Jensen Huang（黃仁勳）在 Nvidia 2027 財政年度第二季業績電話會議上的 AGI 言論，與其話係宣布一個業界共識，不如話係一次以商業角度重新界定問題。

佢先指出「AI 已經變得有用」，又形容 AI agent（AI 代理）開始可以處理真正有價值嘅工作，並表示：「對好多任務而言，我哋可以話已經實現 AGI。」佢甚至認為，傳統以某個里程碑去界定 AGI，已經「幾無意義」。3448

但要留意，黃仁勳並沒有提出一個可以重複驗證嘅 AGI 門檻、指定任何基準測試，亦冇話現時嘅 AI 已經可以喺所有領域可靠地展現近似人類嘅智能。佢真正想講嘅，主要係：AI 而家已經可以做有生產力嘅工作，而呢件事對計算基礎設施需求有咩影響。

黃仁勳到底講咗咩？

電話會議一開始，黃仁勳就強調「AI 已經變得有用」，並將焦點放喺 AI agent 嘅興起。呢類系統唔只係收到 prompt 之後答一條問題，而係可以分拆任務、使用工具，再逐步完成多個步驟。

佢估計，視乎要解決嘅問題，一個 AI agent 所需嘅計算力，可能係人類直接操作 AI 時嘅約 15 至 100 倍。3336

正正喺呢個背景之下，黃仁勳話，對好多任務而言，AGI 已經可以算係實現。當中「好多任務」幾個字非常關鍵：佢講緊係某啲範疇已經出現相當高嘅能力，而唔係聲稱一個系統可以穩定完成幾乎所有人類智力工作。

Nvidia 嘅業績材料亦傳達類似訊息：AI 正在做有用工作，而客戶將 AI 部署到真實系統之後，相關需求正不斷加速。47

黃仁勳嘅講法，點解同傳統 AGI 概念唔一樣？

人工通用智能（AGI）至今冇一個全球公認嘅精確定義。不過，一般理解嘅重點係「通用性」：系統要能夠將知識和能力轉移到廣泛、陌生嘅任務，而唔係只喺幾個特定領域表現出色。17

黃仁勳喺財報會議上採用嘅框架，就將焦點由單一嘅認知門檻，轉向實際用途。按呢個角度，只要 AI 系統可以完成具經濟價值嘅工作，即使仍然要依靠工具、精心設計嘅流程、人類監督，或者其他專門搭建嘅支援層，都可以被形容為接近甚至已經達到 AGI 嘅效果。

兩種講法嘅分別可以咁睇：

• 傳統以能力為核心嘅觀點： AGI 應該具備廣泛、可轉移嘅能力，能夠處理陌生嘅智力問題。
• 黃仁勳嘅實用主義觀點： 當 AI agent 可以完成有用工作，並產生經濟價值，相關領域嘅關鍵里程碑就可能已經到位。
• 呢個說法未能證明嘅事： 它本身未能獨立證明 AI 具備穩健推理能力、可靠嘅長時間自主運作能力，或者離開人為設計流程後仍有通用能力。

換句話講，黃仁勳認為經濟轉型可能比「AGI」呢個標籤更加重要。但呢個觀點，唔等於科學界已經解決 AGI 究竟係咩，或者已經證明現有系統達到一致認可嘅標準。

同 Sam Altman 及 OpenAI 有咩分別？

OpenAI 過去採用嘅定義同樣帶有經濟角度，但門檻明顯更高：AGI 係「高度自主、喺大部分具經濟價值嘅工作上勝過人類嘅系統」。17

兩者最大分別，在於涵蓋範圍和自主程度。黃仁勳講嘅係 AI 對「好多任務」已經有效；OpenAI 嘅定義就要求系統喺「大部分具經濟價值嘅工作」上勝過人類，而且要具備高度自主性。

據報，Sam Altman 曾表示，OpenAI 可能會喺 2026 年底前，喺公司內部擁有一個佢哋會稱為 AGI 嘅系統。呢個預測應該理解為 OpenAI 按照自己定義所訂立嘅內部里程碑，而唔係代表一定會公開推出一個 AGI 系統，或者全球經濟會即時出現翻天覆地嘅改變。192228

