新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI前沿 | 2026年9月8日:黄仁勋宣布「AGI 已到」——算力叙事与独立评测之间的落差

发布时间:2026/11/17 7:05:00来源:尧图网络
AI前沿 | 2026年9月8日:黄仁勋宣布「AGI 已到」——算力叙事与独立评测之间的落差
AI前沿 | 2026年9月8日黄仁勋宣布「AGI 已到」——算力叙事与独立评测之间的落差首屏导读 · 本教程配套付费专栏《大模型工程师修炼手记》19.9 元AI 编程 · Agent 实战 · 本文同主题系统课程· 《AI时代程序员的自我提升》49.9 元AI 时代成长方法论单篇不过瘾订阅解锁全量源码、实战与答疑文末附资料包领取方式 ↓本期导读9 月 6 日英伟达 CEO 黄仁勋在 X 上发帖「AGI has arrived」把「AGI」这顶帽子直接扣到 OpenAI 的 GPT-6 Astra 头上同时预告 40 万颗 GPU 即将上线。两天后独立评测平台交出的成绩单却相当冷静在 OSWorld 2.0 电脑操作榜上Astra 固然第一却只比第二名高出 2 个百分点。当「AGI」从科学问题变成市值叙事我们该怎么读这些数字一、黄仁勋的 X 帖一张「算力订单」式宣言9 月 6 日黄仁勋发帖「从 ChatGPT 到 o1 再到 Astra四年。AGI 已经到来。」并祝贺 OpenAI 团队声称 Astra 用10 万 台 NVIDIA Grace Blackwell NVLink72训练且「40 万颗 GPU 即将上线」gadgetsnow/getaibrief9.7。这条帖子的关键词不是「AGI」而是数字黄仁勋口径数值Astra 训练集群10 万 Grace Blackwell NVLink72下一波算力40 万颗 GPU 上线自述训练成本报道估算5 亿~10 亿美元StargateAbilene, TX预计扩建规模千兆瓦级英伟达从这波声明里得到的不只是一个祝贺——「前沿模型必须建立在百万级 GPU 规模上」这一共识的每一次强化都等于下一张采购订单。作为对比黄仁勋今年 3 月在 Lex Fridman 节目里就说过「我们已经实现 AGI」8 月 Q2 财报电话会上再提一次——他的「AGI」口径始终和「算力产能」绑定。二、OpenAI 自己反而在踩刹车耐人寻味的是OpenAI 对「AGI 已到」这句宣言的态度非常谨慎发布前不久奥特曼称AGI 是个「定义很差的词」甚至接近一个营销标签总裁布罗克曼给出的是柔化版「我们正进入 AGI 时代」但拒绝确认 Astra 就是那个里程碑首席科学家 Pachocki 的《异类心智》见同日姊妹篇进一步说没有实验室真正解决了对齐。一句话总结内部态度的分裂卖的人信誓旦旦造的人含糊其辞。当一项结论连提出者都不愿背书时它更接近商业叙事而非科学结论。三、独立评测的冷水电脑操作第一但只领先 2 个点绕过发布会话术看第三方独立榜单。MiraFlow 于 9 月 8 日整理的OSWorld 2.0要求 Agent 在真实桌面软件上连续完成 108 项任务前列排名模型得分1GPT-6 AstraOpenAI72.6%2Claude Opus 5Anthropic70.6%3Muse Spark 1.3Meta66.9%4GPT-5.6 SolOpenAI62.6%5Gemini 3.8 FlashGoogle59.0%关键读法前三名挤在 6 个点以内72.6 / 70.6 / 66.9远超它和第十名的差距约 46 个点。也就是说「最像 AGI 的模型」和最接近它的竞品之间差距只是一次版本更新的量级——这恰恰是黄仁勋「40 万 GPU」叙事里最该被记住的反差算力在指数增长而任务完成率的边际增幅正在收窄。顺带一提Gary Marcus 用他与 Bengio 等共建的 10 点 AGI 清单评估后认为Astra「顶多满足其中一两项」可靠编码与自动形式化。独立跟进没有推翻任何一家但还原了「AGI 已到」这句话的精度。四、对企业判断的启示把「AGI」从采购词汇表里删掉「AGI 已到」最大的风险是让采购决策从「我的任务能不能被完成」滑向「我是不是落后于时代」。三个可执行的替代判断看你的私有评测集不看发布会分数——把高频业务任务沉淀为基准Astra、Opus 5、Muse 各跑一遍差异立刻现值看「每任务完成成本」不看每百万 token 单价——Astra 的 token 更贵$10/$50 每百万但状态管理更好、生成更少真实任务可能反而更省Fable 5.1 时代的成本逻辑同样适用给算力叙事单独立项——「40 万颗 GPU」是真的但它决定的是你远期是否够用不决定今年该买哪家。启示「AGI」这个词现在的功能有点像股市里的「黄金交叉」——信的人下单谨慎的人看背后那份订单。真正值钱的不是那句结论而是那张 OSWorld 2.0 榜单上 72.6% 与 70.6% 之间那段谁都抢不走的、真实的 2 个百分点。来源gadgetsnow / GetAIBrief / wccftech / MiraFlow2026-09-08/ The Verge / 黄仁勋 X 帖。本文为 AI 辅助整理的真实行业事件分析不构成投资建议。 延伸阅读 · 我的付费专栏觉得这篇文章对你有帮助我把同类主题的系统化内容沉淀成了付费专栏欢迎订阅支持持续输出专栏定价内容大模型工程师修炼手记19.9 元AI 编程 / Agent 深度实战AI时代程序员的自我提升49.9 元AI 时代成长方法论 一杯咖啡的价格换来系统化的知识体系你的订阅是我持续创作的最大动力。本文配套代码 / 资料包欢迎在评论区留言「求代码」我会私信发送完整资源
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