你最近一定在 LINE 群組、公司 Slack、或被同事傳到手機上看過這張截圖：黃仁勳在 Lex Fridman podcast 上說了這句話。
「I think it's now. I think we've achieved AGI.」
那一週 NVIDIA 股價上漲了。我訂閱的五個 AI newsletter 裡，有四個把這句話做成了標題。
然後某個工程師在網路上丟了這句：「真他媽該死，到底怎麼辦好焦慮啊啊啊啊。」他剛看完 AI 兩次 prompt 寫完一個功能的 demo。隔壁討論串的標題更短：「以前要請 4 個，現在只需要 1 個。」老闆下週開會要講的可能就是這件事。
黃仁勳說了 AGI 到了，那種焦慮從那天之後看起來突然合理了很多。
但黃仁勳在同一集 podcast 裡還說了另一句。這句沒上任何標題：
「100,000 個 AI agent 建出 NVIDIA 的機率是零。」
同一個人，同一段錄音。前一句「AGI 到了」，後一句「十萬個 AI 建不出 NVIDIA」。你沒辦法說他偏激或不懂。他就是全世界最懂 AI 基礎設施的那個人，大部分的模型是跑在他賣的晶片上訓練出來的。
他在同一集 podcast 裡建好一座城，又炸了它。
同一段錄音，同一個人，前一句說 AGI 到了，後一句說十萬個 AI 建不出一家公司。
答案在兩句話中間的縫隙：他說的「AGI」跟你腦中的「AGI」，量的根本是兩個東西。
黃仁勳心中的 AGI 可以用一句話收乾：能衝到十億美元估值，然後可能馬上倒。
Lex Fridman 的問題很具體：「AI 能不能從零開始，建立並經營一家價值十億美元的科技公司？」
黃仁勳答「可以」，然後加一個但書：
「You said a billion, and you didn't say forever.」
你說十億，你又沒說永遠。
現在的 AI 能搞出一個病毒式 app、一個數位網紅、一個 Tamagotchi 遊戲，衝到十億美元估值。然後可能馬上倒。
但要建造一家持續運作的公司，那是另一回事。有物理世界的工廠、有供應鏈、有三萬名工程師在辦公室裡為一條電路板的佈線吵架。十萬個 AI agent 一起上也做不到。
我重聽這一段兩次。第二次我注意到一個細節：Fridman 問題的主語是「AI」，黃仁勳答案的主語換成了「十萬個 AI agent」。他需要用「十萬個一起」才敢說做不到。代表他心裡的單一 AI 上限已經很高了。
然後他給這個東西一個名字：AGI。一個能短暫衝過經濟門檻但維持不了的東西。
學術界打的分是 57。滿分 100。
2025 年 10 月一份 33 人共簽的論文出現在 arXiv 上。我看到簽名欄停下來重看了一次。LLM 最大的懷疑派 Gary Marcus 和深度學習之父 Yoshua Bengio 平常在社群媒體上隔空對罵，這次共同簽下同一份文件。他們同意的事只有一件：AGI 必須用心理計量學來衡量，像給人類做智力測驗那樣。10 個認知維度，一題一題給分。
讀寫能力 10/10。數學能力 10/10。常識知識 9/10。
長期記憶儲存 0/10。
零分。
這樣說吧。昨天下午，我跟 Claude 討論了三個小時的產品架構。第一個小時在辯論資料表該合併還是切開。第二個小時我畫了三版 wireframe，它幫我挑了一版。第三個小時我們吵完要用哪個 API provider。我關掉對話去倒咖啡，回來打開一個新對話繼續問。它的第一句話是：「很高興認識你，我是 Claude。你想聊什麼？」
論文裡有一個詞叫 「嚴重失憶」。開發者用兩種手法掩蓋這件事：把整個 codebase 塞進 context window 靠工作記憶硬撐，或者接 RAG 讓 AI 去資料庫搜答案。論文的評語就一句話。這些都是「掩蓋失憶的拐杖」。
拐杖不算腿。
但它寫 code 的速度又讓人頭皮發麻。那三個小時的架構討論，換成我自己從零查文件、畫流程、跑 proof-of-concept，要花兩天。一位五年經驗的工程師寫：「自從去年底 Opus 4.5 推出後，整個組內四個人幾乎半年沒有手寫程式碼。」整個組的手指頭，都在慢慢被那個 0 分的東西取代。
把「數學 10 分，記憶 0 分」這張成績單攤平在桌上看，答案不在總分裡。在形狀裡。AI 的認知輪廓是鋸齒狀的：某些尖刺已經超越人類，某些凹陷接近於零。研究者給這個形狀取了名字：jagged cognitive profile。
2026 年 3 月，Google DeepMind 發表了自己的認知框架，也把 AGI 拆成 10 個維度：知覺、生成、注意力、學習、記憶、推理、後設認知、執行功能、問題解決、社會認知。
