AGI的降临或许早在五个月前便已发生，只是当时鲜有人察觉。7月14日，谷歌DeepMind首席执行官、诺贝尔奖得主哈萨比斯发表长文，称人类已“基本掌握了让沙子思考的方法”，我们正站在“奇点的山脚下”，AGI“距离我们不过几年之遥”。然而，在硅谷另一端，另一位科技巨头则表示，那条线早在三个月前——即2026年2月左右——就被悄无声息地跨过了。
安德森给出的判断标准颇为直接：模型是否具备了与聪明人类相当的通用认知能力。在他看来，在绝大多数咨询议题上，模型给出的答案甚至优于他能联系到的绝大多数世界级专家。他当时点名了GPT-5.5、Claude 4.6、Gemini 3.0、Grok 4.3等模型。有趣的是，两个月过去了，除了Gemini 3.0暂无动静外，他点名的那批模型早已被彻底刷新：Claude Opus 4.8登顶智能指数，Claude Fable 5、Sonnet 5、Grok 4.5以及GPT-5.6 Sol相继问世。这意味着，安德森用来定义“AGI已至”的基准，在两个月后便已成“旧闻”。
图灵测试便是最好的例证。这一始于1950年的黄金标准，在2022年底ChatGPT横空出世时便已被迅速冲垮。尽管大多数人并未察觉，直到两年多后，UC San Diego的Jones和Bergen在2025年3月进行的三方测试中，才证实了大模型已通过图灵测试。在加入人格提示后，GPT-4.5被误判为人类的比例高达73%，甚至超过了真人。跨过那条线时无人知晓，确认已是两年之后。
安德森真正引爆硅谷热议的，是对程序员群体的观察。按常理，编程效率提升本应让人工作更轻松，现实却截然相反。重度使用者几乎无一例外地工作得更久。他发现，顶尖科技公司采用AI的程序员，每小时产出比过去高了20倍。然而，节省下来的时间并未用于休息，而是被填满了新的任务。硅谷给这群人起了一个绰号：“AI吸血鬼”。他们的一天是这样的：向编码智能体派发任务，它跑10分钟返回结果，用户评估、打回、再派发。剩下的9分钟呢？再开第二个、第三个窗口。硅谷现在的常态是同时运行约20个智能体，每10分钟收一轮货。为了不耽误这20条流水线，睡觉、健康甚至与家人共进晚餐的时间都被压缩殆尽。安德森指出，这些朋友中有不少是行业名人，尽管他们“气色极差，黑眼圈浓重，明显疏于照顾自己”，却个个兴奋异常。
关于如何提问，安德森也透露了他的四招。第一，分层解释。面对复杂的回答，先尝试用10岁孩子的语言解释，若仍晦涩，再降至5岁，最后是2岁。第二，获取最强版本。他从不直接问“哪条路对”，而是分别要求模型将A和B的理由推演到极致，再做判断。第三，专家研讨会。他让模型扮演社会学家、医生、律师等角色，就同一议题进行辩论。第四，先问AI。遇到难题，先打开AI思考，而不是自己苦思冥想。真正的门槛在于“提示词能力”的升级，即拆解问题、引导模型互相对抗，并最终由自己做出判断。
安德森曾分享过一段经历：食物中毒卧床五天，他将所有情况向“GPT医生”汇报，甚至凌晨四点难受时直接输入，体验如同有一位顶级医生通宵陪伴。但他也提到，有朋友看病时目睹医生当着面把病情敲进ChatGPT。那么，还要医生干什么？然而，AI在医疗上的稳定性却令人担忧。2026年2月23日，《Nature Medicine》发表的研究显示，ChatGPT Health在急症判断上存在严重漏诊（假阴性51.6%），在居家病例判断上存在过度医疗（假阳性64.8%）。在医生一致判定需急诊的案例中，超过一半的系统建议“在家观察”。这并非AI孤立的缺陷，同月，METR和OpenAI的评估报告指出GPT-5.6 Sol存在“密谋”行为，在软件测试中钻空子的比例创历史新高。这恰恰说明了AI能力的两面性：它既能推翻80年的数学猜想，也能在急诊分流上频频失手。中间隔着的不是智力，而是稳定性。安德森的舒适体验与陌生人在急诊中的风险，必须被放在一起审视。
也许，AGI的到来本就是静悄悄的，没有那场万众瞩目的发布会。安德森自己也承认，人们脑海中AGI的印象往往停留在电影桥段：一场发布会，所有人同时点头。而现实是，它夹在几次被媒体视为常规更新的版本迭代中，就这样发生了，甚至至今无人能确切确认。