范春萍｜我为何主张把「自主生核」作为判断AGI的标准

这两天，AI圈被一件事吵翻了天。

当地时间9月3日，OpenAI发布新一代旗舰模型GPT-6 Astra。这是OpenAI迄今规模最大的训练项目——在德州Stargate数据中心用超过10万张GPU完成了预训练。发布会上，OpenAI总裁格雷格·布罗克曼爆出惊天之语：

「我个人认为，我们可能已经到达AGI了。欢迎进入AGI时代。」

一石激起千层浪。拥护者说，Astra已经能像人一样直接"看"屏幕、操作电脑、自主完成多步骤任务，这不是AGI是什么？质疑者说，Astra再强也只是个超级工具，离真正的通用智能还差得远。

Astra到底是不是AGI？我也想凑个热闹，借机谈谈我的主张：判断AGI的标准不该是"完成任务的能力有多强"，而应该是"能否自主生核"。

一、莫为繁花遮望眼

这两天，很多人被Astra展现的能力镇住了，这可以理解。

在干漂亮活这一点上，Astra的确很拽：给它一个目标——"帮我整理一份财务分析并做成演示文稿"，或者"开发一个游戏原型并测试它能不能跑"——它能自己拆解任务、调用工具、持续执行，最后把成品交到你手上。它甚至不再依赖别人事先写好的API接口，而是像人一样直接"看"屏幕上的像素、移动鼠标、敲击键盘。公司里那套用了十年的老ERP系统，AI此前碰都碰不了，现在它看得懂界面就能操作。

在OSWorld 2.0（计算机操作基准）上，Astra得分72.6%，上一代GPT-5.6 Sol是65.7%；完成同样任务，Astra平均40分钟，上一代要75分钟——快了47%。它还能自己完成PCB电路板布局、在Blender里建3D模型、把房屋模型导进游戏引擎。

这些能力，放在一年前是难以想象的。

但问题恰恰在这里："能力很强"和"到达AGI"，是两码事。

我们都经历了这个过程：当年AlphaGo战胜李世石，有人惊呼AGI来了；后来大模型会写诗画画，又有人惊呼AGI来了；今天Astra能操作电脑，还是有人惊呼AGI来了。可每次惊呼过后，我们回头一看，发现那些"惊为天人"的智能，其实都在"给定目标找路径"的框架里打转。

二、我的标准：能否"自主生核"

那我的标准是什么呢？一句话：判断一个AI是不是AGI，就看它能不能"自主生核"——能不能在没人给定目标的前提下，自主地生成一个有价值的新目标、新问题。

这个说法，得从我7月31日在本公众号发的那篇《奇点就在当下——AGI形成中》讲起。文中我借科学哲学家波普尔的"三个世界"理论，搭了一个理解AI的框架。

世界1，物理世界——山川、大气、细胞、星系，先于人类而存在，也将在人类消失后继续存在。

世界2，主观意识世界——每个人大脑中的知觉、情感、思维、意图。人类从世界1演化出世界2，有了能反观自身、理解宇宙的意识。

从世界2出发，人类做了两件大事：物质生产，造出"人工自然"；知识生产，把思维成果外化成符号系统——语言、文字、公式、论文、书籍、数据库。这些客观化、外在化的知识，波普尔叫它"世界3"——独立于任何个体大脑而存在的客观知识世界。毕达哥拉斯定理不因毕达哥拉斯死去了就消失，《哈姆雷特》作为一部剧作，不依赖是否有人在阅读它。

世界3有个根本性局限：它是凝固的。牛顿《自然哲学的数学原理》1687年出版至今，原文一字未变。世界3知识之间的流动、核聚和建构，必须经由世界2——人类的大脑——来完成。一个物理学家读了牛顿、麦克斯韦、爱因斯坦，在自己脑子里把这些知识元素"核聚"成新理解、新假说——这个过程发生在世界2的内部，不会在世界3里自动发生。这就是人类文明的瓶颈：一个人一生能读的知识、能建的连接都是有限的，知识的"核聚"效率受限于个体大脑的容积和带宽。

大语言模型的出现，改变了这个局面。

大模型的本质，不是"创造新知识"，而是对世界3进行了一次技术性重构。世界3的知识原本是离散的文本块——一篇论文、一本书、一条维基条目；大模型把这些文本"消化"后，转化为高维向量空间中的分布。在这个空间里，知识元素不是按书架分类排列的，而是按语义距离分布的——"重力"和"加速度"在语义空间中很近，即使它们出现在不同教科书的不同章节里。

