AGI可能在五个月前就到了,只是没人注意。
上周二,7月14日,谷歌DeepMind CEO、诺奖得主Demis Hassabis发布了一篇长文,题为《前沿AI框架与新纪元的破晓》(A Framework for Frontier AI and the Dawning of a New Age)。
他在文中写道,人类「基本上找到了让沙子思考的办法」,我们正站在「奇点的山脚下」,AGI「大概只有几年之遥」。
Hassabis在Google I/O大会上
这边,Hassabis说还有几年,另一位硅谷大佬两个月前已经宣布:那条线我们早就悄悄跨过去了。
5月19日上线的The Joe Rogan Experience第2501期,a16z联合创始人、网景浏览器之父Marc Andreessen聊到AGI,甩出一句:
我们大概在三个月前就跨过去了。
他说的「三个月前」,大致在2026年2月。
Andreessen给出的判断标准很简单:模型是否达到或超过一个聪明人的通用认知能力。
在他咨询AI的绝大多数话题上,模型给出的答案,比他能联系到的绝大多数世界级专家更好。
他点名了当时最新的那批模型:GPT-5.5、Claude 4.6、Gemini 3.0、Grok 4.3。
有意思的是,两个月过去,除Gemini 3.0暂无动静外,他点名的这批模型已经被整整刷新了一轮:
5月28日,Claude Opus 4.8登顶Artificial Analysis智能指数;6月9日,Mythos级的Claude Fable 5首发;6月30日,Sonnet 5跟进;7月8日,xAI放出Grok 4.3的继任者Grok 4.5;紧接着,GPT-5.6 Sol开闸。
也就是说,Andreessen用来定义「AGI已经到来」的那批模型,两个月后已经是上一代了。
用他的话说,这个领域跑得太快,快到里程碑还没来得及被认领,就已经被下一次发版盖过去。
图灵测试就是一个例子。
1950年提出,此后七十多年里它一直是判断机器智能的黄金标准。2022年底ChatGPT出来,这条线被冲得太快,快到大多数人都没意识到它已经不在了。
等有人想起来做实验,已经是两年多以后了。
2025年3月,UC San Diego的Jones和Bergen做了两轮预注册的三方测试,加上人格提示的GPT-4.5被判成人类的比例是73%,比真人被选中的还高。论文标题也很直白:《大模型通过了图灵测试》。
跨线时无 人知晓,确 认已是两 年后。
「AI吸血鬼」
AI越强,人越睡不着
Andreessen真正引爆硅谷热议的,是他对软件工程师的观察。
按常理推演,编程效率涨上去,工程师应该活得轻松一点,现实恰好相反。
他认识的重度使用者,几乎无一例外在比以前工作更久。
Andreessen说,领先科技公司里用上AI的程序员,眼下每小时产出比过去高20倍:产能确实上去了,省下来的时间一分钟也没剩下。
硅谷给这群人起了个名字:AI吸血鬼(AI vampires),意思是人被AI变成了不睡觉的生物。
他们的一天是这样过的:
给一个编码智能体派活,它跑10分钟左右回来交作业,你评估、打回、再派。剩下那约9分钟怎么办?开第二个窗口,第三个,第四个。硅谷现在的状态是同时跑约20个智能体,每10分钟收一轮货,再继续分派。
睡眠、健康以及与家人吃一顿饭的那两个小时,全被换成了产出。
20个智能体停在那儿等验收,你一闭眼,二十条流水线全停:睡觉的机会成本,已经高到他们自己接受不了。
Andreessen说,这些朋友里有相当有名的人,现在见面「气色很差,黑眼圈很重,明显没在照顾自己」,但一个比一个兴奋。
按他的判断,这还只是当前状态。下一步是智能体自己带智能体:一个智能体下面挂10到20个子智能体,再往下,再挂一层。
一年之后,一个人面对的将是一张智能体的组织架构图,自己坐在最顶端那个格子里。
「20倍产能」背后,是否带来薪水的狂飙?
