在 AI 发展的今天，我们发现一个奇怪的现象：同一个 AI 模型，在数学题上的表现，会因为题目的表述不同而差异巨大。这让人很难不怀疑，我们对 “智能” 的理解本身就存在问题。
当经济学家 Tyler Cowen 说 “o3 就是 AGI” 时，很多人开始重新审视这个问题。因为如果连基本的定义都捉摸不定，我们又怎么判断 AI 是否已经达到了类似人类的通用智能？
过去，我们总是用人类的标准来衡量机器。但这些标准正变得越来越不可靠。比如，2024 年一项研究发现，AI 在数学测试中的得分，竟然会因为题目的措辞变化而上下波动。更夸张的是，尽管 AI 可以通过图灵测试，让人分不清它和真人，但这并不一定证明它真的 “聪明”，更可能是图灵测试本身已经过时。
关于 AGI（人工通用智能）的讨论，其实一直很混乱。自 2007 年 Shane Legg 等人提出这个概念以来，人们就没真正搞清楚 AGI 要达到什么标准。是要在所有领域都比专家强，还是只要能在大部分领域应付？为了搞明白这些争议，有人做了个实验：让 AI 自己去研究 AGI，并生成报告、视频、辩论。结果显示，AI 在写报告、做视频方面，已经达到了让人惊讶的水准。
真正让 Tyler Cowen 产生 “AGI 已至” 这种感觉的，是 OpenAI 的新模型 o3。在一次测试中，人们给它一个任务：帮一家奶酪网店做营销策划。o3 只用了两分钟，就写出 20 条广告口号，筛选出最佳方案，拉了市场数据，算出需要的启动资金，还预估了回本周期。它还用 AI 画了 Logo，自己搭了网站，甚至加了动画效果。这一切，几乎不需要人工指导。
而且，这种表现不是偶然。给 o3 一张路牌的照片，告诉它玩地理猜谜，它能通过沥青的纹理和植物的种类，推断出大致位置，最后锁定到西班牙一个小镇。给它一张几十年的机器学习发展表格，简单地要求 “分析趋势”，它就能生成一份完整、专业的回归分析报告，连图表的配色都符合顶级学术期刊的标准。
但问题也很明显。比如，有人给 AI 改了一个经典脑筋急转弯，问它：一名男孩出了车祸，外科医生说 “我能手术”。AI 却错误地认为这是传统谜题 —— 医生是母亲 —— 的变体，给出不对的回答。实际上，在这个问题里，医生本来就能手术，不存在谜底。这说明，AI 有时候会因为太熟悉某些套路，反而在常识推理上出错。
这种高低不平的表现，就是所谓的 “锯齿状前沿”：AI 在某些领域像天才一样出色，在另外一些地方却犯低级错误。比如，Gemini 2.5 Pro 能把复杂的量子物理论文转成好玩的教学游戏，但让它预测台风天外卖量时，它竟然建议骑手穿潜水服送餐。
而就在学界还在争论 AGI 定义的时候，像 o3 这样的模型，已经在慢慢改变世界了。它们不只是工具，开始具备主动完成任务的能力，比如自己查资料、写程序、调用各种工具。这也许能解释，为什么 Tyler Cowen 一方面认为 AGI 可能已经到了，另一方面又觉得社会不会马上大变。
历史上，蒸汽机发明后，工业革命也等了好几十年才爆发。但 AI 的扩散速度，可能要快得多。因为只要一个普通人就能指挥一堆 AI 当分析师、设计师、程序员，整个组织运作的方式，可能很快就会被颠覆。
不过，更近的问题，是 AI 能力的不稳定。也许今天早上，它帮你搞定了一个复杂的国际收购案，到了下午，点个咖啡却能把拿铁送到撒哈拉沙漠。
到了 2025 年，我们可以看到，所谓的 AGI，其实不是一个完美无缺的存在，而是像拼图一样，有些地方很强，有些地方很弱。它不会突然取代人类，但一定会逼着我们，重新思考什么是创造力、决策和价值。