Дженсен Хуанг заявил, что AGI уже существует — что он имел в виду

Заявление Дженсена Хуанга об AGI на отчётном звонке Nvidia за второй финансовый квартал 2027 года было скорее деловой переоценкой термина, чем объявлением научного консенсуса. Глава компании заявил, что ИИ стал полезным, агенты уже способны выполнять ценную работу и «для многих задач мы могли бы сказать, что уже достигли AGI». Традиционные вехи на пути к AGI он назвал «в некотором смысле бессмысленными». 3448

Но здесь важна оговорка. Хуанг не предложил воспроизводимый порог AGI, не назвал набор контрольных тестов и не утверждал, что современные системы обладают полностью человеческим интеллектом во всех областях. Его аргумент прежде всего касается того, что ИИ уже умеет делать продуктивно, и того, как это меняет спрос на вычислительную инфраструктуру.

Что именно сказал Дженсен Хуанг

В начале разговора с инвесторами Хуанг подчеркнул: «ИИ стал полезным». Особое внимание он уделил ИИ-агентам — системам, которые не просто отвечают на отдельный запрос, а могут выполнять многоэтапную работу: планировать действия, пользоваться инструментами и доводить задачу до результата.

По оценке Хуанга, агенту может требоваться примерно в 15–100 раз больше вычислительных ресурсов, чем взаимодействию, полностью управляемому человеком, — в зависимости от характера задачи. 3336

Именно в этом контексте он сказал, что AGI уже можно считать достигнутым «для многих задач». Формулировка имеет значение: речь идёт о возможностях в отдельных областях, а не о том, что одна система надёжно справляется практически с любой интеллектуальной задачей, доступной человеку.

Главный посыл Хуанга — оценивать ИИ по продуктивному результату. В материалах Nvidia по итогам квартала звучала схожая мысль: ИИ уже выполняет полезную работу, а спрос ускоряется по мере внедрения таких систем в реальные процессы. 47

Чем этот подход отличается от традиционного понимания AGI

Единого общепринятого определения искусственного общего интеллекта не существует. Обычно, однако, под AGI понимают именно универсальность: способность переносить знания и навыки на широкий спектр незнакомых задач, а не превосходно работать лишь в отдельных областях. 17

Подход Хуанга переносит фокус с единого когнитивного порога на практическую полезность. Согласно такой логике, систему можно считать похожей на AGI, если она выполняет экономически значимые задачи, даже когда ей по-прежнему нужны инструменты, специально спроектированный рабочий процесс, человеческий контроль или дополнительная программная инфраструктура.

Разница выглядит так:

• Традиционный подход, ориентированный на способности: AGI должен демонстрировать широкую и переносимую компетентность в незнакомых интеллектуальных задачах.
• Практический подход Хуанга: важной вехи уже достигнуты там, где ИИ-агенты способны выполнять полезную работу.
• Чего это не доказывает: заявление само по себе не подтверждает устойчивое рассуждение, надёжную автономную работу на длинном горизонте или общую компетентность вне специально выстроенных сценариев.

Иными словами, Хуанг утверждает, что экономический переход может быть важнее самого ярлыка AGI. Но это не означает, что научный вопрос о природе общего интеллекта уже решён.

В чём разница между Хуангом и Сэмом Альтманом

Историческое определение OpenAI тоже связано с экономикой, но устанавливает более высокий порог: «высокоавтономная система, которая превосходит людей в большинстве экономически значимых видов работы». 17

Ключевое отличие — в масштабе и степени автономности. Хуанг говорит об эффективности ИИ во многих задачах. Определение OpenAI требует превосходства над людьми в большинстве экономически значимых видов работы и высокой автономности системы.

По сообщениям СМИ, Сэм Альтман ожидает, что к концу 2026 года у OpenAI может появиться внутренняя система, которую компания назовёт AGI. Это следует понимать как внутреннюю веху в рамках собственного определения OpenAI, а не обязательно как выпуск общедоступной системы или мгновенное преобразование всей экономики. 192228

Альтман также признавал, что технологический прорыв и его экономическое распространение могут происходить в разные сроки. В публикациях, посвящённых его прогнозам, появление сверхинтеллекта отодвигается примерно к концу 2028 года. Это подчёркивает, что AGI, публичное внедрение, экономический эффект и сверхинтеллект — разные этапы. 1821

Поэтому кажущееся противоречие между Хуангом и Альтманом связано одновременно с определениями и сроками. Хуанг говорит о нынешней практической полезности, а Альтман — о моменте, когда OpenAI сможет признать внутреннюю систему соответствующей более широкому критерию автономности и экономической эффективности.

