AGI 沒有共同終點：Altman、Amodei、Hassabis 與黃仁勳其實在談不同的事

「通用人工智慧」（AGI）如今幾乎成了包羅萬象的標籤：它可以指能創造經濟價值的自主數位工作者、具諾貝爾獎得主水準的研究員、擁有完整人類認知能力的機器，或只是很會考試的系統。

這正是 AI 領袖們能提出看似衝突、實則並不在預測同一件事的時間表的原因。也因此，公眾不應只聽企業高層宣告「AGI 已到來」，而應要求可由外部檢驗的證據。

四位領袖，四種過關標準

Sam Altman：以經濟價值與自主性衡量

OpenAI 長期廣為引用的定義，將 AGI 描述為「在大多數具經濟價值的工作上超越人類的高度自主系統」。這是一條以實務與經濟為中心的界線：重點在於系統能否大規模完成有價值的工作，而非它是否完全像人類一樣思考。

OpenAI 近來的公開論述則強調人的主導權。該公司表示，目標是讓系統協助人們追求自己選擇的目標，而非取代人類對何者重要的判斷；它也明言，把一切徹底自動化既危險，也不會帶來成就感。23 OpenAI 對工作轉型的分析同樣提醒：即使 AI 能自動處理職業中的許多任務，也不代表該職業必然消失，因為交付服務、監督與承擔責任的人仍可能不可或缺。25

這讓高能力工具、自主代理與 AGI 之間的界線持續浮動。經濟定義可用於觀察現實影響，卻不是一套可公開驗證的科學測試。

Dario Amodei：用「強大 AI」描述具體但極高的能力組合

Anthropic 執行長 Dario Amodei 通常較少使用 AGI，而偏好稱之為 「強大 AI」（powerful AI）。Anthropic 在政策文件中把它界定為遠超現有系統的重大進展：在多數學科的智力能力可匹敵或超過諾貝爾獎得主；能操作人類數位工作者可使用的介面；並可自主執行複雜工作。3

Anthropic 預測，這類系統可能在 2026 年底或 2027 年初 出現。Amodei 曾以「資料中心裡的天才之國」形容這一前景，強調高度集中能力將帶來經濟、安全與地緣政治後果。6 7

這個說法比泛稱 AGI 更具體，但仍把多項難題綁成一項預測：跨領域專業、工具操作、自主性，以及長時間穩定可靠地執行任務。模型可能先符合其中幾項，卻離全部條件仍有距離。

Demis Hassabis：AGI 必須涵蓋人類完整認知能力

Google DeepMind 執行長 Demis Hassabis 為 AGI 設下更高門檻：系統須具備 人類擁有的全部認知能力。他認為人類等級 AI 可能在本世代出現，但同時強調，目前的系統距離人類等級 AGI「還非常遠」。33 38

在這種框架中，AGI 不是一次產品發布或行銷里程碑，而是一道涉及穩健通用性的科學門檻。它要求的不只是考試高分，或少數專業領域的亮眼表現，而是能橫跨人類認知範圍運作的能力。

Jensen Huang：以廣泛測試中勝過人類為準

Nvidia 執行長黃仁勳則採取較偏基準測試的標準。2024 年，他曾表示，如果把 AGI 定義為能在幾乎所有測試中勝過人類的 AI，五年內可能出現；2026 年的報導則將他的看法描述為：在更寬鬆的實務標準下，AGI 已經實現。34

這種做法的優點是清楚：測試能產生分數。但限制也同樣明顯。通過大量測驗，不等於系統已具備長期自主工作的可靠性、良好判斷力，或在混亂真實環境中安全行事的能力。

為何四種時間表不能直接相減比較

他們不是在估算同一事件的不同日期，而是在預測不同目的地：

• Altman／OpenAI： 在多數高經濟價值工作中展現自主表現。
• Amodei／Anthropic： 廣泛具備諾貝爾獎等級智力，並能長時間自主完成數位工作。
• Hassabis／DeepMind： 具備完整的人類認知能力範圍。
• 黃仁勳／Nvidia： 在廣泛測試中超越人類表現。

