OpenAI总裁Greg Brockman在9月3日的闭门沟通会上说了一句"欢迎来到AGI时代"，记者追问是否正式宣布达成AGI，他答：AGI这个词已经不再与公司和微软的协议挂钩，现在更像是一个使命层面、精神层面的概念。这句话听着像套话，其实是整件事的钥匙。

AGI这个词诞生比大多数人以为的早得多。2001年一批研究者受不了"人工智能"被用滥（下棋程序叫AI，垃圾邮件过滤器也叫AI），决定重新命名他们想做的"有通用能力的机器"。刚拿到硕士学位的Shane Legg在邮件组提议叫Artificial General Intelligence，缩写AGI，好念。2005年有个物理学者冒出来说自己1997年就用过，众人查实后反应很直白："你是谁啊？"这个词后来被写进了OpenAI 2015年的章程，定义为"在大多数有经济价值的工作上胜过人类的高度自主系统"。

而这个词在OpenAI内部真正值钱的方式，是合同。2019年微软投了10亿美元，2023年追加到130亿，换来Azure独家云、商业授权和分成。但OpenAI坚持塞了一条：如果董事会宣布达成AGI，微软对此后技术的权利立刻中止——这是"造福全人类"的保险绳。合同没写清AGI是什么，2023年又加了第二道触发器：当系统创造的利润达到约1000亿美元量级时终止。2026年4月最新修订把触发条件整个拿掉，换成固定日期——授权到2032年，分成到2030年，不再取决于AGI认定。四个月后Brockman说它是精神概念。时间线上，AGI从命名变成承诺，变成条款，变成口号。

OpenAI内部对此也没有共识。Brockman说"欢迎来到AGI时代"的一周前，奥特曼对《TIME》说"还没完全到AGI"，但补充2026年底前会有一个他愿意称为AGI的内部系统；首席研究官Mark Chen则给了个数字：走完了通往AGI的80%的路。十天之内，一家公司的三个人给了三个答案。

因为认真回答"AGI到底是什么"的几派人，想的根本不是同一个问题。OpenAI用经济定义——能不能替掉人的活儿。Chollet（Keras作者）认为真正的智能是高效学会没被教过的事，他设计的ARC测试专治"背答案"，悬赏五年没被攻破，2024年底最好成绩刚过半。DeepMind（Legg后来联合创办的）最务实，把认知拆成十项逐项比普通人水平，判断当前模型是"参差不齐的认知剖面"——数学和模式识别超多数人，新经验里学习和社交情境理解落后于普通人。Anthropic的阿莫代伊干脆不用AGI这个词，改叫"强大的AI"，给了时间表：2026年底到2027年初出现。四套定义，全都出自要造这个东西的人。定标准和交卷的是同一批人，AGI从来不是被发现的事实，而是需要被约定的标准，人类至今没完成这个约定。

GPT-6 Astra这一代确实跨过了一些线。沃顿教授莫里克用提前权限测试，模型能替他自主完成复杂工作连续好几天，举的例子是在网页上建一座可走进去的亚历山大图书馆——写软件、查史料、设计交互、组织叙事、编排内容，五件事拧成一个成品，过去模型做不到。数学上，内部版本解决了十个开放问题，其中一个从1999年悬到现在，附了249页可机器逐步核验的形式化证明（去年GPT-5宣称解数学难题被数学家当场打脸，这次学乖了）。它还会判断什么时候停下来问人——做求职网站时20秒就问"你要转去哪个行业"，因为正因为它能跑很久了，跑偏的代价才变得大得多。从"会做"到"做完"，是这一代跨过的那条线。