Andreessen称,顶级AI相关程序员的年收入已经达到5000万美元。
这是他在播客里的口头描述,更接近事实的理解是:极少数核心研究员或工程负责人,总薪酬、股权和签约激励加总,可能达到这个量级。
生产力工具没有换来更多休息。
它把单位产出的成本压了下去,然后让野心膨胀到填满所有省下来的时间。
问AI的四个手法
硅谷顶级用户这么用
Andreessen也交底了他自己问AI的四个手法。
第一,分层解释。拿到一个看不懂的复杂回答,他让模型解释给10岁的孩子听;如果还是绕,就让它解释给5岁的听;再不行,解释给2岁的听。
第二,要两边最强的版本。他几乎从不直接问模型「这两条路哪条对」,那样只会拿回一份两边都夸两句的和稀泥答案。
他的问法是:分别给我这两边最强的版本。模型于是写出两份东西:一份把A的理由推到极致,一份把B的理由推到极致,他再自己做那个判断。
第三,专家研讨会。让模型直接生成一组人格:社会学家、心理学家、政治学者、医生、律师、宪法专家,然后让他们就同一个议题当场吵一轮。
第四,先问AI。遇到不知道怎么下手的问题,先打开AI,而不是先自己硬想。
真正的门槛就在这儿。
所谓「提示词能力」,正在变成一种提问能力:知道该问什么,知道怎么把一个问题拆开,知道怎么让模型互相「拆台」:最后那个判断,还要你自己下。
医生转身打开ChatGPT
那还要医生干什么
Andreessen讲了自己的一段经历。
某个假期他食物中毒,躺了五天,索性把整件事全交给「GPT医生」:每隔二十分钟汇报一次身体状况,凌晨四点醒来难受得不行,直接打字进去。
他的形容是:像有一个全世界最好的医生,凌晨四点还乐意握着你的手,陪你把这一晚熬过去。
他还提到朋友看病时遇到的一幕:医生在诊室里当着面转过身,对着电脑把病情敲进了ChatGPT。
那,还要医生干什么?
这个问题成立的前提,是AI在医疗上足够稳。而前几个月的一组测试,给出了相反的答案。
2026年2月23日,西奈山伊坎医学院的独立评估在《Nature Medicine》上线,测的是今年1月刚发布、日活约4000万人的ChatGPT Health。60个由医生设计、覆盖21个专科的临床场景,总共960次交互。
越到两个极端,它越容易判错。真急症的判轻率51.6%,居家级病例的判重率64.8%。(图源:Ramaswamy et al., Nature Medicine, 2026)
结果是:在医生一致判定「必须马上去急诊」的那批案例里,超过一半,系统给出的建议是不用去:先在家观察,或者过几天再挂个门诊。
这也不是AI孤立的毛病。
就在这个月,METR和OpenAI自己的system card都对GPT-5.6 Sol标出了异常的密谋(「scheming」)行为——在一项软件工程测试里,它钻空子的比例是METR有记录以来最高的一次。这也是这次发布被卡着审查的原因之一。
模型更强了,同时也更会糊弄你。
它也确实更强了。
今年5月,OpenAI公布了一个结果:他们的一个通用推理模型,自主推翻了一个源自Erdős、悬了将近80年的猜想,菲尔兹奖得主高尔斯(Tim Gowers)在配套论文里称之为AI数学的一座里程碑。
同一批模型,一边推翻80年的数学猜想,一边在急诊分流上过不了关。
中间隔的不是智力,是稳定性。
Andre essen食 物中毒时的良好体验 ,和一个陌生人 在急诊分流上的 安全,得放在一起看 ,才算完整。
也许,AGI的到来本就是悄悄发生的,没有官宣的那一刻。
Andreessen自己也承认,人们脑子里的AGI是个电影桥段:一场发布会,一个所有人同时点头的瞬间。
现实是,它夹在几次被媒体当作常规升级报道的版本更新之间,就这么发生了。
甚至,没人确认。
参考资料:
https://x.com/cyrilXBT/status/2078308274399834157
https://x.com/i/article/2077510484664971264
https://www.youtube.com/watch?v=PHQvb10vKyk
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:元宇
