一句話定義
AGI（通用人工智慧）是指不限定單一任務，能像一般人一樣學會新事情、並在大多數工作上做到人類水準的 AI。
30 秒看重點
- 是什麼：AGI 是「什麼都能學、什麼都做得不錯」的 AI，對比的是只會下棋、只會翻譯這種專才型 AI。
- 為什麼重要：它是 OpenAI、Google DeepMind 等公司公開寫在使命裡的終極目標，也曾經是微軟與 OpenAI 合約裡決定授權的開關。
- 跟誰相關：擔心工作被取代的上班族、看 AI 股的投資人、制定 AI 法規的政府。
- 最常見的誤解：以為 AGI 有一條大家公認的終點線，其實每家公司的定義都不一樣。
- 記住這件事就夠了：聽到有人說「AGI 來了」，先問一句「你用的是哪一個定義？」
AGI 到底是什麼？
AGI 是 Artificial General Intelligence 的縮寫，中文叫通用人工智慧，指的是能跨領域學習、在大多數任務上達到人類水準的 AI。重點在「通用」兩個字：不是某件事做得特別好，而是換一件沒看過的事也能學起來。
這個詞比 ChatGPT 老很多。根據 Google DeepMind 2026 年 3 月的論文整理，Mark Gubrud 在 1997 年的論文最早用過；2001 年 DeepMind 共同創辦人 Shane Legg 在不知情下又獨立想出這個名字，給 Ben Goertzel 後來出版的同名書當書名。
那本書對 AGI 的描述很有意思：要有一定程度的自我理解、能自主控制自己，能在各種情境解決各種複雜問題，還要能學會解決當初被做出來時根本不知道的新問題。
最後那一條才是精華。
生活比喻：你可以想像成巷口的自動販賣機跟超商店員。販賣機把「賣飲料」做到完美，但你叫它寄包裹，它只會吐出你的零錢。超商店員收銀、煮咖啡、代收停車費、寄賣貨便都會，總部推出新服務，教個半天也能上手。現在大部分 AI 是很厲害的販賣機，AGI 追求的是那位店員（而且是不會喊累的那種）。
為什麼會有 AGI 這個概念？
AGI 這個詞的出現，是為了把「專做一件事的 AI」跟「能像人一樣什麼都學的 AI」分開來講。
過去幾十年的 AI 幾乎都是專才：下棋的只會下棋，換個題目就得從頭再訓練一個。研究者需要一個詞，來指「換題目也不用重來」的目標。
問題是，目標講得出來，終點線卻畫不出來。Google DeepMind 在 2026 年的論文開頭就講得很直白：大家討論 AGI 討論得很熱烈，但沒有一套清楚的框架能衡量離它還有多遠，結果就是各說各話，今天的 AI 不是被低估就是被吹過頭。
老實講，這就是 AGI 最尷尬的地方。它同時是：
- 研究目標：實驗室拿來指方向的遠程目標
- 行銷用語：發表會上最響亮的一句話
- 商業條款：曾經寫進合約、牽動上千億美元的開關
一個詞三種身分，吵不完很正常。
AGI 是怎麼被判定的？
簡單來說，目前沒有公認的判定方法，各家是拿人類當標準，測 AI 在多少種任務、做到多好。比較有代表性的做法有三種：
- 看分級：Google DeepMind 2023 年提出「Levels of AGI」，同時看「多通用」跟「多厲害」。表現分五級：Emerging（跟沒受訓練的一般人差不多或好一點）、Competent（贏過至少一半的熟練成人）、Expert（贏過 90%）、Virtuoso（贏過 99%）、Superhuman（贏過所有人）。當時他們把 ChatGPT、Bard 這類聊天機器人放在第一級 Emerging。
- 拆認知能力：DeepMind 2026 年 3 月的新論文把一般智慧拆成 10 種認知能力，包括感知、產出、注意力、學習、記憶、推理、後設認知（知道自己會不會）、執行功能，再加上兩種綜合能力：解決問題與社交認知。再找一群具代表性、至少高中學歷的成人做同樣題目，看 AI 在每一項贏過多少比例的人。
- 出人類簡單、AI 很難的題目：François Chollet 設計的 ARC-AGI 系列就是這一派。第一代是 800 道彩色方格推理題，每題只給幾個範例，要你看出規則畫出答案；第二代公開評測集的人類平均答對率是 66%；2026 年 3 月 25 日推出的第三代改成互動遊戲，沒有說明、沒有規則，AI 得自己摸索怎麼贏。
DeepMind 也提醒，AI 的能力是鋸齒狀的，某些項目贏過幾乎所有人，某些卻連一般人都比不上，只看總分會被騙。
名詞小教室：推理能力是這幾套框架都會測的一項，最近很紅的「推理模型」就是專門往這個方向加強的 AI，細節可以看推理模型是什麼？o1、Claude、Gemini 的思考模式差在哪。
各家公司的 AGI 定義差在哪？
各家公司對 AGI 的定義差很多：OpenAI 看的是「能不能做人類的工作」，Google DeepMind 看的是「認知能力有沒有追上人類」，Anthropic 多半改用別的詞。
| 誰說的 | 怎麼定義 | 看的重點 |
|---|---|---|
