文 | 查理有态度

9 月 3 日，OpenAI 总裁格雷格 · 布罗克曼在 GPT-6 Astra 发布会的最后留下一句话：" 欢迎来到 AGI 时代。"

三天后，英伟达 CEO 黄仁勋在 X 上转发呼应：" 从 ChatGPT 到 o1，再到 GPT-6 Astra，只用了四年。AGI 已经到来。"

然而，就在发布会前两天，OpenAI CEO 山姆 · 奥尔特曼还在公开采访中称，AGI 充其量是 " 一个定义非常糟糕的术语 "，" 就像一个无关紧要的营销术语 "。负责 GPT-6 Astra 关键评测的 ARC Prize 团队也专门提醒：该模型确实代表了通用化能力的重要进步，但 " 我们并不声称它就是 AGI"。

一边是 " 欢迎来到 AGI 时代 " 的振臂高呼，一边是 " 我们没有说这是 AGI" 的划清界限。

是谁说了谎，还是不只有一个 AGI？

01

问题在于，AGI（通用人工智能）至今没有统一的行业定义 .

OpenAI 在其 2018 年公司章程中将 AGI 描述为 " 在大多数具有经济价值的工作中表现超越人类的高度自主系统 "。这一定义包含三个要件：经济性、超越人类、高度自主——每一个都可以被灵活解释。

DeepMind 提出的 "AGI 等级 " 框架则更为学术化，以性能和通用性两个维度将 AGI 划分为 L0 至 L5 六个层级，强调在特定人类百分位上的广泛能力。

黄仁勋的定义最为直白，也最具商业指向性：能够自主创造十亿美元价值的 AI，即为 AGI。

三种定义，三本账，没有一个具备行业约束力，而这甚至只是 AGI 的定义中比较为人所熟知的。

但正是这种模糊性，让 "AGI" 成为一个可以被各方按需征用的符号。对卖芯片的人来说，AGI 意味着更多算力需求；对做模型的人来说，AGI 意味着更高的估值溢价和更强的人才吸引力；对投资者来说，AGI 意味着一个可以讲十年的增长故事。

定义权之争的本质，是产业话语权之争。谁能让市场相信自己定义下的 AGI 已经到来，谁就能在接下来的资本配置中占据主动。

02

剥离口号，GPT-6 Astra 的技术进步是真实的。

官方数据显示，该模型在高级数学评测 Frontier Math Tier 4 中取得 97.6 分，上下文窗口扩展至 105 万 token，在计算机操作、编程、网络安全和科学研究领域均达到行业前沿水平。它是 OpenAI 首个在其 " 准备框架 " 下达到网络安全能力 "Critical" 级别的模型。

更具有代际意义的变化，则是大模型正从 " 知识问答 " 加速走向 " 自主行动 "。GPT-6 Astra 可以创建文档、电子表格和演示文稿，遵循用户模板和指令，并在需求变更时自主调整——它不再只是一个回答问题的工具，而是一个执行任务的 " 劳动力 "。

这一趋势并非 OpenAI 独有。2026 年，整个行业都在向 " 智能体化 " 狂奔。

4 月，Anthropic 发布 Claude Opus 4.7，在 AI 编码、规模化工具调用和 Agent 计算机操作等多项基准中超越同期竞品；其未公开的研究版本甚至将黎曼 ζ 函数满足黎曼假设的零点比例下界从 41.6% 推高至 67.2%。5 月，谷歌在 I/O 大会上推出 Gemini 3.5 Flash，定位为 " 最强智能体与编程模型 "；此后几乎以三周一个版本的节奏迭代，8 月发布 Gemini 3.7 Flash，9 月又推出 Gemini 3.8 Flash。6 月，谷歌 DeepMind 发布 DiffusionGemma，将图像领域的扩散机制引入文本生成，在单块 H100 上实现每秒 1000+ token 的生成速度——这是对自回归架构的一次根本性挑战。