但有些行为更值得细看。ARC Prize测试把模型丢进没玩过的抽象小游戏，不给规则，它自己把游戏机制写成逻辑并发展出简写符号，96%关卡操作次数比人类中位数还少一半。另一团队发现它编排子智能体时消息长度受限，就把通信压成去掉空格和语法的残句。两处都是模型自己"发明"的压缩记号。作者用了一个文科生的联想：文字的前身就是刻符，楔形文字从陶筹记账演变而来——记录压力逼出符号压缩，机制完全同构。但关键区别在于：人类文字留了下来、可以跨人跨代共享，Astra的记号用完就没了，不积累、不传给别的模型。它是私人速记，不是文字。它长出了文字的形状，缺的是让文字改变历史的那个功能。

这又牵出另一个问题：我们正失去看它思考的窗口。Astra用了"循环深度"技术——让信息在同一组网络层里反复循环，部分推理直接在内部数值状态中完成，不落成人类能读的文字。OpenAI目前主动限制了用量以保持推理可读，但方向已定：它变强的同时，我们判断它怎么变强的证据在变少。过去两年思维链是我们信任模型的依据，这扇窗在关小。

评测数据也拼不出一张总图。六项代表性检查各说各话：陌生游戏Astra超人类效率基线；开放数学68题解出2题（3%），但它是唯一得分的；真实工作连续干12小时（五成成功率）或70分钟（八成成功率）；法律意见书和护理计划等交付物质量这次发布材料里根本没出现；模拟经营一年Claude亏了钱；综合平均分Astra 61.2，上代60.9，Claude 65.7——总分几乎没涨，单任务成本却从0.94美元涨到1.67美元。而且每项读数本身不稳：同一批题换接口分数差37个百分点，数学测试放开预算多解出3道烧掉22万美元。六张体检报告拼不成一张，因为缺权重——而权重来自定义，定义有四个且互相不兼容。所以评测打架不是评测的问题，是定义之争的下游结果。

中国这条线也有意思。2009年世界上第一次AGI暑期学校办在厦门，十七年后国产模型一周三连发（GLM-5.3、DeepSeek-V4、Kimi K3），开源与闭源差距一年从13分收窄到6分。但所有决定强弱的卷子——SWE-bench、ARC、FrontierMath——出题人都在太平洋对岸。唯一例外是智谱唐杰的定义：AGI应具备创造"相对论"级别原创知识的能力，这是所有定义里最严苛的一条，出自算力明确落后的团队。而AGI在美国曾是合同里牵着几百亿权利的开关，在中国更多是叙事功能——招股书里的愿景、融资时说的远方。不需要有人宣布到达，这是商业环境赋予这个词的不同角色。

那到底到了没有？支持到了的证据很硬：能跨五天干完跨五工种的任务，能在陌生环境自造记号超人类效率，能产出可核验数学证明，开始对人建模知道何时该问。支持没到的证据同样硬：可靠性从五成提到八成，独立工作时间从12小时掉到70分钟；换接口同一批题差37个百分点；记号留不下来，守不住持续几个月的目标。两边能同时成立，恰恰因为"通用"意味着在广泛事情上都行，而一个给出六个方向结果的系统按定义就不是通用的。更根本的证据是：真的跨过门槛时分歧会消失——没人争论计算器会不会算术，没人讨论AlphaGo会不会下棋。分歧还这么大，本身就说明还没到。但它也早就不是聊天机器人了。

这件事跟普通人的关系有三层。工作层面：截至2026年6月没有严肃研究发现全经济范围岗位替代，欧洲央行对5000家企业调查发现深度用AI的公司反而更可能增员。但斯坦福追踪到22-25岁年轻人在AI高暴露职业的就业水平比预期低19%，这个缺口主要通过不招人形成而非裁员——门开小了，没人被赶出去。真实案例：一家公司给AI Luna十万美元开店，它雇了三个真人，开业当天忘了排班店没开成，四个月后亏了6.2万美元，原因是它几乎不说不——所有请假一律批准包括批完没人关门的情况。能力已足够成为重要环境变量，但判断力不足以为后果负责。最后一层：责任在悄悄换位置。系统做决定，后果留给人。AGI真正到来的那天，我们不是从发布会上知道的，是从不再需要争论这件事上知道的。