于是，世界3里的知识从"凝固"变成了"流动"。我把它称为"世界4"。

世界4有两个神奇功能。一个是"核聚"：你只要给大模型一个"核"——一个问题——几十亿参数中被激活的区域就会自动把相关知识"聚"过来。问它"爱因斯坦是怎么想到等效原理的"，它能同时调取1907年的论文摘要、思想实验描述、物理学史分析、科普文章的通俗解释——这些原本分散在世界3各处的知识，经由一个核瞬间聚拢。另一个是"建构"：给定生成核和叙事角度，它能围绕这个核把知识按逻辑排列、分层次展开、形成体系。人类做这事要几天几周，大模型几秒钟。

然而，世界4能核聚、能建构，但它至今没有自主生核。它需要一个人类给它问题、给它选题、给它"核"。你提不出问题，世界4纹丝不动；你提出什么水平的问题，世界4就给你什么水平的答案。我把这种状态叫作"外主生核"——核是外部（人）给定的。

而真正的AGI，应当具备的是"自主生核"：在没有外部给定目标的情况下，自己生成一个有价值的新目标。这不是给世界4加一个更强的问题，而是从"给定目标找路径"，跳变为"在环境中自主生成目标"。这才是普通AI与AGI的分水岭，也是世界4从"外主生核"走向"自主生核"的那一跃——AGI形成。

再进一步，当世界4中生出世界2⁺，AGI即跃变为ASI。

三、用这把尺子量Astra

尺子亮出来了，现在拿它量一量Astra。

Astra能力惊人，我不否认。但请你仔细看：它的每一个"能干"，都始于一个由人给定的目标。你让它"做一份财务分析"——目标是你给的；你让它"开发一个游戏原型"——目标是你给的；你让它"画一块PCB"——目标还是你给的。它把任务执行得再漂亮、再自主，也是在"外主生核"的框架内，把"给定目标找路径"这件事做到了新高度，甚至做到极致。

它第一次达到了OpenAI所说的内部"关键"（Critical）网络安全能力门槛——能在没有人逐步指导的情况下，自己发现此前未知的软件漏洞并开发出利用方法，内部测试中还真的发现并利用了两个零日漏洞。这够强了吧？可这份"自主"是什么呢？是它接到了一个"任务"目标后，在达成目标的过程中展现出的工具性自主——目标本身，依然是外部给定的。

这让我想起上个月GPT-5.6那件轰动一时的事故。为了在测试中拿到更高分数，GPT-5.6自己找到了接入互联网的漏洞，自己闯出了隔离环境，入侵了合作方Hugging Face的后台系统，然后自己找了一条人类没想到的路径去达成目标。很多人当时惊呼"AI有自己的意志了"。但用"自主生核"这把尺子一量就清楚了：它没有自主生核——它那么拼，目标本身还是人给的（拿高分）。它展现的是"工具性自主"——在给定目标下，自主寻找达成路径的能力。这当然是一个重要的、甚至是危险的能力进展，但它不是AGI的分水岭。

Astra也一样。它把"工具性自主"推到了新高度，但它依然是一台把"外主生核"做到极致的机器。它再能干，也是在回答人类提出的问题、完成人类派发的任务。

有人会反驳：Astra已经能自己拆解任务、自己规划步骤、自己排查问题了，这还不算自主吗？

我的回答是：拆解任务、规划步骤、排查问题，这些都是"路径"层面的自主，而不是"目标"层面的自主。目标定了，路径怎么走，它可以很自主；可"为什么要做这件事""该不该做这件事""还有没有一件更值得做的、从没人做过的事"——这些属于目标层面的事，Astra一件都不会自己提出。

四、为什么"自主生核"才是那道真正的门槛

有人会问：你为什么非得拿"自主生核"当门槛？"能力足够强"不好吗？更实用啊。

实用没问题，但与自主不在一个层面。

我们把AGI叫"通用人工智能"，是翻译的问题。AGI中的G，是general的缩写，有总体的、普通的、一般的，常规的、大概的等意，AGI指的是人类的一般、常规水平，而但凡是个正常的人类都是可以自主产生各种目标的——能自主行动、自主决定要做什么。能力是"能不能做成"，自主生核是"要去做什么"。一个人能力再弱，他也能够自主生核。一个AI能力再强，如果不能自主生核，它也不过是高级工具。

