别等“全能机器人”了，专家，现在的AI就是新AGI

2026年初的AI圈，被一句话搅得底朝天。

Anthropic联合创始人丹妮拉·阿莫迪在一场闭门会上突然说，“AGI可能已经实现了。”

这话一出，在场的工程师们手里的咖啡差点没端稳，要知道，以前大家聊AGI，都是说“未来十年可能出现”的事儿。

以前提到AGI，我脑子里都是电影里那种能思考、有情感的机器人。

但丹妮拉这话的意思，好像跟咱们想的不太一样。

她觉得，不用等AI变成“全能选手”，只要在某些关键领域超过多数人类，就算摸到AGI的边了。

最早研究AGI的时候，科学家们想得挺美，觉得得造一个“啥都会”的机器，能写代码、能解物理题、能跟人唠嗑，甚至能自己生孩子（当然是机器人的那种）。

那会儿的标准叫“通用人工智能”，重点在“通用”两个字，得跟人类一样全面。

丹妮拉偏不这么看，她在采访里说，“为啥非得让AI跟人比‘全面’？人类自己都不是全能的。”

她觉得现在的AI，比如自家的Claude，在编程、科学推理这些领域已经超过不少专家了，这就该算AGI的“局部突破”。

这话不是空穴来风，Anthropic内部测试，让Claude跟20个资深工程师比写代码，结果Claude不光完成速度快一倍，bug率还低了不少。

有个参与测试的工程师私下跟我说，“以前改代码靠经验，现在得靠Claude‘教’我哪里错了，感觉自己像个刚入门的学徒。”

不光是编程，科学推理也一样。

前段时间有个医学团队用Claude分析复杂病例，它居然从一堆数据里揪出了一个被人类专家忽略的病因。

团队负责人后来苦笑，“以前觉得AI就是个工具，现在得把它当‘同事’请教了。”

丹妮拉这话一出口，行业里立马分成两派。

她哥哥达里奥·阿莫迪（也是Anthropic的老板）倒是挺支持，说“2026-2027年强AI系统肯定会出来”，还举了GPT-5.2的例子，去年底发布的这个模型，在知识类任务里跟人类专家较量，赢面加平局能到七成左右。

但反对的声音也不小，MIT的AI伦理专家梅根·穆雷就直接怼，“这是偷换概念，”她觉得现在的AI就像“偏科的学霸”，数学能考满分，让它判断“妈妈为什么生气”这种常识题，可能就抓瞎。

“连基本常识都搞不定，也好意思叫AGI？”还有些工程师更实在，觉得这就是“营销话术”。

一个在谷歌DeepMind工作的朋友跟我吐槽，“他们家Claude写代码是厉害，但让它设计个电路板试试？还得靠人一步步教。

现在吹AGI，无非是想让投资人多投点钱。”

吵归吵，有个现象倒是真的，AI进步的速度比咱们想象的快。

就说ClaudeCode吧，去年还得靠工程师改代码，今年已经能自己迭代优化了，八到九成的代码是它自己写的，人只需要告诉它“要做什么”。

这种“自我进化”的能力，确实让不少人心里打鼓。

普通人可能觉得这些离自己很远，但其实变化已经在身边发生了。

我邻居是个做财务的，以前月底对账得加班两天，现在用AI工具半小时搞定。

她说，“以前觉得自己经验足不怕被替代，现在得学怎么‘指挥’AI干活，不然真怕被淘汰。”

有个教授跟我开玩笑，“以前考试防作弊，现在得防AI帮学生作弊，不过话说回来，以后工作不就是要会用AI吗？堵不如疏。”

有个参与监管制定的专家私下说，“我们开会时还在讨论‘AI要不要交税’，结果技术已经跑到前面去了，这种感觉就像用老地图找新路，总怕走错方向。”

丹妮拉的观点虽然激进，但确实戳中了一个点，AGI的定义早就该更新了。

以前我们总想着“AI什么时候能像人一样”，现在可能该想“AI能帮人做到什么以前做不到的事”。

不管AGI算不算“已降临”，有个道理是肯定的，以后的世界，不是“人vsAI”，而是“会用AI的人vs不会用AI的人”。

与其纠结定义，不如赶紧学怎么跟这个“新同事”好好相处，毕竟它可不会等我们准备好。