Altman 亦承認，技術上做到某件事，同社會及經濟真正廣泛採用，未必會喺同一時間發生。有關佢嘅預測報道將超級智能放到較後時間，約為 2028 年底，亦反映 AGI、公開部署、經濟影響和超級智能，其實係幾個唔同嘅里程碑。1821

所以，兩人表面上似乎意見不一，部分原因係定義唔同，另一部分就係講緊唔同時間表。黃仁勳強調嘅係「AI 而家已經有用」；Altman 講嘅係 OpenAI 幾時會判斷一個內部系統已經達到較廣泛嘅自主性和經濟表現標準。

最大爭議：有用，唔等於通用智能

對黃仁勳說法最有力嘅批評係：商業價值本身，唔足以證明一個系統具備通用智能。

一個 AI 系統可以非常賺錢，但同時仍然能力狹窄、表現唔穩定，或者高度依賴人類設計嘅工具和基礎設施。黃仁勳亦冇提供獨立評估，證明現有 AI 系統已符合某個通用智能標準。

如果冇一套共同認可嘅任務清單、自主程度標準、可靠性要求，或者跨領域測試，「AGI 已經到咗」就仍然好難客觀驗證。

不過，呢個講法唔代表完全冇意義。更準確嘅理解係：它係一種以商業為本嘅重新詮釋，而唔係已經塵埃落定嘅科學結論。由於 AGI 根本冇全球統一定義，不同公司可以用同一個標籤，形容差異好大嘅能力水平。17

Nvidia 創紀錄業績，點解支持到黃仁勳較窄嘅論點？

Nvidia 公布，2027 財政年度第二季收入達 962 億美元，按年升 106%；數據中心業務收入達 890 億美元，按年升 117%。1

呢啲數字當然唔能夠證明 AGI 已經出現，但就清楚顯示，客戶正大手投資於訓練和運行 AI 所需嘅基礎設施。呢點支持黃仁勳較窄嘅論旨：AI 已經有足夠價值，足以帶動巨額商業需求。

因此，今次業績電話會議其實將兩個觀察扣埋一齊：

1. AI agent 開始有能力做具生產力嘅工作。
2. 多步驟、較自主嘅工作，所需計算力遠高於人類直接操作 AI 嘅簡單互動。3348

對 Nvidia 而言，第二點尤其重要。如果 agent 要處理更多步驟、使用更多工具，並運行更長時間，每一項有用工作都可能帶來更多推理運算和配套基礎設施需求。

記憶體成本，亦暴露 AI 擴張嘅限制

但呢個故事並唔係得需求一面。Nvidia 同時面對昂貴而供應緊張嘅記憶體元件；相關報道指，極高嘅記憶體成本正對利潤率預期造成壓力。15

呢個限制令黃仁勳嘅說法需要用另一個角度去理解：就算 AI agent 變得更加有能力，實際部署仍然取決於企業能否以合理成本取得足夠嘅 GPU、記憶體、電力和數據中心容量，並從中賺到理想回報。

業界核心問題，已經由「AI 模型可唔可以答出令人驚嘆嘅答案？」逐漸轉向：「AI 系統可唔可以可靠、持續，而且有盈利咁大規模完成有價值嘅工作？」

Nvidia 嘅業績為需求一面提供強力證據；但記憶體短缺和利潤率壓力就提醒大家，供應能力和每單工作嘅經濟效益仍然未有定案。1315

應該點樣理解黃仁勳嘅說法？

最穩妥嘅解讀係，黃仁勳唔再將 AGI 視為一條等緊某日突然衝線嘅終點線。佢認為實際轉型已經開始：AI agent 可以做有用工作，客戶願意為相關基礎設施付費，而系統越自主，所需計算力就越多。

呢個講法比「機器而家已經具備全面嘅人類級通用智能」窄得多；同時亦唔等同於 OpenAI 所講、需要高度自主地喺大部分具經濟價值工作上勝過人類嘅 AGI。

最合理嘅結論可以分兩部分：有用而且能夠產生經濟價值嘅 AI，確實已經出現；至於 AGI 是否已經到來，就要視乎你採用咩定義，以及要求咩證據標準。 Nvidia 962 億美元嘅季度收入，證明黃仁勳所講嘅商業動能相當強，但單靠一季業績，仍然不足以替 AGI 呢個概念落最後定論。

