黄仁勋：AGI 已实现，但不适用于 NVIDIA

黄仁勋：AGI 已经到来，但它无法与英伟达抗衡

黄仁勋在 Lex Fridman 播客（#494）中直言不讳：AGI 已经实现。“我认为就是现在。我认为我们已经实现了 AGI。”不过，他澄清说，当前系统无法管理像英伟达这样规模的企业。Lex Fridman 将 AGI 定义为 AI 能够自主启动并成长一家价值超过 10 亿美元的公司。黄仁勋表示同意，但强调了短期成功与可持续增长之间的区别。

例如，像 Claude 这样的模型可以创建一个爆火的网络服务，吸引用户，并迅速变现到 10 亿美元。但如果没有长期管理供应链、团队和策略，在不确定性中，这样的项目注定会衰落。

代理系统：进步的基础

黄仁勋强调了像 OpenClaw 这样的代理框架的发展。现代代理能够：

• 规划多步骤任务；
• 集成工具；
• 启动子代理；
• 执行复杂的行动链。

关键转变在于推理阶段。它产生了大部分计算负载：代理进行推理、交互，并生成数据用于后续训练。这形成了闭环：推理 → 新数据 → 模型改进。

黄仁勋认为，10 万个协调的 AI 代理运行像英伟达这样企业的可能性为 0%。技术障碍与组织障碍相结合：在不确定性下的战略规划和管理仍属于人类领域。

行业对 AGI 的重新定义

黄仁勋的声明标志着范式转变。将智能视为解决任务的工具已经主流，但作为可持续企业增长的能力——还远未实现。这与 Andrew Ng（Google Brain）的估计形成对比：经典 AGI 还需要几十年。没有对 AGI 定义的共识，这为对进步的新解读提供了空间。

黄仁勋强调：英伟达得益于 AI 热潮，主要来自推理工作负载。代理的大规模计算是 GPU 需求的主要驱动力。

关键点

• 按黄仁勋的定义，AGI 意味着当前系统能处理短期商业项目，但无法运营企业；
• 由于代理链，推理在计算成本上主导训练；
• OpenClaw 等框架展示了规划和分层代理；
• 协调数千个代理用于复杂系统，在当前水平下不可实现；
• 对 AGI 定义缺乏共识，激发了新解读。

对开发者的技术含义

对于中高级专家，这意味着专注于推理优化。代理系统需要：

• 高效工具使用（API 集成、外部服务）；
• 分层规划（子任务的子代理）；
• 来自推理的可扩展数据存储，用于 RAG 和微调；
• 监控推理链（推理轨迹）。

在实现时，测试鲁棒性：单个代理处理原型，但扩展到 100+ 需要人类在环中。在真实商业场景中测试——从网络服务到供应链模拟。

— Editorial Team