奥特曼、阿莫代伊、哈萨比斯与黄仁勋：四种不同的AGI

AGI（通用人工智能）如今更像一个能装下截然不同想象的筐：它可以是能大规模完成高价值工作的自主系统，也可以是诺奖级的数字科研人员、具备完整人类认知能力的机器，或仅仅是在各类测试中表现优异的模型。

正因终点并不相同，那些看似互相矛盾的时间表才可能同时成立。争论的核心也不只是“何时到来”，而是：谁有资格宣布它已经到来，又该由谁验证？

四位领袖，四道门槛

萨姆·奥特曼：以经济价值衡量自主性

OpenAI广为引用的定义，将AGI表述为“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”。这是一种以现实产出为中心的标准：重点不在于机器是否完整复刻人的思维，而在于它能否稳定、大规模地完成有价值的工作。

OpenAI近来的公开表述则特别强调人的能动性。公司称，目标是帮助人们实现自己选择的目标，而不是取代人类对“什么重要”的判断；把一切完全自动化既危险，也会令人失去成就感。23 在就业框架中，OpenAI同样提醒：AI能自动完成职业中的许多任务，并不等于该职业必然消失，因为交付、监督和责任承担仍可能离不开人。25

这也使工具、自治智能体与AGI之间的边界保持模糊且会移动。经济定义有助于观察现实影响，却不是一个可供公众复核的科学验收标准。

达里奥·阿莫代伊：用“强大AI”描述一组极高能力

Anthropic首席执行官达里奥·阿莫代伊通常更愿意使用“强大AI”（powerful AI），而非AGI。按Anthropic的政策文件，这类系统应显著超越当代模型：在大多数领域拥有匹敌或超过诺奖得主的智力能力；能操作今天数字工作者可使用的各类数字界面；并可自主完成复杂工作。3

Anthropic预计，这样的系统会在2026年末或2027年初出现。阿莫代伊将这种前景形容为“数据中心里的天才之国”，强调能力高度集中所带来的经济、安全与地缘政治影响。6 7

这一说法比笼统的AGI更具体，但仍把专业广度、工具使用、长程自主执行与持续可靠性捆绑进同一项预测。模型完全可能先满足其中若干条件，再在更晚时候满足全部条件。

德米斯·哈萨比斯：AGI应覆盖人的全部认知能力

Google DeepMind首席执行官德米斯·哈萨比斯对AGI设定了更高门槛：系统须具备人类拥有的全部认知能力。他认为人类级AI可能在本十年内出现，同时强调当前系统距离人类级AGI仍“远得很”。33 38

在这个框架中，AGI不是一次产品发布或一张成绩单，而更接近一项科学门槛：它必须具有稳健的通用性，覆盖人类认知活动的广泛范围，而不只是擅长考试或少数专业任务。

黄仁勋：以广泛测试中的胜出作为实用标准

英伟达首席执行官黄仁勋采用过更偏基准测试的标准。2024年，他表示，如果把AGI定义为在几乎每一项测试中超越人类的AI，它可能在五年内到来；2026年的报道则将其观点描述为：在一个宽松得多的实用标准下，AGI已经实现。34

这种方法的优点是直观：测试能给出分数。但它的短板也同样明显——通过许多测试，并不能自动证明模型能长期自主工作、在复杂现实中作出可靠判断，或安全地处理模糊情境。

这些时间表为什么不能直接横比

他们并非在为同一件事预测不同日期，而是在预测不同目的地：

• 奥特曼／OpenAI：在大多数具有经济价值的工作中实现自主表现；
• 阿莫代伊／Anthropic：广泛的诺奖级智力工作，加上长时间自主执行数字任务；
• 哈萨比斯／DeepMind：完整覆盖人类认知能力；
• 黄仁勋／英伟达：在广泛测试中超越人类。

一个AI可以在大量基准测试上夺冠，却无法独立完成数周的科研工作；也可以自动化相当大比例的数字任务，却未展现一个人所拥有的完整认知能力。因此，附着在这些说法上的日期，不应被理解为同一只“AGI倒计时钟”。

