黃仁勳一句「AGI 已經到咗」，唔應該當成 GPT-6 Astra 已被科學界正式認證為「人類級通用智能」。更貼切的理解係：他認為 Astra 已經能夠處理夠闊、夠複雜而且有經濟價值的認知工作，所以按他的實用定義，已經跨過 AGI 門檻。

這個判斷有份量，但仍然係 Nvidia 行政總裁的判斷，同一套公認的科學驗證標準並唔係一回事。

黃仁勳實際講咗乜

黃仁勳在 X 發文祝賀 OpenAI 時表示，GPT-6 Astra 以「約 10 萬部以上 NVIDIA Grace Blackwell NVLink72」訓練；又稱模型在 FrontierMath Tier 4、ARC-AGI-3 及 TerminalBench-4.0 屬領先水平，並寫道：「由 ChatGPT 到 o1 再到 Astra，只用了 4 年。AGI 已經到咗。」他亦預告「下一批 40 萬枚 GPU 即將上線」。13

這段說話其實混合咗兩個主張：

• 能力主張： Astra 在高階數學、抽象推理、編程同電腦操作等多類任務都表現很強。
• 規模主張： 要做到這個程度，需要極大量 Nvidia 基礎設施；而更大的算力部署會推動下一階段能力。

要留意，「約 10 萬部以上 NVIDIA Grace Blackwell NVLink72」唔可以直接簡化成一個精確的總 GPU 數。黃仁勳公開帖文未有交代叢集具體配置、訓練時間、使用率或總訓練算力，外界無法獨立核實。有報道指原先提過的 30 萬 GPU 數字後來被修改，但黃仁勳與 Nvidia 都未公開解釋原因。5

Astra 的成績確實搶眼，但唔等於「AGI 證書」

OpenAI 將 GPT-6 Astra 定位為處理高難度端到端工作的最強模型，適用於推理、編程、電腦操作、研究、瀏覽及文件製作。官方說法重點在於：模型可運用用戶提供的脈絡與工具，將多步驟工作由要求一路做到完成品。1718

OpenAI 發布資料列出的成績包括：

• FrontierMath Tier 4：98%
• ARC-AGI-3：99.9%
• Terminal-Bench 4.0：57.9% 23

三項測試針對的能力唔完全一樣：FrontierMath Tier 4 面向高難度數學；ARC-AGI-3 是以 2D 解謎遊戲評估抽象推理；Terminal-Bench 則衡量代理在終端機、命令列環境完成工作的能力。2326

所以，這些分數的確支持一個較窄但重要的結論：前沿模型正變得更能處理跨領域、複雜、並需要使用工具的工作。

不過，基準高分本身唔會自動證明模型可以應付所有人類智力工作。它亦未回答一些關鍵問題：在目標含糊、環境不斷改變、資料不完整，甚至涉及真實後果的情況下，系統是否仍然可靠？它能否做長期規劃？需要幾多人工監督？出錯模式又係點？

OpenAI 自己冇宣稱 Astra 就係 AGI

OpenAI 的措辭比黃仁勳具體得多。公司稱 Astra 是最有能力的模型，也是用於複雜推理與編程的旗艦模型；文件列出它支援函數呼叫、網頁搜尋、檔案搜尋及電腦操作，並有 105 萬 token 的上下文視窗。1821

OpenAI 亦表示，Astra 是首個在其 Preparedness Framework（準備度框架）下，達到 Critical 網絡安全能力門檻的廣泛部署模型。28

這些都係很重大的能力與安全聲明，但 OpenAI 沒有說「AGI 已經到咗」。分別在於：描述可量度的能力，與宣告一個仍具爭議的概念門檻，並不是同一件事。

黃仁勳對 AGI 的講法愈來愈強

黃仁勳一直強調，AGI 何時出現取決於如何定義。2024 年，他曾說 AGI 或可在 5 年內出現，同時明確加上定義條件。50

到 2026 年 3 月，他在談及 AI 是否能建立並營運一間市值 10 億美元公司時說：「我認為我哋已經達到 AGI。」61 同年 8 月，他又說 Nvidia「對好多任務而言」可以說已實現 AGI，但同時形容這類里程碑「冇乜意思」。54

放在這條脈絡看，Astra 的說法並非突然出現。黃仁勳採用的是偏實務、偏任務導向的 AGI 定義：當 AI 已能以高水平完成夠廣泛、具經濟價值的腦力工作，就可稱為 AGI。這種用法可以成立，但絕非業界共同標準。

