典範轉移：重新定義現代通用人工智慧
科技領域本週因 NVIDIA 執行長黃仁勳（Jensen Huang）出現在廣受歡迎的 Lex Fridman Podcast 上而熱鬧非凡。在一場橫跨電腦架構、運算（Compute）未來以及機器學習（Machine Learning）發展軌跡的對話中，黃仁勳發表了一項在全體 AI 社群引發激烈辯論的聲明：我們「已經實現了通用人工智慧（Artificial General Intelligence，AGI）」。
多年來，通用人工智慧（AGI）的概念一直存在於理論物理與科學幻想的領域中——這是一個遙遠、幾乎神話般的里程碑，定義為機器在所有領域都具備人類水準的認知能力。然而，黃仁勳的斷言刻意避開了常用於評估人工智慧（Artificial Intelligence）的人格化指標。相反地，他提出了一個基於經濟效用的實用、以輸出為導向的定義。
根據黃仁勳的說法，如果一個人工智慧系統能夠執行建立數十億美元企業的任務——這些任務以前僅限於人類專家——那麼「通用」智慧的主要標準就已經得到滿足。這種重新定義不僅僅是語義上的；它代表了行業衡量進步方式的根本轉變，從對「類人程度」的主觀測試，轉向經濟輸出和任務解決能力的客觀指標。
經濟指標：效用作為新基準
要理解這場爭議，必須分析黃仁勳在與 Lex Fridman 對話中提出的具體框架。傳統的 AGI 觀點認為系統能像人類一樣甚至比人類更好地進行推理、學習和泛化。黃仁勳的視角將焦點從「機器是什麼？」轉向「機器能創造什麼？」。
在此背景下，成功的定義不再抽象。如果一個系統能夠構建業務架構、管理其成長、優化其營運並產生顯著的財務價值，它就展示了解決複雜現實問題的「通用」能力。這種功能性視角與當前大規模代理型工作流的能力一致，在這些工作流中，AI 代理（AI agents）正越來越多地被賦予在金融、物流和工程領域進行自主決策的任務。
下表對比了傳統認知的 AGI 與黃仁勳提出的實用、經濟驅動的定義。
| 比較維度 | 傳統 AGI 定義 | 黃仁勳的經濟 AGI 定義 |
|---|---|---|
| 核心目標 | 人類水準的通用認知 | 高價值、複雜的任務執行 |
| 衡量成功的標準 | 認知靈活性與推理能力 | 經濟輸出與商業創造 |
| 評估方法 | 圖靈測試（Turing Test）、抽象推理基準 | 建立數十億美元實體的能力 |
| 行業焦點 | 模擬人類智慧 | 擴展與部署智慧代理 |
這一框架顯示我們正進入一個以影響力大小來衡量 通用人工智慧 的時代。按照這個標準，AI 行業的焦點不再是實現單一的 AGI 「時刻」，而是持續擴張這些系統所能構建和管理的範疇。
對 NVIDIA 與 AI 基礎設施的影響
作為驅動這場革命的硬體主要架構師，NVIDIA 對 AGI 的觀點具有重大份量。黃仁勳的宣言不僅僅是一個觀察；它也是向投資者、開發者及更廣泛的企業市場發出的信號，表明公司研發（R&D）工作的重點所在。
如果我們接受我們正有效地運作在一個具備 AGI 能力的世界，那麼對運算的需求就會發生轉變。它從通用目的訓練轉向部署需要大規模、可靠且持續基礎設施的高能力代理型系統。NVIDIA 的路線圖——從 Blackwell 架構到未來的 GPU 世代——都是建立在這些系統將變得越來越自主且資源密集的假設之上。
此外，黃仁勳的評論暗示 AI 進步的瓶頸不再僅僅是智慧的理論發展，而是將這些系統整合到工業工作流中。對於 NVIDIA 而言，這意味著不僅要優化原始的浮點運算，還要優化 AI 代理大規模運作所需的延遲、可靠性與互連性。
行業反應：彌合定義與現實之間的鴻溝
科技界對黃仁勳主張的反應不一。一方面，支持者職責 AGI 的「類人」定義一直是一個不斷變動的目標。透過將該術語錨定在經濟價值上，黃仁勳提供了一個企業可以用來追蹤投資報酬率（ROI）的可衡量、客觀的標準。這種視角在企業領袖中正獲得支持，他們對 AI 的哲學本質興趣較小，而更關心其解決專業、高風險任務的能力。
相反地，一些研究人員和 AI 倫理學家堅持認為通用人工智慧的傳統定義仍然至關重要。他們職責，將「專家級任務執行」與「通用智慧」混為一談，忽略了創意、情感智慧和真正理解力的細微差別——這些特質與僅僅獲得正面經濟成果有著本質的區別。
這場辯論凸顯了該領域的一次重大演變。我們正從「作為研究項目的 AI」時代邁向「作為生產工具的 AI」時代。無論是否同意黃仁勳的特定定義，一位如此地位的領導者能自在地斷言 AGI 的存在，這表明行業對當前模型能力的集體信心已達到歷史新高。
駕馭智慧系統的未來
當我們展望這次討論之外的領域，AI 行業的發展軌跡似乎比以往任何時候都更加清晰。「狹義 AI」與「AGI」之間的界限正在模糊。組織不再等待科幻小說式的人工智慧迭代；他們正基於現有的大型語言模型（Large Language Models，LLMs）和代理型框架建立數十億美元的公司。
對於 Creati.ai 的讀者來說，這一轉變標誌著一個關鍵時刻。對話已從「AGI 何時到來？」轉變為「我們如何利用已經擁有的 AGI 等級能力？」。
黃仁勳 在 Lex Fridman Podcast 上的訊息被視為行動號召。這是對基礎設施已就緒、模型已具備能力，且衡量「智慧」構成標準現在已根本性轉變為創造價值能力的認可。隨著我們向前邁進，最成功的公司將是那些擁抱這種務實觀點的公司，專注於部署能解決世界上最複雜且最有價值問題的代理型 AI，而不是等待一個難以捉摸、抽象版本的通用人工智慧。
行業的未來不再是預測 AGI 何時到來。而是承認強大的、能建立業務的 AI 時代已經到來，現在的挑戰在於我們能否有效且負責任地運用這種力量。
