黃仁勳宣布 AGI 已到：Astra 訓練逾 10 萬張 Blackwell，下一步 40 萬顆 GPU

「GPT-6 Astra, trained on ~100K+ NVIDIA Grace Blackwell NVLink72. From ChatGPT to o1 to Astra in 4 years. AGI has arrived. Congratulations @OpenAI team. 400K GPUs coming online next.」

NVIDIA 執行長黃仁勳把這四句貼上 X。Business Insider 與 CNBC 都把它讀成同一件事：賣鏟子的人先宣布終點到了，再告訴你下一車鏟子已經在路上。貼文裡有三個可以核對的數字，以及一個科學界吵了十年都沒吵完的詞。數字是訓練規模、四年時間線、下一步四十萬顆 GPU。那個詞是 通用人工智慧。

Astra 上線稿、評測頁怎麼改分數，各自有各自的主線。這次要對的是賣晶片的人怎麼開口、同一家實驗室裡兩種說法怎麼並存，以及那四十萬顆到底有沒有交貨對象。

貼文先報晶片，再宣布終點

黃仁勳寫的是「~100K+ NVIDIA Grace Blackwell NVLink72」，沒有寫「顆」、也沒有寫「機櫃」。NVLink72 在 NVIDIA 產品線裡通常指把 72 顆 Blackwell GPU 編成一櫃的互連系統。若把貼文讀成十萬櫃，數字會膨脹到不合理的量級。較接近現場說法的，是 OpenAI 自己在發布會上給的口徑：研究訓練副總裁 Aidan Clark 告訴記者，Astra 是公司有史以來最大一輪訓練，德州 Stargate 第一次用超過十萬張 GPU 做預訓練。Fortune 也引述同一句。貼文裡的「100K+」和 Clark 的「10 萬張 GPU」，應對成同一量級，而不是十萬套機櫃。

四年那條線比較乾淨。ChatGPT 在 2022 年底公開，o1 把長思考做成產品，Astra 被公司標成 GPT-6。黃仁勳把這三段收成一句「From ChatGPT to o1 to Astra in 4 years」，等於用產品年表替 擴展定律 做廣告：堆更多晶片、更長訓練、能力就該跨過那條線。他沒有附上獨立評測、也沒有寫自己用的 AGI 定義。結論直接落在「AGI has arrived」。

下一步四十萬顆更含糊。貼文沒寫是哪一代、交給誰、哪個機房、哪一季交貨。可以確定的只有方向：訓練這代旗艦用掉十萬量級之後，下一輪上線的量是四倍。OpenAI 今年三月募資時稱 NVIDIA 是「基礎設施的根基」，並寫明訓練機隊與大部分推理堆疊仍跑在 NVIDIA GPU 上。黃仁勳這則貼文等於把那句合作聲明，改寫成公開出貨預告。

八月財報把這條供應鏈的規模寫死了。NVIDIA 2027 會計年度第二季營收 962 億美元，年增 106%；資料中心 890 億，年增 117%。執行長當時的說法是「compute is revenue」。第三季指引 1080 億美元，加減 2%，且不把中國資料中心計算營收算進去。四十萬顆若落地，對應的不是實驗室裡的哲學辯論，而是下一季能不能把指引吃滿。

同一間公司，兩種 AGI 說法

OpenAI 章程把 AGI 寫成「高度自主、能在大多數具經濟價值的工作上勝過人類的系統」。總裁 Greg Brockman 在 Astra 發布電話會結尾說「Welcome to the AGI era」，並補了兩句更私人的判斷：未來回頭看，AGI 大概就是在這個時候被做出來，而且「可能就是這個模型」；「就我個人而言，我確實認為我們已經到了。」產品頁把 Astra 稱成全球「最智能、也最對齊」的大型語言模型，標準 API 價是每百萬 Token 輸入 10 美元、輸出 50 美元，Fast 模式加倍到 20／100，和 Anthropic 的 Claude Fable 5.1 同一檔。細節在上線稿裡。

執行長 Sam Altman 最近上 Sources 播客時，用的是另一套詞。他說 AGI 充其量是「一個定義非常糟糕的詞」，原本甚至想說它像「無關緊要的行銷用語」。同一間公司裡，總裁用這詞宣告時代，執行長把它降成行銷噪音，晶片供應商則直接宣佈比賽結束。三句話可以同時為真，只因為沒有人被要求寫出同一張評分表。

