黃仁勳在 NVIDIA 2027 財年第二季財報電話會議上的 AGI 談話，與其說是宣告學界已形成共識，不如說是一次以商業為核心的重新詮釋。他認為 AI 已經「變得有用」，AI 代理人也能執行具價值的工作，因此「就許多任務而言，我們可以說已經達成 AGI」。他甚至形容傳統的 AGI 里程碑「現在有點無意義」。3448

但關鍵的保留條件是：黃仁勳沒有界定一個可重複驗證的 AGI 門檻，沒有提出特定基準測試，也沒有宣稱現有系統已在所有領域具備完整、近似人類的智慧。他主要談的是 AI 現在能否產生生產力，以及這將如何推動運算基礎設施需求。

黃仁勳究竟說了什麼？

電話會議一開始，黃仁勳便強調「AI 已經變得有用」，並將焦點放在 AI 代理人的崛起。這類系統不只是收到提示後回答問題，而是能夠使用工具、規劃流程並完成多個步驟的工作。

他估計，視任務性質而定，一名 AI 代理人所需的運算量，可能是人類直接操作 AI 互動的約 15 至 100 倍。3336

在這個脈絡下，黃仁勳表示，就許多任務而言，AGI 已可被視為達成。這句話的措辭相當重要：它指的是 AI 在特定領域展現出足夠能力，而不是宣稱單一系統已能可靠完成幾乎所有人類可完成的智力工作。

他的更大主張是，業界應該以 AI 是否帶來生產成果來衡量它。NVIDIA 的財報資料也強調，AI 正在執行有用的工作，客戶將 AI 部署到真實系統後，相關需求正在加速。47

這和傳統 AGI 概念有何不同？

人工通用智慧（AGI）至今沒有全球一致接受的定義。不過，這個概念通常強調「通用性」：系統不只在少數特定領域表現出色，還要能把知識與能力轉移到廣泛、陌生的任務上。17

黃仁勳在財報會議中的說法，則將注意力從單一的認知門檻，轉移到實際效用。在這種觀點下，只要 AI 系統能完成具經濟價值的工作，即使仍依賴工具、精心設計的工作流程、人類監督或專門的系統支援，也可能已呈現出「類 AGI」的特徵。

兩者的差異可以這樣理解：

• 傳統的能力取向： AGI 應在陌生的智力問題上展現廣泛、可轉移的能力。
• 黃仁勳的實用取向： 在 AI 代理人能完成有用工作的領域，相關里程碑已接近或已經達成。
• 這項說法沒有證明的事： 它並未獨立證明現有系統具備穩健推理能力、可靠的長期自主性，或脫離工程化工作流程後仍能維持一般能力。

換句話說，黃仁勳認為經濟轉型可能比 AGI 這個標籤更重要。但這不等於科學界對 AGI 的定義與判定方式已經塵埃落定。

黃仁勳與 Sam Altman、OpenAI 的差異

OpenAI 歷來採用的定義同樣帶有經濟色彩，但門檻更高：AGI 是「一個高度自主、在大多數具經濟價值的工作上超越人類的系統」。17

差異在於涵蓋範圍和自主程度。黃仁勳談的是 AI 對「許多任務」已經有效；OpenAI 的定義則要求系統在「大多數具經濟價值的工作」上超越人類，而且必須具備高度自主性。

據報導，Sam Altman 曾表示，OpenAI 可能在 2026 年底前擁有一個公司內部會稱為 AGI 的系統。這項預測應理解為依據 OpenAI 自身定義所設定的內部里程碑，不一定代表 2026 年會推出公開系統，也不代表全球經濟會立即改頭換面。192228

Altman 也承認，技術突破與經濟採用可能按照不同時間表發生。相關報導將他的超級智慧預測放在 2028 年底左右，這再次說明：AGI、公開部署、經濟影響，以及超級智慧，是彼此不同的里程碑。1821

因此，兩人的表面分歧，一部分來自定義不同，另一部分則來自時間點不同。黃仁勳強調的是當下的實用性；Altman 談的是 OpenAI 何時可能判定某個內部系統符合更廣泛的自主性與經濟表現標準。

最大質疑：有用不等於具備一般智慧

對黃仁勳說法最有力的批評是，商業價值本身並不能證明一般智慧。一個系統即使極具獲利能力，仍可能只擅長狹窄任務、不夠可靠，或高度依賴人類設計的工具和基礎設施。

黃仁勳沒有提供獨立評估，證明現有 AI 系統已達到某項一般智慧標準。在缺乏共同任務集合、自主性規範、可靠度要求或跨領域測試的情況下，「AGI 已經到來」仍難以驗證。

這不代表他的說法毫無意義，而是表示它更像是一種以商業為導向的重新框架，而非已獲科學界確認的研究結論。由於 AGI 沒有統一定義，不同公司可能用同一個標籤指稱差異很大的能力水平。17

