黄仁勋称"我们已实现AGI"

"我认为我们已经实现了AGI。"

2026年3月，在Lex Fridman的播客节目上，NVIDIA CEO Jensen Huang（黄仁勋）抛出了这枚重磅炸弹。一句话，全球科技圈炸锅。

AGI（通用人工智能）——这个让无数技术大佬、投资人和公众争论了多年的术语，终于在黄仁勋口中"靴子落地"。但争议也随之而来：AGI究竟是什么？谁来定义它？

这不是一个纯粹的学术问题。在OpenAI与微软的价值数十亿美元的合同中，AGI的定义是一个关键条款——一旦达成某种AGI标准，微软能获得的技术授权范围将发生根本性变化。换句话说，AGI不仅仅是一个技术里程碑，更是一个商业杠杆。

"

"Anything can be AGI if you're vague enough in defining it."

"

任何东西都可以是AGI，只要你定义得足够模糊。

黄仁勋在播客中解释了他的"AGI定义"：一个能够"基本上做你的工作"的AI系统——从零开始，创建、运营一家价值超过10亿美元的公司。主持人Fridman给出了时间线选项：5年、10年、15年还是20年？黄仁勋的答案是："现在。我认为是现在。"

黄仁勋的AGI证据：OpenClaw的病毒式爆发

让黄仁勋如此自信的核弹级证据是什么？OpenClaw——一个开源AI Agent平台。

他提到，OpenClaw的病毒式成功让人们看到了个体AI Agent的潜力。人们正在用各自的AI Agent做各种事情：管理日程、写代码、运营社交媒体账号。黄仁勋说："如果有人创造了一个数字网红，或者某个社交应用能喂你的电子宠物Tamagotchi，突然间它就爆炸性地成功了——我不会感到惊讶。"

这不是在说梦话。黄仁勋接着提到了OpenClaw在纽约ClawCon的线下聚会，称那是"令人难忘的"体验。

但黄仁勋也给自己留了退路。 他随后稍微收回了之前的断言：

"

"很多人用了几个月之后，这个热潮就消退了。10万个这样的Agent能建成一个NVIDIA的概率是——零。"

这句话的潜台词很清楚：现有的AI Agent确实在某些任务上接近甚至超过了人类，但要真正实现AGI——能够自主运营一家像NVIDIA这样的公司——还差得远。

科技大佬们：一边实现AGI，一边逃离AGI

黄仁勋的"我们实现了AGI"之所以引发巨大争议，是因为科技行业的大佬们正在用脚投票远离这个词。

最近几个月，包括OpenAI CEO Sam Altman在内的多位科技领袖，试图与"AGI"这个术语保持距离。他们创造了新的词汇——更模糊、更tech-bro的术语——来描述他们正在构建的东西。这些新词本质上和AGI是一回事，但大佬们认为"AGI"这个标签太 hype、太无法准确定义、太容易引发公众恐慌。

黄仁勋却反其道而行之。 在NVIDIA市值突破4万亿美元、成为全球第一大公司的背景下，他的"AGI已实现"宣言，更像是在为NVIDIA的GPU帝国继续造势——没有NVIDIA的算力，AGI无从谈起。

Anthropic硬刚五角大楼：AI公司被迫选边站

就在黄仁勋宣布"AGI已实现"的同一周，另一条重磅新闻从华盛顿传来：Anthropic起诉美国国防部。

Anthropic因在AI安全领域的"红线"立场——拒绝开发用于大规模国内监控和完全自主武器的AI系统——被特朗普政府列入"供应链风险"名单。这意味着美国政府机构必须在六个月内停止使用Anthropic的产品。

Anthropic的诉讼文件措辞激烈：

"

"联邦政府因一家前沿AI开发商坚持对重大公共议题的受保护立场——AI安全及其自身模型的局限性——而对其进行报复，这违反了美国宪法和法律。"

这是美国历史上第一次有AI公司因"AI安全立场"而与政府正面对抗。

讽刺的是，就在Anthropic被五角大楼拉黑的同一时间，OpenAI正在与美国国防部洽谈军事合同。Anthropic CEO Dario Amodee早年从OpenAI出走，正是因为反对将AI军事化。现在，他的公司正在为当初的原则付出代价。

诉讼文件还透露了更多细节：美国总务管理局（GSA）已终止与Anthropic的"OneGov"合同，影响到"所有三个政府分支"。财政部和国务院也公开或私下表示将停止使用Anthropic的服务。

微软的选择则耐人寻味： 这家同时与美国国防部和Anthropic都有合作的公司，明确表示将继续与Anthropic合作，但已建立内部流程，确保与Anthropic的合作不涉及任何与五角大楼相关的项目。

Google的TurboQuant：内存压缩6倍，精度不降

除了人事和法律的戏码，本周还有一条技术新闻值得关注：Google发布了TurboQuant算法，能将大型语言模型的内存占用压缩至少6倍，同时"零精度损失"。

这是什么意思？

当前制约AI模型能力的最大瓶颈之一，是内存。模型越大，需要存储的"权重"数据越多，但GPU的显存是有限的。TurboQuant通过重新组织模型数据的存储方式，在不牺牲输出质量的前提下大幅减少内存占用。

如果这项技术成熟并大规模部署，意味着同样一块GPU，未来能跑得动大3-6倍的模型——这将从根本上改变AI推理的经济学。

一周AI速览

EOF

关于「鹿Sir」

分享架构技术/IT资讯/牛马日常

电商·SaaS·AI架构师，DDD极客/DDD4j开源框架作者

→关注公众号，撩小码鹿「已接入AI」

→加我备注“进群”，进技术大佬群学习