這不是修辭問題。OpenAI 與 Microsoft、Amazon 的合約裡寫過 AGI 條款，達到某個門檻會觸發權利重談。Brockman 對 Financial Times 後來把 AGI 形容成「比較像使命概念或精神概念」，並承認每個人定義都不同。章程裡的「大多數具經濟價值的工作」一旦被說成精神概念，合約閘門就變軟。黃仁勳的貼文把這扇門又往外推了一寸：賣算力的人宣布終點到了，買家比較難再把同一套系統講成「還沒跨過那條線」。

OpenAI 自己做過一張比較接近章程文字的考卷。2025 年推出的 GDPval，用 44 種知識工作、1,320 道題，測法律書狀、工程圖、試算表、簡報、客服與護理計畫這類真的會開發票的任務。VentureBeat 與 TechTimes 都指出，Astra 發布材料沒放 GDPval。Artificial Analysis 自己跑的變體裡，Astra 在長時程知識工作上大幅前進，卻在銀行支援、科學程式這類 GDPval 分類裡沒有同步拉開。章程要的是「大多數有經濟價值的工作」，發布頁交出的是數學、抽象推理與網路安全上的高分。缺的那張表，剛好是定義裡最硬的那一欄。

科學問題被公司宣布接管

AI 研究者 Gary Marcus 在貼文後幾小時寫 Substack：黃仁勳沒給證據、沒給定義，「感覺像用公司命令接管一個科學問題」。他要黃仁勳去讀 Dan Hendrycks、Yoshua Bengio 等人整理的 agidefinition.AI，並對照他與前 OpenAI 政策研究員 Miles Brundage 的十項賭注。Marcus 的判斷是：自動形式化（autoformalization）也許快碰到了，可靠寫程式也「或許」；其餘八項，他不認為 Astra 已經跨過。結論寫得很短：「依慣用定義，Astra 仍然不夠格。」

他附上的現場感受，來自政策分析師 Peter Wildeford。Wildeford 在 Astra 能用的頭兩天把 GPT-6 Astra 和 Fable 5.1 並排做政策分析，公開說 Astra 對他個人工作「沒有意義上更好」，但兩套一起用仍然互補。Marcus 抓住這句：若真的是 AGI，能力應該是量級跳躍，而不是和對手旗艦打成平手。Artificial Analysis Intelligence Index 上 Astra 61.2、Fable 5.1 65.7，也對得上這條觀察。分數有進步，但沒有離趨勢線。

ARC Prize 創辦人 François Chollet 在 Astra 上線當天就預先擋了捷徑。有人問「若 ARC-AGI-3 飽和了，是不是 AGI？」Chollet 回：我們沒有這樣宣稱。目前只知道系統的基準分數。推出 ARC 3 時他們反覆強調一件事：解掉它不是證明。OpenAI 發布頁把 Adapter 路徑的 99.9% 寫成飽和；ARC Prize 自己的標準介面是 62.7%。同一天稍早的分數稿已經把兩套 harness 拆開。黃仁勳的「已到」若要靠這顆 99.9% 撐住，先得說明測的是模型本身，還是帶記憶與壓縮的組裝系統。

Marcus 還補了一筆歷史。大約半年前，黃仁勳已經對更早一代模型宣過一次勝利。這次貼文祝賀的是 OpenAI，語氣卻像把舊結論再貼一次。終點線若能被同一個人宣布兩次，終點線就不是線。

表上五個人用的不是同一把尺。讀者若只截黃仁勳那一句，會以為辯論結束；若只截 Altman 那一句，會以為這詞本來就不該認真。兩句都出自和 Astra 有直接利益關係的人。Marcus 與 Chollet 的用處，是把「宣布」和「證明」拆開。

Brockman 在發布會上真正拿來當「AGI 時代」入口的，其實不是 ARC 那顆 99.9%，而是電腦操作：模型能以超人類速度翻試算表、填表單、跨網頁點來點去。這比較接近智能體化 AI 的工作定義——不是會聊天，是會在你的桌面上連續做事。Marcus 的十項賭注走另一條路：可靠寫程式、把任意證明轉成符號形式、看懂沒訓練過的新電影、直觀物理這類「換一道沒見過的題仍能站住」的能力。他點名 Astra 可能碰到前兩項，其餘八項他不買單。兩套尺量的不是同一種聰明。電腦操作變快，不能自動證明直觀物理過關；直觀物理沒過關，也不妨礙企業把填表工作丟給模型。黃仁勳的貼文把這兩種聰明壓成同一個詞。