點解「AGI 已到」仍然有爭議？

最根本問題係：AGI 到底點定義。Anthropic 行政總裁 Dario Amodei 曾形容 AGI 是「市場營銷術語」，而非界線清晰的門檻。47

Google DeepMind 行政總裁 Demis Hassabis 則較保守，認為人類級 AGI 仍有「缺失的成分」，估計還要 5 至 10 年。34

批評者的重點也很直接：系統在結構化測試表現優秀，不等於它已具備可靠的通用代理能力。真正更有說服力的 AGI 證據，會包括可重現、獨立驗證的陌生任務表現，以及對可靠度、限制、監督需求與失效模式的清楚交代。

Nvidia 的利益關係亦值得放入脈絡

黃仁勳的說法不能完全脫離 Nvidia 在 AI 經濟中的位置。他在宣布「AGI 已到」時，同時強調 Astra 的 Nvidia 訓練基建，並預告 40 萬枚 GPU 即將上線。13

這不代表 Astra 的能力主張必然有問題；不過黃仁勳並非獨立評估者。更多前沿模型訓練及部署，直接有利 Nvidia 的數據中心業務，因此他的結論自然值得用更嚴格的標準審視。

Nvidia 與 OpenAI 亦有直接財務關係。兩家公司在 2025 年 9 月公布，Nvidia 最多會投資 1,000 億美元，配合 OpenAI 建設以 Nvidia 系統為基礎的數據中心。62 到 2026 年 3 月，黃仁勳稱這個 1,000 億美元的投資機會大概已不再可行，原因是 OpenAI 預期上市；路透社則報道 Nvidia 已完成 300 億美元投資。49

這種商業及財務連結，是讀者需要審慎看待「AGI 已到」修辭的原因；但它本身不足以推翻 Astra 已取得的進展。

結論：重大進展，不等於已有定論

黃仁勳的意思是：按他務實的 AGI 定義，GPT-6 Astra 已把推理、編程、研究、瀏覽與電腦操作結合到足夠高水平，因此可以叫做 AGI；而大規模 Nvidia 基建正是催化條件。

現有資料支持的較穩妥結論是：Astra 看來是廣泛使用工具的 AI 系統一次重要躍進，並在多項高難度基準錄得突出成績。23 但 OpenAI 未宣稱 AGI，AGI 亦沒有全球公認的科學定義或確認程序；單靠基準成功，尚未足以證明它在所有現實環境中都有穩健、可靠的通用智能。

換句話說，「AGI 已經到咗」應視為黃仁勳對一次重大模型發布所作的強烈詮釋，而唔係整個 AI 領域已經蓋章確認的事實。

黃仁勳一句「AGI 已經到咗」，唔應該當成 GPT-6 Astra 已被科學界正式認證為「人類級通用智能」。更貼切的理解係：他認為 Astra 已經能夠處理夠闊、夠複雜而且有經濟價值的認知工作，所以按他的實用定義，已經跨過 AGI 門檻。

這個判斷有份量，但仍然係 Nvidia 行政總裁的判斷，同一套公認的科學驗證標準並唔係一回事。

黃仁勳實際講咗乜

黃仁勳在 X 發文祝賀 OpenAI 時表示，GPT-6 Astra 以「約 10 萬部以上 NVIDIA Grace Blackwell NVLink72」訓練；又稱模型在 FrontierMath Tier 4、ARC-AGI-3 及 TerminalBench-4.0 屬領先水平，並寫道：「由 ChatGPT 到 o1 再到 Astra，只用了 4 年。AGI 已經到咗。」他亦預告「下一批 40 萬枚 GPU 即將上線」。13

這段說話其實混合咗兩個主張：

• 能力主張： Astra 在高階數學、抽象推理、編程同電腦操作等多類任務都表現很強。
• 規模主張： 要做到這個程度，需要極大量 Nvidia 基礎設施；而更大的算力部署會推動下一階段能力。

要留意，「約 10 萬部以上 NVIDIA Grace Blackwell NVLink72」唔可以直接簡化成一個精確的總 GPU 數。黃仁勳公開帖文未有交代叢集具體配置、訓練時間、使用率或總訓練算力，外界無法獨立核實。有報道指原先提過的 30 萬 GPU 數字後來被修改，但黃仁勳與 Nvidia 都未公開解釋原因。5

Astra 的成績確實搶眼，但唔等於「AGI 證書」

OpenAI 將 GPT-6 Astra 定位為處理高難度端到端工作的最強模型，適用於推理、編程、電腦操作、研究、瀏覽及文件製作。官方說法重點在於：模型可運用用戶提供的脈絡與工具，將多步驟工作由要求一路做到完成品。1718

OpenAI 發布資料列出的成績包括：

• FrontierMath Tier 4：98%
• ARC-AGI-3：99.9%
• Terminal-Bench 4.0：57.9% 23

三項測試針對的能力唔完全一樣：FrontierMath Tier 4 面向高難度數學；ARC-AGI-3 是以 2D 解謎遊戲評估抽象推理；Terminal-Bench 則衡量代理在終端機、命令列環境完成工作的能力。2326

