一句话定义
AGI（Artificial General Intelligence，通用人工智能）指一个能在绝大多数认知任务上达到或超过人类水平的系统，而不只是在某个特定任务上表现出色。
它不是一个技术指标，而是一个目标声明。不同的人对它的定义差异极大，这正是相关讨论经常无法收敛的原因。
为什么重要
AGI 是当前整个行业投入规模的隐含前提。数以千亿计的资本支出，赌的是「继续扩大规模会产生通用能力」这个判断。
即使最终 AGI 没有到来，为它做的准备也会留下真实的东西：更强的模型、更低的价格、更成熟的工程实践。反过来，如果把 AGI 当作必然，就容易在短期决策上过度乐观。
三种典型立场
| 立场 | 核心主张 | 判断依据 |
|---|---|---|
| 规模派 | 继续扩大参数、数据、算力即可到达 | Scaling Law 尚未见顶 |
| 架构派 | 缺的是新范式，不是更多算力 | 现有模型缺乏真正的因果与世界模型 |
| 渐进派 | 不会有「那一刻」，只有持续渗透 | 技术史上是这样，这次也不例外 |
三种立场都能自洽。务实的做法是：不为 AGI 是否到来下注，而为「能力持续提升」做准备。
更有用的判断框架
与其争论定义，不如关注几个可观察的维度：
- 任务广度：能否在没有专门适配的情况下迁移到全新领域？
- 持续学习：能否在不重训的前提下积累经验？
- 自主性：能否在长周期任务中保持目标一致？
- 样本效率：能否像人一样从少量例子里学会一件事？
目前模型在广度上进步最快，在持续学习和样本效率上差距最大。
常见误解
- 「AGI = 有意识」：通用能力和主观体验是两个独立问题，前者可以量化，后者不能。
- 「AGI 是一个开关」：能力更可能是连续爬坡，而不是某天突然翻转。
- 「AGI 讨论没有意义」：定义模糊不等于问题虚假。它决定了监管、投资和人才培养的方向。
延伸阅读
- AI × Work：能力提升对工作的实际影响
- Future of Work：更长周期的推演