为什么AGI常被说成“不可检验”，甚至带有“精神性”

问题并不是AI能力无法测量，而是AGI没有获得共同认可、由独立机构管理的及格／不及格规则。

一项学术研究将AGI称为计算研究中重要且有争议的概念，并把它操作性定义为“在大多数任务上至少具备人类水平的能力”。50 这既体现了将概念量化的努力，也暴露了悬而未决的问题：任务集合如何选？和哪一类人比较？可靠性要达到什么程度？在何种条件下测？

一套可信的公开测试，至少需要：

1. 明确规定任务分布，而非不断更换一组展示案例；
2. 设定性能与可靠性阈值，包括失败频率；
3. 测试长程自主性和工具使用，而非只看一次性回答；
4. 防范模型专门针对评测进行训练；
5. 为独立复现或审计提供足够访问条件。

缺少这套基础设施，AGI就容易变成由最有动机定义终点的机构作出的地位宣言。AI Now Institute批评称，当前许多指标狭窄、模糊，并带有自利性。62

术语之争背后的信任问题

围绕AGI的分歧，也折射出更广泛的可信度挑战。企业可以对颠覆性能力作出宏大判断，但劳动者和客户在日常使用中遇到的，可能仍是能力不均、容易出错、难以稳定落地的系统。两者的落差不必然证明长期预测错误，却意味着非同寻常的主张应有可观察证据和可问责的预测支撑。

就业问题尤其能说明这种张力。OpenAI表示，AI将重塑工作：会创造新岗位、改变既有岗位，也会让一些岗位消失；但现有证据显示，AI迄今更像赋能工具，而非替代者。17 这与“会造成冲击”并不矛盾：任务自动化、职业变化和岗位消失本来就是不同结果。问题在于，如果关于深刻变革的预测没有配套透明的劳动市场效果衡量，公众信心就会被削弱。

从“是否AGI”转向按能力监管

更有力的治理方式，或许不是裁定某个系统是否已达到AGI，而是针对它展示出的具体能力和风险实施约束。

Anthropic的AI安全等级（ASL）采用明确的“如果—那么”结构：如果模型具备某种已定义的危险能力，那么在部署或继续扩展前，必须先落实相应防护措施。5 该公司后续政策框架还主张提高透明度、开展独立评估，并赋予政府阻止或威慑危险部署的权力。10

奥特曼也曾主张，应由外部专家验证安全措施，并对强大模型进行独立风险评估，包括在发布前开展内外部测试、公布评估结果。49

哈萨比斯则提出建立由美国主导的“前沿AI标准机构”，参照美国金融业监管局（FINRA）的模式：由行业出资、接受公共监督，并在模型发布前独立评估前沿模型。52 报道显示，多位前沿AI企业领导者正在形成一项共识，即应由第三方测试先进系统，并以此推动政策标准的发展。51

不过，提案与可执行规则之间仍有明显距离。未来生命研究所发布的《2026年AI安全指数》指出，当时尚无具约束力的国家级法规或标准，明确处理前沿AI风险及其相应的评估流程。59

什么样的AI主张才值得信赖

真正有用的公共问题，不是“AGI到了吗”，而是：这个模型具体能做什么？做得多可靠？可能出什么问题？这些结论由谁独立验证？

相应的要求可以更具体：

• 针对高风险网络、生物与欺骗能力公布评估规程；
• 在部署前进行独立测试和红队演练；
• 报告可靠性、事故以及部署条件的重大变化；
• 将防护措施和访问限制与已被证明的风险阈值挂钩；
• 对不合规行为施加法律后果，而不只依赖自愿承诺。

AGI仍可能是一个有力量的理想、营销标签和哲学问题；但若没有公开证据支持，它并不适合作为强有力的监管触发器。真正的信任，来自开发者无法自行改写里程碑、宣布已抵达，再自行证明自己安全的制度。