| OpenAI 章程 | 在大多數具經濟價值的工作上勝過人類的高度自主系統 | 能不能取代工作 |
| 微軟與 OpenAI 的合約（據 The Information 報導） | 能創造至少 1,000 億美元獲利的 AI 系統 | 能不能賺錢 |
| Google DeepMind Demis Hassabis | 能展現人類所有複雜能力的系統 | 認知能力是否完整 |
| Anthropic | 不太用 AGI，改說「powerful AI」，像「資料中心裡的天才國度」 | 具體能做到哪些事 |
從這張表可以看出來，同一個 AGI，四種完全不同的尺。拿獲利當標準跟拿認知能力當標準，量出來的答案當然不會一樣 畢竟用錢來定義智慧，這把尺是會計師做的。
Anthropic 的版本其實最具體。它在 2025 年 3 月給白宮科技政策辦公室的建議書裡列了四個條件：多數學科達到諾貝爾獎得主的智力、能操作人類做數位工作的所有介面、能自主處理長達數週的任務、能控制實驗室設備與機器人，並預估最快 2026 年底或 2027 年初出現。
AGI 跟超級智慧（ASI）差在哪？
AGI 是「追上人類」，超級智慧（Artificial Superintelligence，ASI）是「全面超越人類」，後者是更後面的一站。
用 DeepMind 的分級來對照，Superhuman 那一級的定義是贏過所有人類，連人類做不到的事都能做，這比較接近大家說的超級智慧。
| 比較項目 | 專才型 AI（窄 AI） | AGI 通用人工智慧 | ASI 超級智慧 |
|---|---|---|---|
| 會做的事 | 一件或一類任務 | 大多數人類會做的任務 | 幾乎所有任務，包含人類做不到的 |
| 跟人類比 | 單項可能贏過人 | 整體追上一般人 | 全面贏過所有人 |
| 遇到新任務 | 要重新訓練 | 能自己學起來 | 能自己學起來，而且學得比人快 |
| 現在存在嗎 | 存在，而且到處都是 | 還在吵有沒有 | 還沒有 |
從這張表可以看出來，三者是一條連續的光譜，不是三個開關。看新聞時把「AGI」跟「超級智慧」當成兩個不同距離的里程碑，就不會被標題帶著跑。
順帶一提，川普 9 月 29 日才簽行政命令，要聯邦機關用「Super Intelligence」取代「AI」。名字改大了，今天的 AI 可沒有因此多聰明一點。
你會在哪些地方看到 AGI？
你最常看到 AGI 的地方，是公司使命、發表會台詞和商業合約。
- OpenAI：官方使命就寫著「確保 AGI 造福全人類」。2026 年 9 月發表 GPT-6 Astra 時，總裁 Greg Brockman 在發表會最後說「Welcome to the AGI era」。
- 微軟與 OpenAI 的合約：原本 OpenAI 董事會一宣布做出 AGI，微軟的授權就會改變。2025 年 10 月改成要由獨立專家小組驗證；到了 2026 年 4 月 27 日，雙方乾脆把這條 AGI 條款拿掉，改成授權到 2032 年的固定日期，OpenAI 付給微軟的分潤也改成跟技術進展脫鉤。
- Google DeepMind：執行長 Demis Hassabis 在 2025 年 3 月接受訪問時說，AGI 大約還要 5 到 10 年。
一個哲學問題，最後被律師用一個日期解決了。說白了，連最有動機定義 AGI 的兩家公司，都決定不再靠這個詞算錢。
學 AGI 最常見的 3 個誤解
- 誤解一：AGI 有一條公認的終點線 — 真相是沒有。OpenAI 看工作、DeepMind 看認知能力、合約曾經看獲利，同一個模型套不同定義，會得到「已經是」跟「差很遠」兩種答案。
- 誤解二：跑分考滿分就是 AGI — 不一定。我們在 AI 五分鐘快報：OpenAI 宣告 AGI 時代？3 大變化一次看 報過，GPT-6 Astra 在 ARC-AGI-3 用 OpenAI 自家環境跑出 99.9%，ARC Prize 用中立環境重跑只有 62.7%。環境一換分數差了快 40 分，這也是 DeepMind 主張要用沒公開過、經第三方驗證的題目來測的原因。
- 誤解三：AGI 就是有意識、會想統治人類的 AI — 電影看太多了（誤）。上面每套定義講的都是「能做到什麼」，DeepMind 還特別強調只看系統做得到什麼、不管內部怎麼做到，跟意識無關。
想多了解 AGI，從哪開始？
沒有技術背景的你：今天大家說的 AGI 候選人幾乎都是從大型語言模型長出來的，懂 LLM 在做什麼，就比較不會被「AGI 來了」的標題嚇到。之後看新聞時，養成一個習慣：看到 AGI 就找找看文章有沒有講清楚用的是誰的定義。
有技術背景的你：去 GitHub 看 ARC-AGI 的公開題目，自己解幾題，很快就懂「對人類很簡單、對 AI 很難」是什麼感覺。再讀 DeepMind 2026 年的認知框架論文，拿那 10 種能力對照你手上的模型。