NVIDIA 創紀錄財報，為何強化了黃仁勳較狹義的論點？

NVIDIA 公布 2027 財年第二季營收 962 億美元，年增 106%；資料中心營收則達 890 億美元，年增 117%。1

這些數字當然不能證明 AGI，卻顯示客戶正大舉投資訓練和運行 AI 系統所需的基礎設施。這支持了黃仁勳較狹義的主張：AI 已經有足夠價值，能帶來巨大的商業需求。

因此，這場財報會議其實把兩個概念連在一起：

1. AI 代理人正逐漸具備執行生產性工作的能力。
2. 更自主、需要多步驟處理的工作，比單純由人類下指令的互動消耗更多運算資源。3348

對 NVIDIA 而言，第二點尤其重要。代理人執行的步驟更多、使用的工具更多、運作時間更長，每項有價值的任務就可能帶來更多推論需求，以及對相關基礎設施的需求。

記憶體成本，也暴露 AI 擴張的限制

但這套經濟邏輯並非只有利多。NVIDIA 同時面臨記憶體元件昂貴且供應吃緊的壓力；相關報導指出，極高的記憶體成本正壓縮市場對公司利潤率的預期。15

這項限制改變了我們理解黃仁勳論點的方式。即使 AI 代理人變得更有能力，實際部署仍取決於企業能否以足以產生合理回報的成本，取得足夠的 GPU、記憶體、電力和資料中心容量。

因此，業界的核心問題正從「AI 模型能不能給出令人印象深刻的答案？」轉向「AI 系統能不能在大規模運作下，可靠且有利可圖地完成有價值的工作？」NVIDIA 的財報為需求面提供了強力證據；但記憶體短缺和利潤率壓力也顯示，供應能力和單位經濟效益仍未完全解決。1315

最合理的解讀：實用 AI 已到來，但 AGI 仍取決於定義

黃仁勳的說法，最好理解為他不認同 AGI 是一條等著業界跨過的單一終點線。他主張，實際轉型已經展開：AI 代理人能執行有用工作，客戶願意為相關基礎設施付費，而系統越自主，所需運算量就越大。

這比「機器現在已具備人類一般水平的智慧」更狹義，也不同於 OpenAI 所主張的：AGI 必須在大多數具經濟價值的工作上，以高度自主的方式超越人類。

最站得住腳的結論可以分成兩部分：有用且能產生經濟價值的 AI 確實已經到來；但 AGI 是否已經到來，仍取決於採用哪一套定義，以及要求何種證據。 NVIDIA 962 億美元的季度營收，展現了支持黃仁勳觀點的商業動能；但單靠這份財報，無法替 AGI 的意義下定論。

黃仁勳在 NVIDIA 2027 財年第二季財報電話會議上的 AGI 談話，與其說是宣告學界已形成共識，不如說是一次以商業為核心的重新詮釋。他認為 AI 已經「變得有用」，AI 代理人也能執行具價值的工作，因此「就許多任務而言，我們可以說已經達成 AGI」。他甚至形容傳統的 AGI 里程碑「現在有點無意義」。3448

但關鍵的保留條件是：黃仁勳沒有界定一個可重複驗證的 AGI 門檻，沒有提出特定基準測試，也沒有宣稱現有系統已在所有領域具備完整、近似人類的智慧。他主要談的是 AI 現在能否產生生產力，以及這將如何推動運算基礎設施需求。

黃仁勳究竟說了什麼？

電話會議一開始，黃仁勳便強調「AI 已經變得有用」，並將焦點放在 AI 代理人的崛起。這類系統不只是收到提示後回答問題，而是能夠使用工具、規劃流程並完成多個步驟的工作。

他估計，視任務性質而定，一名 AI 代理人所需的運算量，可能是人類直接操作 AI 互動的約 15 至 100 倍。3336

在這個脈絡下，黃仁勳表示，就許多任務而言，AGI 已可被視為達成。這句話的措辭相當重要：它指的是 AI 在特定領域展現出足夠能力，而不是宣稱單一系統已能可靠完成幾乎所有人類可完成的智力工作。

他的更大主張是，業界應該以 AI 是否帶來生產成果來衡量它。NVIDIA 的財報資料也強調，AI 正在執行有用的工作，客戶將 AI 部署到真實系統後，相關需求正在加速。47

這和傳統 AGI 概念有何不同？

人工通用智慧（AGI）至今沒有全球一致接受的定義。不過，這個概念通常強調「通用性」：系統不只在少數特定領域表現出色，還要能把知識與能力轉移到廣泛、陌生的任務上。17

黃仁勳在財報會議中的說法，則將注意力從單一的認知門檻，轉移到實際效用。在這種觀點下，只要 AI 系統能完成具經濟價值的工作，即使仍依賴工具、精心設計的工作流程、人類監督或專門的系統支援，也可能已呈現出「類 AGI」的特徵。

兩者的差異可以這樣理解：

• 傳統的能力取向： AGI 應在陌生的智力問題上展現廣泛、可轉移的能力。
• 黃仁勳的實用取向： 在 AI 代理人能完成有用工作的領域，相關里程碑已接近或已經達成。
• 這項說法沒有證明的事： 它並未獨立證明現有系統具備穩健推理能力、可靠的長期自主性，或脫離工程化工作流程後仍能維持一般能力。

