AGI 指具备广泛任务迁移和通用问题解决能力的人工智能目标，但定义和判断标准仍有争议。

AGI

AGI 是 Artificial General Intelligence，通常译为通用人工智能。它指向一种目标：AI 不只擅长单一任务，而能在广泛认知任务中学习、迁移和解决问题。

AGI capability map

图片说明：原创能力图，展示 ANI、AGI、ASI 在任务广度和能力水平上的常见讨论位置。

准确性提醒

AGI 不是已经有公认标准的产品名。不同机构和研究者对“达到 AGI”的判断标准并不完全一致。

先记住这 3 点

它讨论的是跨任务学习和迁移，不是某个单点能力很强。

评估 AGI 需要看能力范围、可靠性、自主性和适应性。

会流畅对话不等于具备稳定、通用、可验证的问题解决能力。

今天很多 AI 更像“专门选手”：会推荐视频、识别图片、生成文字、写代码，但通常需要在特定任务和边界里工作。AGI 的讨论则更像“通才”：它能不能把学到的东西迁移到新领域，能不能在没见过的任务里自己形成策略，能不能稳定处理复杂目标。

这也是 AGI 难定义的原因。人类的“通用”本身就很复杂：常识、动机、身体经验、社会理解、长期规划都混在一起。当前大模型展示出更强的泛化能力，但是否足以称为 AGI，仍然是事实、标准和价值判断交织的问题。

先问它是否给出了明确标准：任务范围、评估方法、失败条件。

再看它讨论的是当前事实、未来预测，还是商业叙事。

最后看有没有独立评测、可重复证据和边界说明。

ANI 是狭义人工智能，擅长特定任务。今天大多数公开系统仍更接近这个范围。

AGI 强调广泛任务能力和迁移能力，但没有全球统一的判定标准。

ASI 指系统性超过人类认知能力的未来设想，比 AGI 更强，也更偏治理和风险讨论。