AI 可以在許多基準測試拔得頭籌，卻未必能獨立完成數週的研究工作；也可能自動化大量數位任務，卻尚未展現一個人所具備的完整認知組合。因此，附在這些論述後面的日期，不應被理解成同一場「AGI 倒數」的不同版本。

為何 AGI 常被說成不可驗證，甚至帶有「神祕性」

爭議並非 AI 能力無法測量，而是 AGI 尚無共同、獨立治理的合格／不合格規則。

一份學術提案指出，AGI 是計算研究中重要但有爭議的概念，並將其操作化為「至少在人類大多數任務上達到人類等級能力」。50 這句話也凸顯了尚未解決的問題：要選哪些任務？以哪些人作比較？可靠度要多高？又要在什麼條件下測試？

一套具公信力的公開測試，至少需要：

1. 明確界定的任務分布，而不是隨時替換的一連串展示；
2. 效能與可靠度門檻，包括系統失敗的頻率；
3. 對長時間自主性與工具操作的測試，而不只是一次性回答；
4. 防止企業為特定測評量身訓練的機制；
5. 足以重現結果或進行稽核的獨立存取權限。

缺少這些基礎設施，AGI 很容易變成最有誘因定義終點的企業所提出的地位宣示。AI Now Institute 批評，現有許多指標狹窄、模糊，且服務於提出者自身利益。62

名詞爭論背後，其實是信任問題

企業可能提出關於顛覆性能力的宏大宣稱，但勞工與客戶在實際使用時，接觸到的卻可能仍是不穩定、容易出錯、難以可靠部署的系統。這種落差不代表所有長期預測必然錯誤，卻表示非凡主張需要可觀察的證據與可追責的預測。

工作議題正好說明其中張力。OpenAI 表示 AI 將重塑工作，一些職業會消失；但目前證據顯示，AI 更像是賦能工具而非取代者。17 這不必然與勞動市場受衝擊互相矛盾：任務自動化、職業內容改變與職位消失，本來就是不同結果。但如果大規模轉型的預測未搭配透明的勞動市場成效衡量，公眾信心就容易受損。

從「是否已是 AGI」轉向以能力為本的監管

更有力的治理模式，與其執著於判定系統是否已達 AGI，不如聚焦它究竟具備哪些能力、會造成哪些具體風險。

Anthropic 的「AI 安全等級」（AI Safety Levels）採取清楚的條件式結構：如果模型展現某種明確的危險能力，那麼在特定防護措施到位前，就不應部署或進一步訓練更強模型。5 其後續政策框架則主張透明度、獨立評估，以及政府阻止或嚇阻危險部署的權限。10

Altman 也曾主張，強大模型的安全做法應接受外部驗證與獨立風險評估，包括發布前測試及公開評估結果。49

Hassabis 提出的方案，是建立由美國主導、參考 FINRA 模式的「前沿 AI 標準機構」。FINRA 是在政府監督下、由產業出資的美國金融業自律組織；Hassabis 的構想是讓類似機構在模型發布前獨立評估前沿 AI。52 相關報導指出，多位前沿 AI 領袖逐漸形成的共識是：第三方應測試先進系統，並協助建立供政策採用的標準。51

不過，從提案到可執行的制度仍有很大落差。Future of Life Institute 的 2026 年 AI Safety Index 指出，當時尚無具有約束力的國家法規或標準，明確處理前沿 AI 風險及相對應的風險評估程序。59

什麼樣的 AI 宣稱才值得信賴？

公眾真正該問的，不是「AGI 到了嗎？」而是：這個模型能做什麼？可靠度如何？可能出什麼問題？又是誰獨立驗證了這些答案？

這意味著應建立按能力分類的要求，例如：

• 針對高風險網路攻擊、生物與欺騙能力的公開評估規程；
• 部署前由獨立單位進行測試與紅隊演練；
• 公開可靠度、事故與部署條件重大變動；
• 將防護措施與存取限制連結到已證實的風險門檻；
• 對違規設下法律後果，而非僅依賴自願承諾。

AGI 或許仍會是一個強大的理想、行銷詞彙與哲學問題；但若沒有公開證據支撐，它很難成為有效的監管觸發條件。信任要靠制度贏得：開發者不能自行重定終點、宣布抵達，然後再自行替自己的安全性背書。