米半導体大手NVIDIAのCEO、ジェンスン・ファン氏は2026年3月23日、コンピュータ科学者レックス・フリッドマン氏のポッドキャスト{target=“_blank”}に出演し、「AGI（汎用人工知能）はすでに実現していると思う」と述べた。AIの進化やAIエージェント、AIインフラの将来像について語る中での発言で、AIの到達点をめぐる議論を呼んでいる。
黄仁勋：AGI「我认为就是现在」
在访谈接近尾声时，弗里德曼询问他如何看待 AGI 的实现时间。黄仁勋直接回应：
“I think it's now. I think we've achieved AGI.”（我认为就是现在。我觉得我们已经实现了 AGI。）
这番表态，是在讨论“如何给 AGI 下定义”的语境中提出的。黄仁勋强调，如果从“AI 能否完成原本由人类承担的工作”这一角度来衡量，那么今天的 AI 已经非常接近，甚至可以说已经达到了 AGI 的标准。
以「能否完成人的工作」作为 AGI 标准
黄仁勋指出，评估 AI 能力时，关键不只是它“知道多少”，而是它是否真的能把一项工作从头到尾完成。
在他看来，当前的大模型和各类 AI 系统，已经可以承担大量以往需要人类知识劳动才能完成的任务，例如代码编写、文案撰写、数据分析、内容生成等。因此，如果把“能否胜任人类的实际工作”作为 AGI 的重要衡量标准，那么今天的 AI 已经进入可以被称为 AGI 的阶段。
从传统计算机到「AI 工厂」
谈到 AI 普及对计算形态的改变时，黄仁勋认为，计算机的角色正在发生根本性转变。
过去，计算机和数据中心的主要功能是存储、检索和处理数据；而在 AI 时代，它们将演变为生产智能的「AI 工厂」。
在这种模式下，大规模算力被用来驱动 AI 模型持续生成「token」（文本、代码、图像等内容的基本单位），从而为企业和社会创造价值。数据中心不再只是被动的 IT 基础设施，而是主动“制造智能”的生产基地。
从 AI Agent 到「数字员工」：OpenClaw 等系统的意义
在播客中，双方还重点讨论了 AI Agent（智能体）的发展方向。黄仁勋表示，随着 AI 能够调用工具、访问数据，并在多个步骤中自主推进任务，它们将越来越像真正的「数字员工（Digital Worker）」。
他提到了一类可以自主操作电脑的系统，以 OpenClaw 为代表的 Agent，可以像人类一样打开应用、调用工具、执行一系列操作来完成工作流程。随着这类技术的成熟，AI 的角色正在从“回答问题的助手”，转变为“直接承担具体业务流程的执行者”。
支撑 AI 能力扩张的「四种规模化」
对于 AI 能力为何能持续快速提升，黄仁勋给出了一个由四个维度构成的「规模化」框架：
- Pre-training（事前学習）：通过大规模数据预训练模型，奠定通用能力基础；
- Post-training（事後学習）：通过对齐、人类反馈等方式进行微调，使模型更符合实际应用需求；
- Test-time scaling（推論時スケーリング）：在推理阶段增加计算量或调用更多模型，提高单次任务的表现；
- Agentic scaling（エージェント型スケーリング）：通过 Agent 结构，把模型嵌入到更复杂的任务链和工具体系中，放大其综合能力。
在他看来，AI 的能力增长并不只依赖于模型规模本身，而是依靠这几种不同层面的规模化协同推进，未来仍有很大提升空间。
AI 基础设施扩张的关键瓶颈：电力
不过，黄仁勋也提醒，AI 基础设施的扩张正面临现实世界的物理约束，其中最重要的之一就是电力供应。
大规模 AI 系统需要海量算力支撑，这意味着数据中心的耗电量会持续攀升。如何保障电力供应、提升能效、优化能源基础设施，将成为未来 AI 发展能否持续加速的关键问题。
围绕 AGI 的争论仍将持续
黄仁勋“AGI 已经实现”的说法，是在特定定义前提下做出的判断。不同研究者、企业和机构，对 AGI 的标准并不一致，因此对这番表态的解读也可能出现明显分歧。
但无论如何，作为全球 AI 计算基础设施核心企业之一的掌舵者，他公开表示“我认为 AGI 已经实现”，无疑会进一步激化和推动关于 AGI 阶段是否到来、以及 AI 未来边界何在的讨论。
@YouTube