Jensen Huang（黃仁勳）在 Nvidia 2027 財政年度第二季業績電話會議上的 AGI 言論，與其話係宣布一個業界共識，不如話係一次以商業角度重新界定問題。

佢先指出「AI 已經變得有用」，又形容 AI agent（AI 代理）開始可以處理真正有價值嘅工作，並表示：「對好多任務而言，我哋可以話已經實現 AGI。」佢甚至認為，傳統以某個里程碑去界定 AGI，已經「幾無意義」。3448

但要留意，黃仁勳並沒有提出一個可以重複驗證嘅 AGI 門檻、指定任何基準測試，亦冇話現時嘅 AI 已經可以喺所有領域可靠地展現近似人類嘅智能。佢真正想講嘅，主要係：AI 而家已經可以做有生產力嘅工作，而呢件事對計算基礎設施需求有咩影響。

黃仁勳到底講咗咩？

電話會議一開始，黃仁勳就強調「AI 已經變得有用」，並將焦點放喺 AI agent 嘅興起。呢類系統唔只係收到 prompt 之後答一條問題，而係可以分拆任務、使用工具，再逐步完成多個步驟。

佢估計，視乎要解決嘅問題，一個 AI agent 所需嘅計算力，可能係人類直接操作 AI 時嘅約 15 至 100 倍。3336

正正喺呢個背景之下，黃仁勳話，對好多任務而言，AGI 已經可以算係實現。當中「好多任務」幾個字非常關鍵：佢講緊係某啲範疇已經出現相當高嘅能力，而唔係聲稱一個系統可以穩定完成幾乎所有人類智力工作。

Nvidia 嘅業績材料亦傳達類似訊息：AI 正在做有用工作，而客戶將 AI 部署到真實系統之後，相關需求正不斷加速。47

黃仁勳嘅講法，點解同傳統 AGI 概念唔一樣？

人工通用智能（AGI）至今冇一個全球公認嘅精確定義。不過，一般理解嘅重點係「通用性」：系統要能夠將知識和能力轉移到廣泛、陌生嘅任務，而唔係只喺幾個特定領域表現出色。17

黃仁勳喺財報會議上採用嘅框架，就將焦點由單一嘅認知門檻，轉向實際用途。按呢個角度，只要 AI 系統可以完成具經濟價值嘅工作，即使仍然要依靠工具、精心設計嘅流程、人類監督，或者其他專門搭建嘅支援層，都可以被形容為接近甚至已經達到 AGI 嘅效果。

兩種講法嘅分別可以咁睇：

• 傳統以能力為核心嘅觀點： AGI 應該具備廣泛、可轉移嘅能力，能夠處理陌生嘅智力問題。
• 黃仁勳嘅實用主義觀點： 當 AI agent 可以完成有用工作，並產生經濟價值，相關領域嘅關鍵里程碑就可能已經到位。
• 呢個說法未能證明嘅事： 它本身未能獨立證明 AI 具備穩健推理能力、可靠嘅長時間自主運作能力，或者離開人為設計流程後仍有通用能力。

換句話講，黃仁勳認為經濟轉型可能比「AGI」呢個標籤更加重要。但呢個觀點，唔等於科學界已經解決 AGI 究竟係咩，或者已經證明現有系統達到一致認可嘅標準。

同 Sam Altman 及 OpenAI 有咩分別？

OpenAI 過去採用嘅定義同樣帶有經濟角度，但門檻明顯更高：AGI 係「高度自主、喺大部分具經濟價值嘅工作上勝過人類嘅系統」。17

兩者最大分別，在於涵蓋範圍和自主程度。黃仁勳講嘅係 AI 對「好多任務」已經有效；OpenAI 嘅定義就要求系統喺「大部分具經濟價值嘅工作」上勝過人類，而且要具備高度自主性。

據報，Sam Altman 曾表示，OpenAI 可能會喺 2026 年底前，喺公司內部擁有一個佢哋會稱為 AGI 嘅系統。呢個預測應該理解為 OpenAI 按照自己定義所訂立嘅內部里程碑，而唔係代表一定會公開推出一個 AGI 系統，或者全球經濟會即時出現翻天覆地嘅改變。192228