国内厂商同样在加速。4 月，沉寂 145 天的 DeepSeek 发布 V4 预览版，7 月推出的 V4-Flash 正式版在智能体能力上反超自家 Pro 版本。9 月，阿里发布 Qwen3.8-Max，总参数达 2.4 万亿，支持 1M token 上下文，在智能体规划测试中拿到 90.94 分。字节跳动的豆包 Seed 2.1 Pro、月之暗面的 Kimi K3 也在各自赛道上逼近国际第一梯队。

从 " 百模大战 " 的跑分竞赛，到 " 智能体大战 " 的执行能力比拼，2026 年的 AI 行业确实在经历一次又一次质变。模型不再满足于 " 说对 "，而要 " 做成 "。这种从认知到行动的跨越，或许比任何 AGI 定义都更接近技术演进的真实脉络。

03

如果说技术进步是 AGI 之争的 " 里子 "，那么资本动员就是它的 " 面子 "。

Gartner 预测，2026 年全球人工智能支出将达 2.59 万亿美元，同比增长 47%，其中 AI 基础设施（含算力、服务器、数据中心）为最大支出板块，约 1.43 万亿美元。大摩的估计更为激进：全球主要 AI 建设者的资本开支 2025 年约 4660 亿美元，2026 年直接翻倍至 9170 亿美元，2027 年将再增长 60% 至 1.4 万亿美元。仅亚马逊、微软、谷歌和 Meta 四家公司，2026 年计划投入的资本开支合计就超过 7000 亿美元。

中国市场同样火热。2026 年一季度，国内 AI 算力需求同比暴涨 417%，但有效供给增速仅 128%，供需增速缺口高达 289 个百分点。字节、腾讯、阿里三家年度资本开支直逼万亿人民币，百度单季度砸下 59 亿元，阿里云 AI 业务占比首次突破 30%。

在这个量级的资本流动面前，"AGI 是否已经到来 " 就不再是一个纯粹的学术问题，而是一个直接影响订单和估值的商业叙事。

黄仁勋比任何人都更有动力宣布 AGI 已来，因为英伟达是这轮 AI 基建狂潮中最大的受益者——每一座数据中心、每一次模型训练、每一个智能体部署，都在为英伟达的 GPU 订单添砖加瓦。

OpenAI 的双簧同样可以理解。总裁布罗克曼需要一个激动人心的叙事来吸引企业客户和顶级人才，CEO   Altman 则需要保持足够的审慎空间，以免在安全审查和监管对话中被自己的口号反噬。一个唱红脸，一个唱白脸，目标一致：在 AGI 的模糊地带中最大化商业利益，同时最小化合规风险。

换言之，大声喊出 AGI 的口号，最根本的目的，是让资本可以继续为叙事定价。

04

回到最初的问题：AGI 时代真的到来了吗？

答案或许是：这个问题本身已经不重要了。

当一个模型可以自主完成从文档创建到数据分析的完整工作流，当全球科技巨头每年投入近万亿美元建设 AI 基础设施，当中国厂商在开源模型和智能体能力上逼近国际第一梯队，当诺奖经济学家开始认真测算 AI 对生产率的长期影响——

我们工作生活的方方面面，都已经越来越离不开 AI，而更深层的，在科研和政策端，AI 的身影也越来越明显，无论你是否愿意称之为 "AGI"，一场深刻的、席卷所有已知的人类生产生活领域的变革，正在发生。

AGI 的定义可以继续模糊，巨头与巨头争论可以继续下去，但有一件事是确定的：从 2026 年开始，AI 已经是一个 " 现在进行时 " 的产业现实，它正在重写职业的技能图谱、重新分配全球的资本流向、乃至重构人类社会的组织方式。

真正值得关注的，不是 "AGI 是否已经到来 " 这个语义问题，而是另一个更紧迫的现实问题：在这场被口号加速、被资本驱动、被技术验证的变革中，谁能真正把算力转化为生产力，把模型能力转化为商业价值，把技术进步转化为广泛共享的经济增长？

AGI 时代的大门是否已经打开，或许见仁见智。但门后的世界，已经容不得任何人驻足观望。