AGI 跟 ASI 差在哪:定義、時程,還有為什麼這事重要

你只要在 AI 圈晃過,就會看到同一齣戲一直重播:有人貼一個跑分結果,另一個人截圖寫「AGI 已經來了」,第三個人 quote tweet 罵「這離 ASI 還差遠了」。看起來像在認真辯論。其實大部分時間是大家用同樣的字母指不一樣的東西。

來把它拆乾淨。

AGI:通用人工智慧(Artificial General Intelligence)

最早的概念可以追到 1950 年代:一台機器能做任何人類能做的智力工作。不是窄領域,不是特定任務,是「通用」。

「通用」這兩個字承擔了很多。現在實際在使用的定義至少有四種:

實務上,有人說「AGI 已經來了」通常是套上其中一個定義但沒講清楚是哪個。所以才會吵不完。

ASI 是 AGI 之後的東西。一個系統在幾乎所有認知任務上都「明顯比最強的人類更好」。不是「跟聰明人一樣聰明」,是大幅超越。

「超級智慧」這個詞是 Nick Bostrom 在 2014 年帶火的。他的分類拆三種:

大部分 ASI 討論在乎的是「品質版」。擔憂跟期待一樣:一個能比現存最強人類更快更好做科學、工程、戰略的系統。

誠實的答案是:在 AGI 各種定義的中間地帶,視你採用哪一種而定。

認知測驗。 2026 前沿模型(Claude 4.7 Opus、GPT-5、Gemini 3 Ultra)在大多數文字任務上達到或超越中位受過教育的成年人:法律推理、程式、研究所層級數學、翻譯、摘要。長期規劃、新領域研究、需要真實世界物理脈絡的任務還在掙扎。
經濟。 模型確實在某些工作的某些部分自動化了:寫程式、客服、文案、翻譯、圖片生成。但它們還沒到能在沒有人類監督下端到端取代整個職位。
自主。 寫程式 agent(Claude Code、Cursor agent mode)在隔離任務上可以跑數十分鐘,但跑好幾天追求開放式目標還會跑歪。這是現在最大的鴻溝。
DeepMind 等級。 純文字任務上大概是「competent」;在大多數領域離「expert」或「virtuoso」還遠。

採認知定義的人會跟你說 AGI 基本上到了。採自主定義的人會說還早得很。在各自定義下都是對的。

AGI 的辯論是經驗性的:現在的模型符不符合定義 X?可以跑跑分。

ASI 的辯論主要是外推:

能力跟運算量、資料量擴展的速度有多快? 目前 scaling laws 看起來是穩定上升;有研究員覺得到 ASI 之前會撞牆;有人覺得 reasoning RL 改變了斜率。
遞迴自我改進會不會發生? 一個強到能做 AI 研究的模型,理論上能幫忙更快蓋出下一代。這就是「智能爆炸」場景。目前沒有實證證據顯示會有硬起飛。
「在所有事情上比人類聰明」到底長什麼樣? 可能就是一個更冷靜、更快的 Claude;也可能是我們完全預料不到的東西。誠實答案:不知道。

這就是為什麼 ASI 在 Twitter 上吵不出結果。它不是事實分歧,是預測分歧。

實務上有三個理由:

產品定位。 如果你的 AI 產品話術靠「AGI 就要來了」,你是在賭某個定義。講具體一點。「AGI 等級的寫程式助理」有意義,「AGI 來了」沒有。
招募跟時程。 OpenAI 跟微軟的合約裡有 AGI 條款,Anthropic 的公司結構也有,勞動力預測也是。2030 年有多少工作會消失,完全取決於採哪個定義。
安全優先順序。 「2027 年的 AGI 是一個聰明寫手」跟「2027 年的 AGI 是自主研究員」要擔心的事完全不一樣。

日常做產品:這兩個詞都先放一邊。問的問題改成「我面前這個模型,今天實際能做什麼?」拿你的真實任務去跑,量它的失敗模式,挑能跑得動的最便宜那個。

戰略跟政策對話:把你的定義講明白。「我說的 AGI 是 OpenAI-Microsoft 合約意義,也就是能產生 1000 億美元利潤的系統」是可辯護的主張;「AGI 要來了」是修辭。

產品文案盡量別用 AGI / ASI。讀者要嘛(a)當你字面意思看,告你過度宣稱;要嘛(b)當行銷話術直接無視。具體的能力宣稱(「能解 AIME 2025 84% 的題目」)比較會被聽進去。