換句話說，黃仁勳認為經濟轉型可能比 AGI 這個標籤更重要。但這不等於科學界對 AGI 的定義與判定方式已經塵埃落定。

黃仁勳與 Sam Altman、OpenAI 的差異

OpenAI 歷來採用的定義同樣帶有經濟色彩，但門檻更高：AGI 是「一個高度自主、在大多數具經濟價值的工作上超越人類的系統」。17

差異在於涵蓋範圍和自主程度。黃仁勳談的是 AI 對「許多任務」已經有效；OpenAI 的定義則要求系統在「大多數具經濟價值的工作」上超越人類，而且必須具備高度自主性。

據報導，Sam Altman 曾表示，OpenAI 可能在 2026 年底前擁有一個公司內部會稱為 AGI 的系統。這項預測應理解為依據 OpenAI 自身定義所設定的內部里程碑，不一定代表 2026 年會推出公開系統，也不代表全球經濟會立即改頭換面。192228

Altman 也承認，技術突破與經濟採用可能按照不同時間表發生。相關報導將他的超級智慧預測放在 2028 年底左右，這再次說明：AGI、公開部署、經濟影響，以及超級智慧，是彼此不同的里程碑。1821

因此，兩人的表面分歧，一部分來自定義不同，另一部分則來自時間點不同。黃仁勳強調的是當下的實用性；Altman 談的是 OpenAI 何時可能判定某個內部系統符合更廣泛的自主性與經濟表現標準。

最大質疑：有用不等於具備一般智慧

對黃仁勳說法最有力的批評是，商業價值本身並不能證明一般智慧。一個系統即使極具獲利能力，仍可能只擅長狹窄任務、不夠可靠，或高度依賴人類設計的工具和基礎設施。

黃仁勳沒有提供獨立評估，證明現有 AI 系統已達到某項一般智慧標準。在缺乏共同任務集合、自主性規範、可靠度要求或跨領域測試的情況下，「AGI 已經到來」仍難以驗證。

這不代表他的說法毫無意義，而是表示它更像是一種以商業為導向的重新框架，而非已獲科學界確認的研究結論。由於 AGI 沒有統一定義，不同公司可能用同一個標籤指稱差異很大的能力水平。17

NVIDIA 創紀錄財報，為何強化了黃仁勳較狹義的論點？

NVIDIA 公布 2027 財年第二季營收 962 億美元，年增 106%；資料中心營收則達 890 億美元，年增 117%。1

這些數字當然不能證明 AGI，卻顯示客戶正大舉投資訓練和運行 AI 系統所需的基礎設施。這支持了黃仁勳較狹義的主張：AI 已經有足夠價值，能帶來巨大的商業需求。

因此，這場財報會議其實把兩個概念連在一起：

1. AI 代理人正逐漸具備執行生產性工作的能力。
2. 更自主、需要多步驟處理的工作，比單純由人類下指令的互動消耗更多運算資源。3348

對 NVIDIA 而言，第二點尤其重要。代理人執行的步驟更多、使用的工具更多、運作時間更長，每項有價值的任務就可能帶來更多推論需求，以及對相關基礎設施的需求。

記憶體成本，也暴露 AI 擴張的限制

但這套經濟邏輯並非只有利多。NVIDIA 同時面臨記憶體元件昂貴且供應吃緊的壓力；相關報導指出，極高的記憶體成本正壓縮市場對公司利潤率的預期。15

這項限制改變了我們理解黃仁勳論點的方式。即使 AI 代理人變得更有能力，實際部署仍取決於企業能否以足以產生合理回報的成本，取得足夠的 GPU、記憶體、電力和資料中心容量。

因此，業界的核心問題正從「AI 模型能不能給出令人印象深刻的答案？」轉向「AI 系統能不能在大規模運作下，可靠且有利可圖地完成有價值的工作？」NVIDIA 的財報為需求面提供了強力證據；但記憶體短缺和利潤率壓力也顯示，供應能力和單位經濟效益仍未完全解決。1315

最合理的解讀：實用 AI 已到來，但 AGI 仍取決於定義

黃仁勳的說法，最好理解為他不認同 AGI 是一條等著業界跨過的單一終點線。他主張，實際轉型已經展開：AI 代理人能執行有用工作，客戶願意為相關基礎設施付費，而系統越自主，所需運算量就越大。

這比「機器現在已具備人類一般水平的智慧」更狹義，也不同於 OpenAI 所主張的：AGI 必須在大多數具經濟價值的工作上，以高度自主的方式超越人類。

最站得住腳的結論可以分成兩部分：有用且能產生經濟價值的 AI 確實已經到來；但 AGI 是否已經到來，仍取決於採用哪一套定義，以及要求何種證據。 NVIDIA 962 億美元的季度營收，展現了支持黃仁勳觀點的商業動能；但單靠這份財報，無法替 AGI 的意義下定論。