Главная критика: полезность ещё не означает общий интеллект

Самое сильное возражение к тезису Хуанга заключается в том, что коммерческая ценность сама по себе не доказывает наличие общего интеллекта. Система может приносить значительный доход, оставаясь узкой, ненадёжной или полностью зависимой от инфраструктуры, разработанной людьми.

Хуанг не представил независимой оценки, показывающей, что современные ИИ-системы соответствуют критерию общего интеллекта. Без единого набора задач, стандарта автономности, требования к надёжности или междисциплинарного теста утверждение «AGI уже наступил» трудно проверить.

Это не делает заявление бессмысленным. Скорее, его следует понимать как деловую интерпретацию, а не как установленный научный факт. Пока универсального определения AGI нет, разные компании могут использовать один и тот же термин для существенно различающихся уровней возможностей. 17

Почему рекорд Nvidia поддерживает более узкую версию тезиса Хуанга

Nvidia сообщила о выручке за второй финансовый квартал 2027 года в размере 96,2 млрд долларов — на 106% больше, чем годом ранее. Выручка подразделения Data Center достигла 89,0 млрд долларов, увеличившись на 117%. 1

Эти результаты не доказывают существование AGI. Но они показывают, что заказчики готовы тратить огромные суммы на инфраструктуру для обучения и работы ИИ-систем. Это подтверждает более узкий тезис Хуанга: ИИ уже стал достаточно полезным, чтобы создавать масштабный коммерческий спрос.

Таким образом, на отчётном звонке были связаны две идеи:

1. ИИ-агенты становятся способными выполнять продуктивную работу.
2. Более автономная и многоэтапная работа требует значительно больше вычислений, чем простой диалог, управляемый человеком. 3348

Для Nvidia второй пункт особенно важен. Если агент выполняет больше шагов, пользуется большим числом инструментов и работает дольше, то каждая полезная задача может создавать дополнительный спрос на инференс — запуск обученной модели для получения результата — и сопутствующую инфраструктуру.

Дорогая память показывает пределы ИИ-бума

Однако экономика этой истории не сводится только к росту спроса. Nvidia столкнулась с давлением со стороны дорогих и дефицитных компонентов памяти: по сообщениям, экстремальный рост стоимости памяти ухудшал ожидания по марже. 15

Это меняет и сам контекст высказывания Хуанга. Даже если ИИ-агенты станут способнее, их внедрение зависит от того, смогут ли компании получить достаточное количество графических процессоров, памяти, электроэнергии и мощностей дата-центров — и при этом добиться приемлемой окупаемости.

Главный вопрос отрасли постепенно смещается от «может ли модель выдать впечатляющий ответ?» к «может ли ИИ-система надёжно и прибыльно выполнять ценную работу в большом масштабе?». Результаты Nvidia дают сильные доказательства существования спроса. Дефицит памяти и давление на маржу показывают, что вопросы предложения и экономики одной операции пока не решены. 1315

Как точнее всего понимать заявление Хуанга

Лучше всего воспринимать слова Хуанга как отказ от идеи AGI в качестве одной грандиозной финишной черты. Он утверждает, что практический переход уже начался: ИИ-агенты способны выполнять полезную работу, клиенты платят за необходимую инфраструктуру, а потребность в вычислениях растёт по мере увеличения автономности систем.

Это более узкое утверждение, чем тезис о том, что машины уже обладают универсальным интеллектом на человеческом уровне. Оно также отличается от определения OpenAI, согласно которому AGI требует высокоавтономной работы в большинстве экономически значимых сфер.

Самый осторожный вывод состоит из двух частей: полезный и экономически продуктивный ИИ уже стал реальностью, а вот ответ на вопрос, наступил ли AGI, зависит от выбранного определения и стандарта доказательств. Квартальная выручка Nvidia в 96,2 млрд долларов демонстрирует коммерческий импульс, стоящий за позицией Хуанга, но сама по себе не может определить, что именно считать AGI.