黃仁勳講「AGI 已經到咗」，唔應當理解成一項已被科學界一致接受嘅結論。更貼切嘅解讀係：佢認為 GPT-6 Astra 展現出夠廣泛嘅能力、夠高嘅測試成績，亦可以配合工具完成多步驟工作，所以按佢自己偏向實用層面嘅 AGI 標準，已經跨過門檻。但 OpenAI 本身並冇作出同樣宣稱。1212

黃仁勳實際上憑咩作判斷？

相關報道引述黃仁勳在 Astra 推出後表示「AGI 已經到咗」，並把重點放在 Nvidia Grace Blackwell NVLink72 訓練基礎設施，以及模型喺 FrontierMath Tier 4、ARC-AGI-3 和 TerminalBench 4.0 等評測嘅表現。1218

不過，「逾 10 萬」嘅說法需要小心看待。公開轉述對於究竟係指 GPU、晶片，抑或 NVLink72 級別系統，表述並不完全一致；而且 NVLink72 並不等同一張單獨 GPU。現有公開資料未提供一個清晰、可審計嘅 Astra 訓練 GPU 總數，所以唔應將它當成已獲完整披露嘅運算量數字。1218

基準成績好勁，但唔等於已證明 AGI

OpenAI 指 Astra 在 FrontierMath Tier 4 取得 98%，在 ARC-AGI-3 取得 99.9%；公司亦稱模型在電腦操作、瀏覽、軟件工程、科學及專業工作方面達到領先水平。112

呢啲結果當然相當突出，尤其反映模型能處理高難度推理、編程及工具協作任務。不過，基準測試始終係針對特定題目與設定嘅評估，唔係一個獲普遍接受、可一錘定音驗證「通用人工智能」嘅考試。

換言之，分數高唔會自動證明模型在現實中能夠：

• 長期而穩定咁處理開放式目標；
• 在環境突然改變時仍然可靠運作；
• 具備穩健嘅世界理解或因果推理；
• 可以安全自主咁完成複雜任務。

OpenAI 自己講得更保守

OpenAI 對 Astra 嘅官方定位係「最有能力」嘅模型，適合最困難嘅端到端工作，例如推理、編程、研究、文件製作及電腦操作。公司強調，模型會利用用戶提供嘅脈絡與工具，執行複雜嘅多步驟工作流程。12

但值得注意嘅係，OpenAI 並冇將 Astra 稱為 AGI。呢個分別唔只係字眼問題：模型開發者選擇提出具體能力主張，而唔係宣布跨越一條本身仍高度有爭議嘅界線。

黃仁勳對 AGI 嘅講法一路變得更進取

2024 年，黃仁勳曾表示，視乎點樣定義 AGI，AI 或許可在五年內通過人類測試。10 到 2026 年，佢對 AGI 嘅說法明顯變得更肯定；而 Astra 推出後，「AGI 已經到咗」就成為最直接嘅版本。12

呢個轉變反映嘅，主要係佢對能力門檻嘅判斷改變，而唔係世界突然出現咗一項獲普遍承認嘅 AGI 科學測試。

點解仍然有好多人會唔同意？

最根本原因係，「AGI」至今冇統一定義。有人理解為大部分認知工作都能達到或超越人類水平；有人則要求模型具備跨領域遷移、長期規劃、穩定可靠性及現實世界理解。定義未統一，自然亦冇一個人人承認嘅官方認證。

Google DeepMind 聯合創辦人兼行政總裁 Demis Hassabis 在 2026 年初就表示，人類級 AGI 仍有「缺失嘅元素」，估計尚需五至十年。8 呢種較審慎嘅立場，正好說明業界對「是否已達 AGI」仍未有共識。

Nvidia 嘅利益關係，值得納入判讀

黃仁勳將 AGI 論述同大規模 Nvidia 運算基建連結，對 Nvidia 嘅數據中心產品需求當然有利。呢個利益關係本身唔代表佢一定錯，但讀者應知道：佢並非完全獨立嘅評估者。1218

Nvidia 與 OpenAI 之間亦不只是買賣關係。路透社報道，原先討論過嘅 1,000 億美元投資機會大概未能成事，原因之一是 OpenAI 預計上市；Nvidia 則已完成對 OpenAI 300 億美元投資。9 Astra 能力愈受市場認可，便愈可能帶動 OpenAI 對大型運算基建嘅需求，亦可能影響 Nvidia 投資嘅價值。

結論：可視為重大進展，唔宜當成定論

GPT-6 Astra 可能係工具使用型 AI 邁向更廣泛工作能力嘅重要一步；黃仁勳亦顯然相信，呢種能力已符合佢對 AGI 嘅實用定義。

但現時仍未有公認定義、獨立驗證計劃，或者長期現實世界紀錄，足以證明 Astra 已具備穩健、可靠而真正通用嘅智能。因此，「AGI 已經到咗」更適合被視為黃仁勳嘅立場與商業判斷，而唔係已塵埃落定嘅事實。

