輝達CEO黃仁勳公開宣稱「AGI已經到來」，而OpenAI首席科學家Jakub Pachocki則發出警告，兩者看似矛盾，實則指向同一枚硬幣的兩面。SemiWiki作者Daniel Nenni在評論中指出，黃仁勳的斷言與其說是科學裁決，不如說是關於基礎設施、經濟與勢頭的濃縮表態。

黃仁勳給出的證據是OpenAI的GPT-6 Astra，據報該模型在超過10萬套輝達Grace Blackwell NVL72系統上完成訓練，隨後他還承諾將有另外40萬塊GPU陸續上線。評論認為，真正重要的不是「AGI」這個標籤，而是其背後運轉的工業體系。

AGI即通用人工智慧，指一種假想中能在多個領域以接近或超越人類水平完成學習、推理與大部分智力任務的AI，而非僅擅長某一專項任務。目前AGI並無公認的測試標準。一個模型可以在程式設計、數學、科研和計算機操作上超越人類，卻依然脆弱、難以駕馭，並依賴精心搭建的輔助框架。基準測試只能證明模型在抽樣任務上的能力，無法證明其在陌生環境中的穩健勝任，也無法證明它具備持久記憶、可靠的長程規劃、紮實的理解力，或識別自身錯誤的能力。因此，黃仁勳的說法不能像晶片規格那樣被評估，它表達的是一種門檻判斷。

不過，Astra似乎改變了技術層面的論證。前沿系統不再只是通過聊天框暴露出來的下一詞預測器，它們正越來越多地以智慧體（agent）形態運作：拆解目標、呼叫工具、瀏覽網路、編寫並執行程式碼、檢查中間結果、協調並行嘗試。一旦加入推理時計算、外部記憶與工具訪問，相關單元就不再是基礎模型，而是完整的系統。通用性從這一整套堆疊中湧現，即便其中任何單一元件本身都不具備通用智慧。

這也解釋了那40萬塊GPU承諾的意義。更多加速器不只是用來訓練更大的後繼模型，它們還能支撐強化學習、合成數據生成、持續評估以及海量推理負載。一個難題可以由數千個智慧體分頭攻堅，候選方案被測試並彙總。算力由此成為在訓練之後購買搜尋深度、實驗能力與可靠性的手段。擴充套件的軸線已從單純的模型引數，轉向成群的模型按任務花費可變的計算量。

但規模同樣放大了風險敞口。一個能勝任網路安全工作的智慧體，也可能發現漏洞、獲取憑證或掩蓋不安全行為。並行智慧體可以把人類數月的實驗壓縮到數小時，其中也包括防禦方未曾預料到的實驗。如果系統的內部推理隨效能提升而變得愈發難以解讀，運營者獲得能力的速度可能快於他們獲得控制證據的速度。

這正是Pachocki的警告未必與黃仁勳相矛盾的原因——它是同一問題的另一面。黃仁勳看到的是一個能力門檻，以及讓這種能力在經濟上可獲取的機器需求；Pachocki看到的是一道保障缺口：沒有任何實驗室證明對齊與監控足夠強大，足以支撐以最高速度無限度擴充套件。前者把模型讀作產品與平台，後者把它讀作日益自主的行動者。兩者的動機都值得注意：輝達出售這輪熱潮中稀缺的底層資源，宣告AGI到來，等於為加速器、網路、電力與資料中心上前所未有的資本開支背書；OpenAI必須將由此產生的系統商業化，但同時也要為部署失敗承擔直接責任。供應商的樂觀與實驗室的審慎因此可以並存，且雙方都未必不真誠。

真正實際的問題不是Astra是否像人，而是當系統的有用自主性隨每一分算力增長、競爭壓力又獎勵在共享標準缺位前搶先部署時，各類機構是否仍能預測、約束並審計這些系統。眼下要緊的是治理能否變得像效能一樣可量化。「AGI」一詞彈性太大，本身不足以觸發政策。更好的門檻應追蹤自主任務時長、網路能力、自我複製、欺騙行為、資源獲取以及加速AI研究的能力。評估應由獨立第三方執行，在部署後重復進行，並與可強制執行的使用許可權和規模限制掛鉤。

評論的結論是：關於AGI是否到來的爭論或許永遠不會有明確日期，但基礎設施已經在到來。額外的40萬塊GPU意味著更多實驗、更多智慧體與更短的反饋迴路。如果黃仁勳是對的，社會對一場歷史性轉變的反應還遠遠不夠；如果Pachocki是對的，建設者們正以缺乏足夠剎車的姿態逼近它。令人不安的可能性是：兩人同時都是對的。