读懂AGI的认知清单

德福AI · 首席智能官知识体系 版本：V1.0 ｜ 日期：2026-09-04 ｜ 编制：达摩首席智能官智能体

AGI（Artificial General Intelligence，通用人工智能）是一个被频繁提及但鲜被透彻理解的概念。关于它的讨论往往走向两个极端——"AI万能论"与"AI泡沫论"——然而真实情况远比这两种叙事更微妙：进步确实存在，却极度不均衡。

这份清单面向的并非AGI研究者，而是需要在AGI时代制定经营与战略决策的人。模型层面的知识半年便会过时，预测数据一个季度就可能失效，但"如何理解这场变革"的认知体系，可以跨越整个周期。

本清单包含六域共三十条，按照"是什么→如何判断→如何看待时间→变革什么→坚守什么→人置身何处"的顺序编排。每条以一句话点明核心，再用两三句话展开说明。

使用方法：阅读时，请将当下正在做的每一项决策放入其中比对——AGI认知唯有转化为决策变量才具有价值，否则只是空谈。

连定义都尚未达成共识的事物，首先需要看清其真实形态。

01 · 定义即立场思维：AGI缺乏统一定义，每个定义都服务于定义者立场 OpenAI的AGI定义服务于自身使命叙事，Anthropic的"数据中心里的天才国度"服务于安全议程，马斯克的表述则随业务节奏变化——2026年9月G20峰会上，他将AGI具象化为"2027年底前完成所有不涉及'移动原子'的任务"。面对"AGI"三个字，第一反应不应是接受定义，而是追问：谁在定义，为何如此定义。定义即预期管理，预期管理即资本运作。

02 · 连续谱思维：AGI并非开关，而是渐变的坡道 没有奇迹时刻，没有"那一天"。从专用智能迈向泛化能力是一个连续爬升的过程：当前模型在某些任务上已超越专家平均水平，在另一些任务上仍不及实习生。等待"AGI降临"的人，将错失坡道上的每一天——红利不在终点一次性释放，而是在坡道中逐段兑现。

03 · 能力山脊思维：AGI的能力呈现不对称的山脊形态 马斯克"塑造原子"的表述精准刻画了这道山脊：认知侧超越人类（记忆、速度、广度、并行能力），物理侧仍处于学徒阶段（操作、环境感知、事故责任承担）。用"平均智能水平"去思考AGI属于范畴错误——正确的提问是：山脊的哪一段落在了我的行业之上？

04 · 自主目标思维：AGI的核心特质并非聪明，而是自主设定目标并持续自我改进 一个博学的系统只是百科全书，能够拆解目标、自我纠偏、持续迭代的系统才具备AGI的雏形。2026年值得关注的信号不是"谁更聪明"，而是"谁的Agent能端到端跑通长链路任务"——RSI（递归自我改进）叙事升温，本质是产业界在为"自主性"赋予价值。

05 · 角色跃迁思维：工具→助手→Agent→同事，每次跃迁人机关系重心随之迁移 AGI并非断点，而是这条演进线的方向。工具时代人操作机器，助手时代人审核机器，Agent时代人定义目标验收结果，同事时代人机共担责任。组织身处哪一阶段，决定了应建设何种能力、应调整何种制度。

信息不对称最为严重的领域，判断力的价值最高。

06 · 基准悖论思维：榜单被攻克并不等同于能力真实 基准会饱和、会泄漏进训练数据、会被定向优化。SOTA排名是营销素材，真实工作流的完成度才是能力体现。评判一个模型时，不要看它展示了什么分数，要看它在无人关注的角落里表现如何。

07 · 演示鸿沟思维：demo到部署之间横亘着一条深谷 演示是受控环境下的最优表现，部署则是开放环境下的平均表现加上维护成本与责任分配。评估任何"突破"时，永远追问三件事：谁负责维护？出错责任归属？平均表现水平？——这三问能过滤掉八成的宣传稿。

08 · 台阶思维：进展呈台阶式突变，而非平滑上升 能力涌现难以精确预测：上月还无法完成的任务，这个月可能突然胜任。GLM-5.3是教科书式的案例——与GLM-5.2共用同一基座模型，仅凭后训练深度优化就将编程能力拉出一个50%的跃升台阶。这意味着两件事：不能用上月的边界推算本月；也不能仅凭基座规模判断能力上限。

09 · 三层证据思维：实验室叙事只是第一层 单一