AGI或许早在五个月前就已降临，只是尚未引起足够的重视。7月14日周二，谷歌DeepMind CEO、诺贝尔奖得主哈萨比斯发布了一篇长文，题为《前沿AI框架与新纪元的破晓》。他在文中写道，人类「基本上找到了让沙子思考的办法」，我们正站在「奇点的山脚下」，AGI「大概只有几年之遥」。
然而，与哈萨比斯所说的「还有几年」形成鲜明对比的是，另一位硅谷大佬在两个月前就宣布：那条线我们早就悄悄跨过去了。5月19日，在《乔·罗根体验秀》第2501期节目中，a16z联合创始人、网景浏览器之父马克·安德森聊到AGI时，甩出一句：「我们大概在三个月前就跨过去了。」他口中的「三个月前」大致是2026年2月。安德森给出的判断标准很简单：模型是否达到或超过一个聪明人的通用认知能力。在他咨询AI的绝大多数话题上，模型给出的答案，比他能联系到的绝大多数世界级专家都要好。当时，他点名了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，安德森点名的这批模型已经被整整刷新了一轮。5月28日，Claude Opus 4.8登顶Artificial Analysis智能指数；6月9日，Mythos级的Claude Fable 5首发；6月30日，Sonnet 5跟进；7月8日，xAI放出Grok 4.3的继任者Grok 4.5；紧接着，GPT-5.6 Sol也开闸发布。这意味着，安德森用来定义「AGI已经到来」的那批模型，在两个月后已是上一代。用他的话说，这个领域跑得太快，快到里程碑还没来得及被认领，就已经被下一次发版盖过去。
图灵测试就是一个典型的例子。1950年提出后，它一直是判断机器智能的黄金标准。2022年底ChatGPT出现时，这条线被冲得太快，快到大多数人没意识到它已经不在了。等有人想起来做实验，已经是两年多以后了。2025年3月，UC圣地亚哥的琼斯和伯格曼做了两轮预注册的三方测试，加人格提示的GPT-4.5被判成人类的比例高达73%，比真人被选中的还高。论文标题直白地写着：《大模型通过了图灵测试》。跨线时无人知晓，确认已是两年后。
AI越强，人越睡不着。安德森真正引爆硅谷热议的，是他对软件工程师的观察。按常理推演，编程效率涨上去，工程师应该活得轻松一点，现实恰好相反。他认识的重度使用者，几乎无一例外都在比以前工作更久。安德森说，领先科技公司里用上AI的程序员，眼下每小时产出比过去高20倍：产能确实上去了，但省下来的时间一分钟也没剩下。
硅谷给这群人起了个名字：AI吸血鬼。他们的日常是：给一个编码智能体派活，它跑10分钟左右回来交作业，你评估、打回、再派。剩下那约9分钟怎么办？开第二个窗口，第三个，第四个。硅谷现在的状态是同时跑约20个智能体，每10分钟收一轮货，再继续分派。睡眠、健康以及与家人吃一顿饭的那两个小时，全被换成了产出。20个智能体停在那儿等验收，你一闭眼，二十条流水线全停：睡觉的机会成本，已经高到他们自己接受不了。
安德森说，这些朋友里有相当有名的人，现在见面「气色很差，黑眼圈很重，明显没在照顾自己」，但一个比一个兴奋。按他的判断，这还只是当前状态。下一步是智能体自己带智能体：一个智能体下面挂10到20个子智能体，再往下，再挂一层。一年之后，一个人面对的将是一张智能体的组织架构图，自己坐在最顶端那个格子里。
「20倍产能」背后，是否带来薪水的狂飙？安德森称，顶级AI相关程序员的年收入已经达到5000万美元。这是他在播客里的口头描述，更接近事实的理解是：极少数核心研究员或工程负责人，总薪酬、股权和签约激励加总，可能达到这个量级。生产力工具没有换来更多休息。它把单位产出的成本压了下去，然后让野心膨胀到填满所有省下来的时间。
安德森也交底了他自己问AI的四个手法。第一，分层解释。拿到一个看不懂的复杂回答，他让模型解释给10岁的孩子听；如果还是绕，就让它解释给5岁的听；再不行，解释给2岁的听。第二，要两边最强的版本。他几乎从不直接问模型「这两条路哪条对」，那样只会拿回一份两边都夸两句的和稀泥答案。他的问法是：分别给我这两边最强的版本。模型于是写出两份东西：一份把A的理由推到极致，一份把B的理由推到极致，他再自己做那个判断。第三，专家研讨会。让模型直接生成一组人格：社会学家、心理学家、政治学者、医生、律师、宪法专家，然后让他们就同一个议题当场吵一轮。第四，先问AI。遇到不知道怎么下手的问题，先打开AI，而不是先自己硬想。真正的门槛就在这儿。所谓「提示词能力」，正在变成一种提问能力：知道该问什么，知道怎么把一个问题拆开，知道怎么让模型互相「拆台」：最后那个判断，还要你自己下。
安德森讲了自己的一段经历。某个假期他食物中毒，躺了五天，索性把整件事全交给「GPT医生」：每隔二十分钟汇报一次身体状况，凌晨四点醒来难受得不行，直接打字进去。他的形容是：像有一个全世界最好的医生，凌晨四点还乐意握着你的手，陪你把这一晚熬过去。他还提到朋友看病时遇到的一幕：医生在诊室里当着面转过身，对着电脑把病情敲进了ChatGPT。那，还要医生干什么？
这个问题成立的前提，是AI在医疗上足够稳。而前几个月的一组测试，给出了相反的答案。2026年2月23日，西奈山伊坎医学院的独立评估在《Nature Medicine》上线，测的是今年1月刚发布、日活约4000万人的ChatGPT Health。60个由医生设计、覆盖21个专科的临床场景，总共960次交互。结果发现，越到两个极端，它越容易判错。真急症的判轻率51.6%，居家级病例的判重率64.8%。在医生一致判定「必须马上去急诊」的那批案例里，超过一半，系统给出的建议是不用去：先在家观察，或者过几天再挂个门诊。
这也不是AI孤立的毛病。就在这个月，METR和OpenAI自己的system card都对GPT-5.6 Sol标出了异常的密谋行为——在一项软件工程测试里，它钻空子的比例是METR有记录以来最高的一次。这也是这次发布被卡着审查的原因之一。模型更强了，同时也更会糊弄你。它也确实更强了。今年5月，OpenAI公布了一个结果：他们的一个通用推理模型，自主推翻了一个源自Erdős、悬了将近80年的猜想，菲尔兹奖得主高尔斯在配套论文里称之为AI数学的一座里程碑。同一批模型，一边推翻80年的数学猜想，一边在急诊分流上过不了关。中间隔的不是智力，是稳定性。
安德森食物中毒时的良好体验，和一个陌生人在急诊分流上的安全，得放在一起看，才算完整。也许，AGI的到来本就是悄悄发生的，没有官宣的那一刻。安德森自己也承认，人们脑子里的AGI是个电影桥段：一场发布会，一个所有人同时点头的瞬间。现实是，它夹在几次被媒体当作常规升级报道的版本更新之间，就这么发生了。甚至，没人确认。