Altman 亦承認，技術上做到某件事，同社會及經濟真正廣泛採用，未必會喺同一時間發生。有關佢嘅預測報道將超級智能放到較後時間，約為 2028 年底，亦反映 AGI、公開部署、經濟影響和超級智能，其實係幾個唔同嘅里程碑。1821

所以，兩人表面上似乎意見不一，部分原因係定義唔同，另一部分就係講緊唔同時間表。黃仁勳強調嘅係「AI 而家已經有用」；Altman 講嘅係 OpenAI 幾時會判斷一個內部系統已經達到較廣泛嘅自主性和經濟表現標準。

最大爭議：有用，唔等於通用智能

對黃仁勳說法最有力嘅批評係：商業價值本身，唔足以證明一個系統具備通用智能。

一個 AI 系統可以非常賺錢，但同時仍然能力狹窄、表現唔穩定，或者高度依賴人類設計嘅工具和基礎設施。黃仁勳亦冇提供獨立評估，證明現有 AI 系統已符合某個通用智能標準。

如果冇一套共同認可嘅任務清單、自主程度標準、可靠性要求，或者跨領域測試，「AGI 已經到咗」就仍然好難客觀驗證。

不過，呢個講法唔代表完全冇意義。更準確嘅理解係：它係一種以商業為本嘅重新詮釋，而唔係已經塵埃落定嘅科學結論。由於 AGI 根本冇全球統一定義，不同公司可以用同一個標籤，形容差異好大嘅能力水平。17

Nvidia 創紀錄業績，點解支持到黃仁勳較窄嘅論點？

Nvidia 公布，2027 財政年度第二季收入達 962 億美元，按年升 106%；數據中心業務收入達 890 億美元，按年升 117%。1

呢啲數字當然唔能夠證明 AGI 已經出現，但就清楚顯示，客戶正大手投資於訓練和運行 AI 所需嘅基礎設施。呢點支持黃仁勳較窄嘅論旨：AI 已經有足夠價值，足以帶動巨額商業需求。

因此，今次業績電話會議其實將兩個觀察扣埋一齊：

1. AI agent 開始有能力做具生產力嘅工作。
2. 多步驟、較自主嘅工作，所需計算力遠高於人類直接操作 AI 嘅簡單互動。3348

對 Nvidia 而言，第二點尤其重要。如果 agent 要處理更多步驟、使用更多工具，並運行更長時間，每一項有用工作都可能帶來更多推理運算和配套基礎設施需求。

記憶體成本，亦暴露 AI 擴張嘅限制

但呢個故事並唔係得需求一面。Nvidia 同時面對昂貴而供應緊張嘅記憶體元件；相關報道指，極高嘅記憶體成本正對利潤率預期造成壓力。15

呢個限制令黃仁勳嘅說法需要用另一個角度去理解：就算 AI agent 變得更加有能力，實際部署仍然取決於企業能否以合理成本取得足夠嘅 GPU、記憶體、電力和數據中心容量，並從中賺到理想回報。

業界核心問題，已經由「AI 模型可唔可以答出令人驚嘆嘅答案？」逐漸轉向：「AI 系統可唔可以可靠、持續，而且有盈利咁大規模完成有價值嘅工作？」

Nvidia 嘅業績為需求一面提供強力證據；但記憶體短缺和利潤率壓力就提醒大家，供應能力和每單工作嘅經濟效益仍然未有定案。1315

應該點樣理解黃仁勳嘅說法？

最穩妥嘅解讀係，黃仁勳唔再將 AGI 視為一條等緊某日突然衝線嘅終點線。佢認為實際轉型已經開始：AI agent 可以做有用工作，客戶願意為相關基礎設施付費，而系統越自主，所需計算力就越多。

呢個講法比「機器而家已經具備全面嘅人類級通用智能」窄得多；同時亦唔等同於 OpenAI 所講、需要高度自主地喺大部分具經濟價值工作上勝過人類嘅 AGI。

最合理嘅結論可以分兩部分：有用而且能夠產生經濟價值嘅 AI，確實已經出現；至於 AGI 是否已經到來，就要視乎你採用咩定義，以及要求咩證據標準。 Nvidia 962 億美元嘅季度收入，證明黃仁勳所講嘅商業動能相當強，但單靠一季業績，仍然不足以替 AGI 呢個概念落最後定論。