DeepMind 的結論跟 Hendrycks 團隊一致：AI 在某些維度已經超越多數人，其他維度遠遠落後。但這份論文多給了一個細節：10 個維度裡，5 個的測量工具連學界自己都還沒造好（後設認知、注意力、學習、社會認知、問題解決）。DeepMind 為此開了一個 20 萬美元的 Kaggle 獎金，請外部研究者幫忙補洞。
你沒辦法證明一個東西不存在。如果你還沒造出量它的尺，你也沒辦法證明它存在。
十個認知維度，有五個的量尺學界還沒造好。AGI 這個詞指的是什麼，科學家自己的字典裡還沒寫完。
宣布 AGI 達成那一天，OpenAI 會失去跟微軟的獨家授權，換算下來是幾百億美元現金流。這個定義越模糊，OpenAI 手上的籌碼越多。
Fortune 在 3 月 30 日的深度報導裡挖出了一個很少被報導的事實：2023 年，微軟投資 OpenAI 100 億美元時，合約中有一個條款：微軟是 OpenAI 所有 AI 產品的獨家商業夥伴，但 AGI 不包含在內。
換句話說，一旦 OpenAI 宣布達成 AGI，微軟就失去獨家權。
那誰有權宣布 AGI 達成？原本是 OpenAI 的非營利董事會。但據 The Information 報導，在 2023 年那份合約裡，AGI 被秘密定義為一個非常具體的東西：一項能產生至少 1000 億美元利潤的技術。
OpenAI 去年營收 130 億美元，還虧了 80 億。離 1000 億美元的利潤差得遠。
Altman 在部落格寫「我們現在有信心知道怎麼建造 AGI」，又跟 Bloomberg 說 AGI 是「不太有用的詞」。兩個版本放一起看不矛盾：「接近」能吸引投資和人才，「達成」會讓微軟的獨家權消失。永遠在接近，永遠還沒到，是合約上最理想的位置。
黃仁勳的動機更直接。他賣的是 GPU。AGI 離得越近，全世界的資料中心就要買越多 NVIDIA 的晶片。當他在全球最大的 podcast 上說「AGI 已到」，NVIDIA 的股價在那一週上漲了。
Gary Marcus 在他的分析裡把這個現象叫做一個概念錯誤加上一個策略誤判：「把越來越精緻的統計近似跟真正的智慧混為一談，不只是學術上的錯——是會讓你做出錯誤投資決定的錯。」
建造 AGI 的三家公司（Anthropic、OpenAI、Salesforce）的高層一個接一個撤退。Amodei 說 AGI「過時了」，理由是 Claude 寫 Python 比很多工程師強，常識直覺卻還是零，「通用智慧」這個標籤站不住腳。Altman 說 AGI 是「不太有用的詞」。Salesforce 的 Benioff 用得更重：「催眠」。
最值得停下來看的是 Altman。一年前他在部落格裡寫：「我們現在有信心知道怎麼建造 AGI。」一年後，同一個 CEO 跟 Bloomberg 說 AGI 是「不太有用的詞」。兩個版本的 Altman，你沒辦法同時相信。
Benioff 的位置又不一樣。Anthropic 和 OpenAI 是建 AGI 的人喊停，Benioff 是付錢買 AI 的那一邊喊停。買家開始喊催眠，代表故事賣不下去了。
有人一句話總結了這個荒謬：「尼信嗎？老實說我不太信。AI 時代就會產生一堆無用階級。」
另一派人站在他們對面。DeepMind 和 Hendrycks 團隊的立場是：概念本身很好，只是被行銷扭曲了。解法是用心理計量的尺取代 demo 影片的敘事。
這個分歧在 DeepMind 創辦人 Demis Hassabis 身上變得最複雜。
《The Infinity Machine》記錄過這個畫面。Hassabis 凌晨兩點坐在桌前，覺得「現實在對著我尖叫，試圖告訴我什麼」。對他來說，AGI 跟商業目標無關，也跟資產負債表無關。這是他理解宇宙基本規則的工具。他不想放棄這個詞。
但 Hassabis 自己也說，我們還在「第一局」。他把大型語言模型比喻成棋局裡的「策略網路」：能預測下一步該走什麼，但缺少「價值網路」：搜尋、規劃、反省的能力。LLM 只在「樹的下半部」搜索知識，生不出像相對論那樣的原創。
DeepMind 內部也因此分裂。有一派研究者認為公司「錯失」了 LLM 浪潮，有人離職抗議。這個實驗室裡的路線共識也吵不出來。
兩年跳 30 個百分點。如果這個速度持續，2027 年就超過 80%。
GPT-4 在 2023 年的 AGI 分數是 27%，GPT-5 在 2025 年是 57%。這不是線性外推。進步在跳躍。
我自己的體感跟這個數字吻合。兩年前我讓 AI 幫忙重構一段 code，它給的方案漏洞百出，我花更多時間改它的錯。上個月同樣的任務，它一次就給出比我原本想的更乾淨的架構。
