直接信嗎？

下次有人跟你說「AGI 來了」，問他三個問題：他用的定義是什麼？這個定義值多少錢？那張雷達圖上，記憶力幾分？

本文讀了這些來源：

書：

Podcast：

文章：

論文：

聲明： 以上內容為個人閱讀 AI 研究文獻後的整理與觀點分享，不構成投資或職涯建議。文中提及的公司（NVIDIA、OpenAI、Google、Anthropic、Microsoft）僅供說明 AGI 定義爭議的商業脈絡。任何投資或職涯決定請自行評估風險。

你可能也想讀：

新文章上線時通知你

有新主題才通知，僅此而已。