常見問題 FAQ
AGI 跟 AI 有什麼關係？
AGI 是 AI 的一個子目標。一般說的 AI 泛指所有讓電腦做出聰明行為的技術，包括只會做一件事的專才型系統；AGI 特別指能跨領域學習、在大多數任務上達到人類水準的通用型 AI。現在市面上的 AI 產品大多還不被公認為 AGI。
為什麼 AGI 突然這麼紅？
因為大型語言模型讓 AI 越來越通用，同一個模型能聊天、寫程式、看圖、操作電腦，各大公司也開始公開預測時間表：Google DeepMind 的 Demis Hassabis 在 2025 年說大約 5 到 10 年，Anthropic 預估 powerful AI 最快 2026 年底或 2027 年初出現。
我不是工程師也需要懂 AGI 嗎？
如果你常看科技新聞或關心 AI 對工作的影響，懂 AGI 會讓你分辨哪些是真進展、哪些是行銷話術。最實用的一招是：聽到有人宣布做出 AGI，先問他用的是哪一個定義，因為 OpenAI、Google DeepMind 與商業合約的標準都不一樣。
AGI 的中文翻譯有沒有統一？
台灣通常譯為「通用人工智慧」，中國簡中圈譯為「通用人工智能」，兩者指的是同一個概念，差別在台灣把 intelligence 譯為「智慧」。本站採用台灣用語「通用人工智慧」，並保留英文縮寫 AGI，因為台灣讀者實際搜尋時多半直接打 AGI。
學會 AGI 之後，下一個該學什麼？
建議接著看三個詞：大型語言模型，因為現在被拿來談 AGI 的模型大多以它為基礎；推理模型，了解 AI 怎麼學會一步一步想；AI Agent，了解 AI 怎麼從回答問題進化到自己動手完成任務。這三個剛好是 AGI 定義裡「學習」「推理」「自主執行」的具體實作。
延伸閱讀
- LLM 是什麼？中文叫大型語言模型，ChatGPT、Claude 都靠它 — 被拿來談 AGI 的模型，底層幾乎都是 LLM。
- 推理模型是什麼？o1、Claude、Gemini 的思考模式差在哪 — 推理是每一套 AGI 框架都會測的核心能力。
- AI Agent 是什麼？不只回答問題，還會幫你動手把事做完 — 「自主處理數週任務」靠的就是 Agent。
- AI 五分鐘快報：OpenAI 宣告 AGI 時代？3 大變化一次看 — GPT-6 Astra 喊出 AGI 時代，中立環境卻只跑出 62.7%。
- Anthropic 上市招股書 80 頁寫風險、川普把 AI 改名超級智慧 — 川普把 AI 改稱「Super Intelligence」的來龍去脈。
參考來源
- Measuring Progress Toward AGI: A Cognitive Framework｜Google DeepMind — 2026 年 3 月 16 日發表，AGI 一詞的由來（Gubrud 1997、Shane Legg 2001）、10 種認知能力、三階段評測流程與人類基準樣本。
- Anthropic’s Recommendations to OSTP for the U.S. AI Action Plan｜Anthropic — 2025 年 3 月 6 日發表，powerful AI 的四個條件與 2026 年底或 2027 年初的時間預估。
- 2028: Two scenarios for global AI leadership｜Anthropic — 2026 年 5 月 14 日發表，「資料中心裡的天才國度」的說法。
- ARC-AGI｜François Chollet on GitHub — 第一代 ARC-AGI 的 800 道題目（訓練與評測各 400 道）、方格題格式。
- ARC-AGI-2｜ARC Prize on GitHub — 第二代 1,000 道訓練題與 120 道公開評測題，人類平均答對率 66%。
關於本篇的查證限制：撰寫當下 openai.com、arxiv.org、arcprize.org、微軟官方部落格、TechCrunch 等網域無法直接讀取。OpenAI 章程的 AGI 定義、Levels of AGI 的五級分法、1,000 億美元獲利定義、微軟與 OpenAI 在 2025 年 10 月與 2026 年 4 月 27 日的合約變動、Hassabis 的 5 到 10 年預估，以及 ARC-AGI-3 於 2026 年 3 月 25 日推出，皆經兩個以上獨立搜尋結果比對才寫入。
整理一下重點：AGI 真的就是「什麼都學得會的 AI」，只是每家公司心中的終點線都畫在不同地方，看新聞時先問定義，就不太會被帶風向。
希望這一篇有讓你對 AGI 有比較具體的理解哩～如果發現事實錯誤、定義不準、或翻譯卡卡的，歡迎透過聯絡頁指正，看到我們會盡快修。
我們下篇文章見囉～
本條目由 Array 報報 AI 編輯部根據上方「參考來源」整理，文末已揭露 AI 生成 + 公開資料引用。