所以，這些分數的確支持一個較窄但重要的結論：前沿模型正變得更能處理跨領域、複雜、並需要使用工具的工作。

不過，基準高分本身唔會自動證明模型可以應付所有人類智力工作。它亦未回答一些關鍵問題：在目標含糊、環境不斷改變、資料不完整，甚至涉及真實後果的情況下，系統是否仍然可靠？它能否做長期規劃？需要幾多人工監督？出錯模式又係點？

OpenAI 自己冇宣稱 Astra 就係 AGI

OpenAI 的措辭比黃仁勳具體得多。公司稱 Astra 是最有能力的模型，也是用於複雜推理與編程的旗艦模型；文件列出它支援函數呼叫、網頁搜尋、檔案搜尋及電腦操作，並有 105 萬 token 的上下文視窗。1821

OpenAI 亦表示，Astra 是首個在其 Preparedness Framework（準備度框架）下，達到 Critical 網絡安全能力門檻的廣泛部署模型。28

這些都係很重大的能力與安全聲明，但 OpenAI 沒有說「AGI 已經到咗」。分別在於：描述可量度的能力，與宣告一個仍具爭議的概念門檻，並不是同一件事。

黃仁勳對 AGI 的講法愈來愈強

黃仁勳一直強調，AGI 何時出現取決於如何定義。2024 年，他曾說 AGI 或可在 5 年內出現，同時明確加上定義條件。50

到 2026 年 3 月，他在談及 AI 是否能建立並營運一間市值 10 億美元公司時說：「我認為我哋已經達到 AGI。」61 同年 8 月，他又說 Nvidia「對好多任務而言」可以說已實現 AGI，但同時形容這類里程碑「冇乜意思」。54

放在這條脈絡看，Astra 的說法並非突然出現。黃仁勳採用的是偏實務、偏任務導向的 AGI 定義：當 AI 已能以高水平完成夠廣泛、具經濟價值的腦力工作，就可稱為 AGI。這種用法可以成立，但絕非業界共同標準。

點解「AGI 已到」仍然有爭議？

最根本問題係：AGI 到底點定義。Anthropic 行政總裁 Dario Amodei 曾形容 AGI 是「市場營銷術語」，而非界線清晰的門檻。47

Google DeepMind 行政總裁 Demis Hassabis 則較保守，認為人類級 AGI 仍有「缺失的成分」，估計還要 5 至 10 年。34

批評者的重點也很直接：系統在結構化測試表現優秀，不等於它已具備可靠的通用代理能力。真正更有說服力的 AGI 證據，會包括可重現、獨立驗證的陌生任務表現，以及對可靠度、限制、監督需求與失效模式的清楚交代。

Nvidia 的利益關係亦值得放入脈絡

黃仁勳的說法不能完全脫離 Nvidia 在 AI 經濟中的位置。他在宣布「AGI 已到」時，同時強調 Astra 的 Nvidia 訓練基建，並預告 40 萬枚 GPU 即將上線。13

這不代表 Astra 的能力主張必然有問題；不過黃仁勳並非獨立評估者。更多前沿模型訓練及部署，直接有利 Nvidia 的數據中心業務，因此他的結論自然值得用更嚴格的標準審視。

Nvidia 與 OpenAI 亦有直接財務關係。兩家公司在 2025 年 9 月公布，Nvidia 最多會投資 1,000 億美元，配合 OpenAI 建設以 Nvidia 系統為基礎的數據中心。62 到 2026 年 3 月，黃仁勳稱這個 1,000 億美元的投資機會大概已不再可行，原因是 OpenAI 預期上市；路透社則報道 Nvidia 已完成 300 億美元投資。49

這種商業及財務連結，是讀者需要審慎看待「AGI 已到」修辭的原因；但它本身不足以推翻 Astra 已取得的進展。

結論：重大進展，不等於已有定論

黃仁勳的意思是：按他務實的 AGI 定義，GPT-6 Astra 已把推理、編程、研究、瀏覽與電腦操作結合到足夠高水平，因此可以叫做 AGI；而大規模 Nvidia 基建正是催化條件。

現有資料支持的較穩妥結論是：Astra 看來是廣泛使用工具的 AI 系統一次重要躍進，並在多項高難度基準錄得突出成績。23 但 OpenAI 未宣稱 AGI，AGI 亦沒有全球公認的科學定義或確認程序；單靠基準成功，尚未足以證明它在所有現實環境中都有穩健、可靠的通用智能。

換句話說，「AGI 已經到咗」應視為黃仁勳對一次重大模型發布所作的強烈詮釋，而唔係整個 AI 領域已經蓋章確認的事實。