四十萬顆還沒寫主人

黃仁勳沒說這四十萬顆是給 OpenAI、給雲廠，還是散到多家前沿實驗室。NVIDIA 這一年的出貨故事本來就不是單客戶：Vera Rubin 已在 CoreWeave、Google Cloud、Microsoft Azure、Oracle 與 Nebius 的機架上跑；公司還和 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 談逾 5000 億美元的第三方算力融資。OpenAI 在俄亥俄還有一份最長 20 年的租約，NVIDIA 為 Ports-Pike 機房提供最高 1050 億美元殘值擔保，細節見先前的擔保稿。四十萬顆可以同時服務訓練下一輪權重，以及把 Astra 這種「很大的模型」鋪到付費用戶的推理池。發布時 OpenAI 發言人告訴 Fortune，分階段上線也是為了把算力撐起來。

產品行為和「已到」這句對不太上。Astra 先給 Daybreak 計畫裡的有限機構，付費方案與官方 API 寫的是「未來數天」，企業管理員預設關閉、要手動打開。進階網路安全工作鎖在 Daybreak Blue。若系統已經是 AGI，按 OpenAI 自己的章程，它該能在「大多數具經濟價值的工作」上勝過人類；實際出貨卻是限流、分批、把最強的網路能力另鎖一層。限流的理由很土：模型太大，推理池不夠。黃仁勳下一句「40 萬顆即將上線」，等於把這層土理由寫成出貨預告。

對開發者和採購來說，十萬張和四十萬張不是同一個帳單。訓練叢集的十萬張決定下一代權重長什麼樣；推理池的四十萬張決定你能不能在上班時間排到 gpt-6-astra，以及自主智能體連續跑數小時會不會被限流。標準價 10／50 已經是市場最貴那一檔。Brockman 對 FT 說「單次任務價格才重要」，官方也稱 Astra 每項任務用掉的 token 更少。在四十萬顆還沒對上機房與交期之前，這句話仍是假設：模型比較會省 token，不代表供應商比較會出貨。Wildeford 那種用法現在反而比較務實——Astra 和 Fable 5.1 並排跑，看哪一套先把你手上的任務做完，而不是先改內部政策去遷就一句推文。

黃仁勳與 Altman 前幾天才為 Carolina Principles 閉門談了九十分鐘，把算力路線圖寫進「不要新監管機構」的政治框架，見閉門會那篇。同一週 NVIDIA 簽字買下 Hugging Face，119 億給股東、10 億留人，2027 上半年才交割。賣鏟子的人一邊宣布 AGI 已到，一邊把開源模型庫和下一波 GPU 出貨綁進同一條供應鏈。科學定義可以含糊，資本支出不行。

中國實驗室走的是另一條晶片帳。DeepSeek 剛下單 16 萬顆昇騰 950DT，規劃 1 吉瓦機房只跑推理、訓練仍靠 NVIDIA，見昇騰那篇。黃仁勳這則貼文沒點名任何一家中國客戶，第三季指引也明確把中國資料中心計算營收排除。四十萬顆的地理歸屬，現階段只能讀成「NVIDIA 預期還能再吞下一個十萬張訓練叢集的四倍量」，不是已經簽好的提貨單。

缺交貨對象的終點線

Astra 能不能當 AGI，短期不會有法庭式判決。你能核對的是更土的東西。Clark 說訓練用了超過十萬張 GPU，黃仁勳的貼文與這句對得上；ARC Prize 的標準介面與 Adapter 對不上，公司發布頁選了較高的那格。GDPval 這張最接近「經濟價值工作」的考卷，發布材料沒交。Fable 5.1 在部分實務工作與綜合指數上仍領先或打平。四十萬顆 GPU 沒有客戶名、沒有交貨季、沒有寫是 Blackwell 還是 Rubin。進階網路能力仍鎖給少數測試者。企業工作區預設不開 Astra。

採購端若要把黃仁勳這句「已到」寫進預算說明，至少該要三樣附件：這四十萬顆的買方與機房、Astra 在 GDPval 或同等經濟任務上的公開分數、以及 OpenAI 對章程裡那句「大多數具經濟價值的工作」有沒有更新過操作定義。缺任何一項，這則貼文比較像財報季的需求預告，而不是一張科學證書。黃仁勳可以再宣布一次終點；晶片還是要一顆一顆上架，帳號也還是要一間一間打開。