AnswersPublished24 sources
Jensen Huang: AGI er allerede her for mange oppgaver – men hva betyr det egentlig?
På Nvidias resultatpresentasjon 26. august 2026 sa Jensen Huang at man «for mange oppgaver» allerede kan si at AGI er oppnådd – uten å legge frem en formell test eller dokumentere generell intelligens på menneskenivå.
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- På Nvidias resultatpresentasjon 26. august 2026 sa Jensen Huang at man «for mange oppgaver» allerede kan si at AGI er oppnådd – uten å legge frem en formell test eller dokumentere generell intelligens på menneskenivå.
- Huangs praktiske målestokk handler om nyttige AI agenter og økonomiske resultater, mens OpenAI definerer AGI som et svært autonomt system som gjør det bedre enn mennesker i det meste av økonomisk verdifullt arbeid.
- Nvidias rekordomsetning på 96,2 milliarder dollar viser at AI allerede har stor kommersiell verdi.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Nvidia CEO Jensen Huang say about artificial general intelligence (AGI) during the company’s fiscal second-quarter 2027 earnings ca. Article summary: Huang argued that AGI is already effectively here for many tasks, but that the label is no longer very meaningful. His point was economic and operational: AI agents are useful enough to perform valuable work now—and thei. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Jensen Huangs uttalelser om kunstig generell intelligens – AGI, etter den engelske forkortelsen – var mindre en vitenskapelig erklæring enn en næringslivsorientert måte å beskrive AI-utviklingen på.
Nvidia-sjefen sa at AI har blitt nyttig, at AI-agenter kan utføre verdifullt arbeid, og at man «for mange oppgaver» allerede kan si at AGI er oppnådd. Han omtalte også tradisjonelle AGI-milepæler som «ganske meningsløse». 34
48
Det viktige forbeholdet er at Huang ikke definerte en etterprøvbar terskel for AGI, viste til et bestemt sett med tester eller hevdet at dagens systemer har menneskelignende intelligens på tvers av alle fagområder. Hovedpoenget hans handlet om hva AI kan gjøre produktivt allerede nå – og hva det betyr for etterspørselen etter datakraft.
Hva sa Jensen Huang om AGI?
Huang innledet resultatpresentasjonen med å slå fast at «AI har blitt nyttig». Deretter la han vekt på fremveksten av AI-agenter: systemer som ikke bare svarer på en instruks, men som kan planlegge og gjennomføre arbeid i flere trinn.
Han anslo at en agent kan kreve rundt 15 til 100 ganger så mye datakraft som en interaksjon der et menneske styrer AI-en direkte, avhengig av oppgaven. 33
36
Det var i denne sammenhengen han sa at AGI allerede kan regnes som oppnådd «for mange oppgaver». Formuleringen er avgjørende. Den beskriver høy funksjonsevne på utvalgte områder – ikke at ett enkelt system pålitelig kan utføre nesten enhver intellektuell oppgave et menneske kan utføre.
Det overordnede budskapet hans var at AI bør vurderes etter hvilke resultater teknologien faktisk skaper. Nvidias resultatmateriale la på samme måte vekt på at AI utfører nyttig arbeid, og at etterspørselen øker når kundene tar teknologien i bruk i virkelige systemer. 47
Slik skiller Huangs syn seg fra den tradisjonelle AGI-forståelsen
Det finnes ingen universelt akseptert definisjon av kunstig generell intelligens. Begrepet forbindes likevel vanligvis med generalitet: evnen til å overføre kunnskap og ferdigheter mellom mange ulike og ukjente oppgaver, ikke bare å være svært god innenfor ett bestemt felt. 17
Huang flytter oppmerksomheten fra én bestemt kognitiv målestokk til praktisk nytte. Med en slik tilnærming kan et AI-system virke AGI-lignende når det utfører økonomisk verdifulle oppgaver – selv om det fortsatt er avhengig av verktøy, nøye utformede arbeidsprosesser, menneskelig kontroll eller spesialisert tilrettelegging.
Forskjellen kan oppsummeres slik:
- Den tradisjonelle, evnebaserte forståelsen: AGI bør vise bred og overførbar kompetanse i ukjente intellektuelle oppgaver.
- Huangs praktiske forståelse: AI nærmer seg eller har nådd det relevante målet på områder der agenter kan utføre nyttig arbeid.
- Det påstanden ikke dokumenterer: Den viser ikke i seg selv robust resonnering, pålitelig selvstendighet over lang tid eller generell kompetanse utenfor spesialdesignede arbeidsprosesser.
Huang argumenterte med andre ord for at den økonomiske overgangen kan være viktigere enn selve merkelappen. Det er ikke det samme som at det vitenskapelige spørsmålet om AGI er avgjort.
Hva er forskjellen på Huang og Sam Altman?
OpenAIs historiske definisjon er også økonomisk orientert, men setter listen høyere. Selskapet har beskrevet AGI som «et svært autonomt system som gjør det bedre enn mennesker i det meste av økonomisk verdifullt arbeid». 17
Forskjellen ligger særlig i omfanget og graden av selvstendighet. Huang snakket om AI som fungerer for mange oppgaver. OpenAIs definisjon krever et system som gjør det bedre enn mennesker i det meste av økonomisk verdifullt arbeid, med høy grad av autonomi.