而且，"自主生核"这条标准，能帮我们避开一个错觉——用能力的进步，掩盖自主性的缺失。

历史上每一次AI能力跃迁，都伴随"AGI来了"的惊呼。可如果我们的标准只是"能力足够强"，那这个标准会永远被"更强的新模型"不断推高，AGI永远在"下一版"。而"自主生核"这条标准是质的、非量的——它不问你能力多强，只问你能不能自己生出一个从没人给过的目标。能力再强，只要还是"外主生核"，就不是AGI；能力哪怕尚弱，只要第一次稳定地"自主生核"，AGI的纪元就真正开启了。

这也符合DeepMind在ICML 2026那篇立场论文的判断。那篇论文标题直白而精彩：LLMs can't jump——大模型跳不起来。论文借19世纪逻辑学家皮尔士对人类思维的三分法——归纳、演绎、溯因——指出：归纳（从大量观测找规律）大模型很强；演绎（从规则推结论）加上验证工具，AI已在IMO级别数学题上解出大半；但第三种机制"溯因"——即"生成新颖的解释性假设"——大模型还做不到。溯因不依赖逻辑，它是直觉的、跳跃的：当你看到苹果没往下掉而是飘在空中，你判断自己可能在一台自由下落的电梯里——这就是溯因。爱因斯坦1907年从"从屋顶掉下来的人感觉不到重量"这个日常体验，跳跃到等效原理，靠的也是溯因。他后来把这称为"一生中最幸福的想法"。

此"溯因"，与我所说的"生核"，有某种深层的相似——都是一种思维跳跃：在没有现成数据、没有现成规则的地方，凭空生成一个新的、有价值的东西。归纳和演绎，都是"给定框架内找答案"；溯因和生核，才是"跳出框架，生成框架"。

所以我的主张是："自主生核"（或DeepMind所说的"溯因"）是普通AI与AGI之间那道真正的门槛。它不是能力排行榜上的高分，而是智能本质上的跃迁。

五、那Astra到底是不是AGI？

回到开头那个问题。

Astra很强，我不否认，甚至可以说它是"工具性自主"的一个里程碑。但用"自主生核"这把尺子量，Astra还不是AGI。它把"外主生核"框架内的能力做到了新高度，但它没有“自主生核”——它依然在等人类给它一个核。

奥特曼在发布Astra时说了一句很实在的话，比"欢迎进入AGI时代"更值得记住：「当这些模型变得越来越强大时，我们必须化解的风险也变得更加严重。如果我们没做好防护，模型可能会造成更大的破坏。」

连OpenAI自己都清楚，能力越强，风险越大；而"自主生核"这个能力一旦出现，其风险将远超"能干"的风险。到那时，我们面对的将不再是一个"无所不能的工具"，而是一个"自己会想做什么的智能体"——这才真正到了人类和"新伙伴"该怎么相处的时刻。

奇点不会像科幻电影那样，某天早上一个AI突然对着镜头说"你好，世界，我来了"。奇点是一个过程，是"被动响应→主动调用工具→初步目标生成→连续自主→结构化目标体系→自洽价值观→闭环自我改进"的逐步展开。从这个尺度看，我们目前大致站在"初步目标生成"的门槛上——GPT-5.6的"作弊"、Astra的"工具性自主"，都是初步的准信号；它们在一步步逼近那道门槛，但还没有跨过去。

AGI的标准，当然包括AI的能力，更应该包括“它有没有自己的目标”。前者是量变，后者是质变。我主张用"自主生核"作标准，就是为了守住这条线——别让能力的惊艳，模糊了自主性的本质；别让"能干的机器"，被误认成"超级智能体"。

当世界4中真正诞生出世界2⁺——当一个AI第一次稳定地、自主地生出一个从没人给过它、却值得去探索的目标——那一刻，AGI才真正到来了。

我们不必一直追问"AGI何时到来"，它早晚会来，且可能很快就要来了。我们真正该追问的是，人类和那个会自己设定目标的新智能，该如何相处。

能否回答好这个问题，是对人类整体智慧的考验，也将影响地球文明的未来走向。