黃仁勳講「AGI 已經到咗」，唔應當理解成一項已被科學界一致接受嘅結論。更貼切嘅解讀係：佢認為 GPT-6 Astra 展現出夠廣泛嘅能力、夠高嘅測試成績，亦可以配合工具完成多步驟工作，所以按佢自己偏向實用層面嘅 AGI 標準，已經跨過門檻。但 OpenAI 本身並冇作出同樣宣稱。1212

黃仁勳實際上憑咩作判斷？

相關報道引述黃仁勳在 Astra 推出後表示「AGI 已經到咗」，並把重點放在 Nvidia Grace Blackwell NVLink72 訓練基礎設施，以及模型喺 FrontierMath Tier 4、ARC-AGI-3 和 TerminalBench 4.0 等評測嘅表現。1218

不過，「逾 10 萬」嘅說法需要小心看待。公開轉述對於究竟係指 GPU、晶片，抑或 NVLink72 級別系統，表述並不完全一致；而且 NVLink72 並不等同一張單獨 GPU。現有公開資料未提供一個清晰、可審計嘅 Astra 訓練 GPU 總數，所以唔應將它當成已獲完整披露嘅運算量數字。1218

基準成績好勁，但唔等於已證明 AGI

OpenAI 指 Astra 在 FrontierMath Tier 4 取得 98%，在 ARC-AGI-3 取得 99.9%；公司亦稱模型在電腦操作、瀏覽、軟件工程、科學及專業工作方面達到領先水平。112

呢啲結果當然相當突出，尤其反映模型能處理高難度推理、編程及工具協作任務。不過，基準測試始終係針對特定題目與設定嘅評估，唔係一個獲普遍接受、可一錘定音驗證「通用人工智能」嘅考試。

換言之，分數高唔會自動證明模型在現實中能夠：

• 長期而穩定咁處理開放式目標；
• 在環境突然改變時仍然可靠運作；
• 具備穩健嘅世界理解或因果推理；
• 可以安全自主咁完成複雜任務。

OpenAI 自己講得更保守

OpenAI 對 Astra 嘅官方定位係「最有能力」嘅模型，適合最困難嘅端到端工作，例如推理、編程、研究、文件製作及電腦操作。公司強調，模型會利用用戶提供嘅脈絡與工具，執行複雜嘅多步驟工作流程。12

但值得注意嘅係，OpenAI 並冇將 Astra 稱為 AGI。呢個分別唔只係字眼問題：模型開發者選擇提出具體能力主張，而唔係宣布跨越一條本身仍高度有爭議嘅界線。

黃仁勳對 AGI 嘅講法一路變得更進取

2024 年，黃仁勳曾表示，視乎點樣定義 AGI，AI 或許可在五年內通過人類測試。10 到 2026 年，佢對 AGI 嘅說法明顯變得更肯定；而 Astra 推出後，「AGI 已經到咗」就成為最直接嘅版本。12

呢個轉變反映嘅，主要係佢對能力門檻嘅判斷改變，而唔係世界突然出現咗一項獲普遍承認嘅 AGI 科學測試。

點解仍然有好多人會唔同意？

最根本原因係，「AGI」至今冇統一定義。有人理解為大部分認知工作都能達到或超越人類水平；有人則要求模型具備跨領域遷移、長期規劃、穩定可靠性及現實世界理解。定義未統一，自然亦冇一個人人承認嘅官方認證。

Google DeepMind 聯合創辦人兼行政總裁 Demis Hassabis 在 2026 年初就表示，人類級 AGI 仍有「缺失嘅元素」，估計尚需五至十年。8 呢種較審慎嘅立場，正好說明業界對「是否已達 AGI」仍未有共識。

Nvidia 嘅利益關係，值得納入判讀

黃仁勳將 AGI 論述同大規模 Nvidia 運算基建連結，對 Nvidia 嘅數據中心產品需求當然有利。呢個利益關係本身唔代表佢一定錯，但讀者應知道：佢並非完全獨立嘅評估者。1218

Nvidia 與 OpenAI 之間亦不只是買賣關係。路透社報道，原先討論過嘅 1,000 億美元投資機會大概未能成事，原因之一是 OpenAI 預計上市；Nvidia 則已完成對 OpenAI 300 億美元投資。9 Astra 能力愈受市場認可，便愈可能帶動 OpenAI 對大型運算基建嘅需求，亦可能影響 Nvidia 投資嘅價值。

結論：可視為重大進展，唔宜當成定論

GPT-6 Astra 可能係工具使用型 AI 邁向更廣泛工作能力嘅重要一步；黃仁勳亦顯然相信，呢種能力已符合佢對 AGI 嘅實用定義。

但現時仍未有公認定義、獨立驗證計劃，或者長期現實世界紀錄，足以證明 Astra 已具備穩健、可靠而真正通用嘅智能。因此，「AGI 已經到咗」更適合被視為黃仁勳嘅立場與商業判斷，而唔係已塵埃落定嘅事實。