Sam Altman skal ha sagt at OpenAI kan ha et internt system som selskapet vil kalle AGI innen utgangen av 2026. Dette bør forstås som en intern milepæl basert på OpenAIs egen definisjon – ikke nødvendigvis som lanseringen av et offentlig system eller en umiddelbar omveltning av økonomien. 19
22
28
Altman har også erkjent at teknologiske gjennombrudd og økonomisk innføring kan skje på ulike tidspunkter. Omtalen av prognosene hans plasserer superintelligens senere, rundt slutten av 2028. Det understreker at AGI, offentlig tilgjengelig teknologi, økonomisk effekt og superintelligens er forskjellige milepæler. 18
21
Den tilsynelatende uenigheten handler derfor både om definisjoner og tidspunkt. Huang fremhever dagens nytteverdi. Altman snakker om når OpenAI mener et internt system kan oppfylle en bredere standard for autonomi og økonomiske prestasjoner.
Hovedinnvendingen: Nyttig AI er ikke det samme som generell intelligens
Den sterkeste kritikken av Huangs påstand er at kommersiell verdi alene ikke beviser generell intelligens. Et system kan være svært lønnsomt og samtidig være smalt, upålitelig eller sterkt avhengig av infrastruktur som mennesker har utformet.
Huang la ikke frem en uavhengig evaluering som viser at dagens AI-systemer oppfyller et generelt intelligenskriterium. Uten et felles oppgavesett, en tydelig standard for autonomi, krav til pålitelighet eller tester på tvers av fagområder er det vanskelig å etterprøve påstanden om at «AGI er her».
Det betyr ikke at påstanden er innholdsløs. Den bør heller forstås som en næringslivsorientert nytolkning, ikke som et etablert vitenskapelig funn. Når det ikke finnes én universell AGI-definisjon, kan ulike selskaper bruke samme begrep om vesentlig forskjellige nivåer av funksjonsevne. 17
Hvorfor Nvidias rekordkvartal støtter Huangs snevrere argument
Nvidia rapporterte en omsetning på 96,2 milliarder dollar i regnskapsårets andre kvartal 2027, en økning på 106 prosent fra samme periode året før. Omsetningen fra datasentre endte på 89,0 milliarder dollar, opp 117 prosent. 1
Tallene beviser ikke AGI. De viser imidlertid at kundene bruker store summer på infrastrukturen som trengs for å trene og kjøre AI-systemer. Det støtter Huangs snevrere tese: AI er allerede nyttig nok til å skape betydelig kommersiell etterspørsel.
Resultatpresentasjonen knyttet dermed sammen to poenger:
- AI-agenter blir stadig bedre til å utføre produktivt arbeid.
- Mer selvstendig arbeid i flere trinn krever vesentlig mer datakraft enn en enkel interaksjon der et menneske styrer systemet.
33
48
For Nvidia er det andre punktet særlig viktig. Når agenter utfører flere trinn, bruker flere verktøy og kjører over lengre tid, kan hver nyttige oppgave skape større etterspørsel etter datakraft for kjøring – såkalt inferens – og tilhørende infrastruktur.
Minnekostnadene viser hvor grensene går
Økonomien er likevel ikke bare positiv. Nvidia møter også press fra dyre og knappe minnekomponenter, og rapporteringen tyder på at de høye minnekostnadene påvirker forventningene til marginene. 15
Dette endrer hvordan Huangs argument bør leses. Selv om AI-agenter blir mer kapable, avhenger utrullingen av om selskapene får tak i nok GPU-er, minne, strøm og datasenterkapasitet – til en kostnad som gir tilfredsstillende avkastning.
Det sentrale spørsmålet i bransjen er derfor i ferd med å skifte fra «Kan en AI-modell gi et imponerende svar?» til «Kan et AI-system utføre verdifullt arbeid pålitelig og lønnsomt i stor skala?» Nvidias resultater gir sterke bevis for etterspørselen. Mangel på minne og press på marginene viser samtidig at spørsmålene om tilbud, kostnader og lønnsomhet fortsatt ikke er løst. 13
15
Den mest presise tolkningen av Huangs påstand
Huangs uttalelse kan best forstås som en avvisning av AGI som én dramatisk målstrek. Han mener at den praktiske overgangen allerede er i gang: AI-agenter kan utføre nyttig arbeid, kundene betaler for infrastrukturen, og behovet for datakraft øker når systemene blir mer selvstendige.
Det er en smalere påstand enn at «maskiner nå har generell intelligens på menneskenivå». Den skiller seg også fra OpenAIs definisjon, der AGI krever svært autonom ytelse i det meste av økonomisk verdifullt arbeid.
Den mest holdbare konklusjonen er derfor todelt: Nyttig og økonomisk produktiv AI er tydeligvis her, mens spørsmålet om AGI er her, avhenger av hvilken definisjon og hvilken bevisstandard man bruker. Nvidias kvartal på 96,2 milliarder dollar viser den kommersielle kraften bak Huangs syn – men kan ikke alene avgjøre hva AGI betyr.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Jensen Huang: AGI er allerede her for mange oppgaver – men hva betyr det egentlig?"?
På Nvidias resultatpresentasjon 26. august 2026 sa Jensen Huang at man «for mange oppgaver» allerede kan si at AGI er oppnådd – uten å legge frem en formell test eller dokumentere generell intelligens på menneskenivå.
What are the key points to validate first?
På Nvidias resultatpresentasjon 26. august 2026 sa Jensen Huang at man «for mange oppgaver» allerede kan si at AGI er oppnådd – uten å legge frem en formell test eller dokumentere generell intelligens på menneskenivå. Huangs praktiske målestokk handler om nyttige AI agenter og økonomiske resultater, mens OpenAI definerer AGI som et svært autonomt system som gjør det bedre enn mennesker i det meste av økonomisk verdifullt arbeid.
What should I do next in practice?
Nvidias rekordomsetning på 96,2 milliarder dollar viser at AI allerede har stor kommersiell verdi.
Sources
timesnownews.comNVIDIA CEO Jensen Huang Says We've Achieved AGI, But ...
ndtvprofit.comNvidia Earnings: Five Things Jensen Huang Said That ...