而 DeepMind 的認知框架承認了一件更根本的事：10 個維度裡有一半，現有的測量工具嚴重不足。後設認知、注意力、學習能力、社會認知、問題解決，這五個維度的測量方法學界自己都還沒建好。
如果你無法測量一個東西，你怎麼確定它不存在？
一個寫過好幾本金融史暢銷書的《金融時報》記者（Sebastian Mallaby）在書中記錄了一個令人不安的細節：Hassabis 當年預測 AGI 會在某個時間軸上到來。現在，它「幾乎剛好在他預言的時間軸上」到達了。但他沒有因此感到勝利。他感到的是恐懼。因為他原本設想的劇本是「一個實驗室安全地建造 AGI」。結果現在變成了全球不可控的軍備競賽。
Hassabis 自己也犯過判斷錯誤。他多年來堅信語言模型因為「沒有接地」（沒有在物理環境中互動）所以永遠無法產生智慧。但後來他承認，語言模型是「不合理地有效」。出走的 LLM 派押對了趨勢。
說 AGI 很近的人在賣 GPU，說 AGI 很遠的人在防守學術立場。你得自己看 AI 真正做得到什麼，別照抄任一邊。
問題在形狀。AI 的認知雷達圖正在以非線性速度擴張。某些尖刺已經超越人類，某些凹陷可能比我們以為的更快被填平。
三把尺，三件事，三個相反的結論。攤開來看：
| 尺 | 持尺者 | 量的是 | 現在幾分 | 你該擔心什麼 |
|---|---|---|---|---|
| 經濟門檻 | 黃仁勳 | 衝過十億美元估值的數位產品 | 已達成 | 客戶半年內把客服全改成 AI |
| 心理計量 | Hendrycks 33 人團隊 | 10 個認知維度各打分 | 57 分 | 記憶那一格還是 0，半年不會翻身 |
| 合約定義 | OpenAI–微軟合約 | 能產生 1000 億美元利潤的技術 | 還早得很 | Altman 永遠會說「接近了」不說「到了」 |
Huang 的「AGI 到了」，Hendrycks 會打 57 分，OpenAI 律師會拿出合約搖頭。三個人都沒說謊。他們在量三件不同的事。Huang 和 OpenAI 甚至會為了同一個理由（都是為了賣東西）給出相反答案。
而這場爭論對你最重要的部分，不在三把尺上。在你老闆的書桌上。
你的客戶讀完 Fortune 的標題，決定把客服全部改成 AI agent，半年後崩盤：他量的是 Huang 的尺。
你的投資顧問把一半倉位壓在「AGI beneficiary」基金上：他量的是 OpenAI 的尺。
你的 CTO 看完 Hendrycks 那份論文，說「暫緩採用，我們先等記憶維度上來」：他量的是學術的尺。
三個決定都掛著「AGI」這個詞，結果是三種不同的賭注。而你的薪水、你的退休金、你公司的下一個季度預算，都是這些賭注的結果。
所以我讀到 Huang 那句話時，真正不安的地方不在 Huang 身上。他的誘因很清楚。他賣晶片，AGI 越近晶片賣越多，那一週股價漲了。他的立場是可以計算的。
不安的是看到那句話沒有追問就相信的那些人。全世界現在有上千個老闆正在用 Huang 的尺做決定。AI 能力這一週沒有任何改變，變的是他們腦中「AGI」的音量。最大聲的版本被採用，而最大聲的人剛好是賣 GPU 的。
我幫客戶做數位轉型。最近每次見面，第一個問題都是：「AGI 來了，我們要不要 all in？」我的回答都一樣。等一下，你說的 AGI 是誰的定義？十個客戶有八個會安靜下來想一分鐘。他們發現自己從來沒問過這件事。
反過來想：Huang 在同一集 podcast 裡還說過一句沒上任何標題的話：「Intelligence is a commodity.」智慧是商品。他認為 AI 的智慧就像洗碗機。功能性地處理任務，效率極高，但需要人類的同理心、痛苦承受力和領導力來驅動。
他可能是對的。但一個賣洗碗機的人告訴你「洗碗的時代結束了」，這句話對他值多少錢，你算清楚了嗎？
開頭那個在網路上丟「真他媽該死，到底怎麼辦好焦慮啊啊啊啊。」的工程師，他上班那家公司下一季要怎麼用 AI，答案不在 Huang 的 podcast 裡。答案在他老闆腦中「AGI」的那個版本。
所以我給自己定了一個做法：聽到「AGI 來了」這句話的當下不回應，先在心裡跑一個三秒流程：這個人賣什麼？這句話對他值多少錢？雷達圖上記憶那格寫幾分？三題走完再開口。
客戶第一次聽我回這種問題會愣一下。但下次他們自己先說「等等，那我應該用哪把尺」的時候，這個對話就換了一種。
下次有人對你說「AGI 來了」，在開口之前先在心裡跑一次：他賣什麼？這句話對他值多少錢？雷達圖上記憶那格寫幾分？
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。