吴恩达：AI 很热，但别把 AGI 说早了

AI深度研究员·2026年03月04日 08:11

把 AGI 想得太近，企业和人才都会走偏

吴恩达针对当前人工智能领域的过度炒作提出了冷静的批判，指出通用人工智能（AGI）距离实现仍有数十年之遥，不应将其作为当下的核心目标。他认为AGI 的定义正被营销辞令滥用和降级，真正的智能应具备像人类一样通过学习完成全新智力任务的能力，而当前模型依然极度依赖训练数据。比起等待虚无缥缈的超级智能，他建议企业与个人应聚焦于智能体工作流（Agentic Workflows），即利用现有模型自动化处理具体的、多步骤的实际任务。文章最后警示，若过度沉溺于 AGI 的宏大叙事，会导致资源错配与人才培养偏离，唯有脚踏实地进行流程改造，才能在技术落地的竞赛中占据优势。

AI 圈现在最热的词是 AGI。

投资人用它讲故事，创业公司用它讲增长，行业里到处在说 AGI 很快就要来了。

但吴恩达在 2026 年 3 月 3 日的访谈里，直接泼了一盆冷水。

作为推动规模化深度学习、打造 Google Brain、亲历三次 AI 拐点的关键人物，吴恩达这次访谈的核心观点是：现在谈 AGI，太早了。

他担心的不是技术本身，而是这个词正在被滥用。AGI 已经变成营销词，各家公司在不断降低定义门槛，如果继续这样炒作，行业会付出代价。

这段 50 多分钟的对话里，吴恩达说了三件事：

模型确实变强了，但距离能完成所有人类智力任务的 AGI 还有几十年。
真正该关注的，是智能体工作流，不是那些被反复提及的超级智能概念。
如果继续等待 AGI，企业和人才都会走偏方向。

本质上，他把 2026 年的局面说清楚了：什么会发生，什么不会发生，什么根本不可能发生。

理解这些差别，会影响企业今年的方向，也会影响个人未来一整年的选择。

第一节｜吴恩达给 AGI 下了一个新定义

想理解吴恩达的顾虑，得先搞清楚一个问题：到底什么才叫 AGI？

过去两年，这个词被用得太随意了。一段代码能跑通，或者模型答对几道难题，就有人说这是通用智能。吴恩达在对话里说得很清楚：真正的 AGI，要能学习并完成所有人类能做到的智力任务。

他还给出了一个具体的测试标准：让 AI 像远程工作者一样，用几天时间完成真实的工作任务，使用的工具就是普通的电脑软件。如果做到了，才算接近 AGI。

为什么这么测试？他举了个很简单的例子：一个从没开过卡车的成年人，接受几小时训练，大概也能把车开过一片森林。

这个例子看似普通，但说中了关键：人类的智能，靠的是学习能力。我们遇到从没见过的情况，也能临场反应、不断调整，在没什么经验的前提下快速摸索出办法。

但今天的大模型做不到这一点。

它们能写代码、能总结文档、能回答复杂问题，但这些能力都来自海量的训练数据和工程技巧。一旦离开这些条件，它们就没法像人一样学会新东西，更别说几小时内掌握全新的任务。

从这个角度看，吴恩达说的“被说早了”就很好理解：

模型确实在进步，但人们总喜欢把小进步说成大突破。

这种情况多了，AGI 这个词就被不断拉低标准。不是因为技术真的到了，而是因为宣传需要、融资需要、讲故事需要。时间一长，这个词就开始失去意义。

一个词能指代的东西越来越多、越来越乱，它就不再有价值了。

所以吴恩达说，AGI 的问题不在于什么时候能实现，而在于我们是否还在用对的方式理解它。

如果大家能把注意力从“什么时候到”转向“到底是什么”，很多争论反而会消失，很多误判也不会发生。

第二节｜2026 年该关注的是智能体工作流

AGI 还在远处，那眼前的变化是什么？吴恩达的答案很具体：智能体开始能干活了。

什么叫能干活？他说的是，那些有清晰步骤、有明确目标、能通过电脑完成的任务，正在被 AI 接手。

比如查合同条款、比对关税条目、核对财务数据、分类客服工单。这些本来需要人盯着屏幕、一步一步处理的活儿，现在可以交给 AI 做。

这和我们平时用的 ChatGPT、豆包等聊天机器人不一样。

以前用这些对话式 AI，是一句话一句话地问答。你问一句，它答一句，想完成一件事得不断追问。但智能体不同，更像是给它安排一个下午的工作：查什么、看什么、做什么、遇到情况怎么处理。它能自己把这些事做完，然后告诉你结果。

吴恩达管这个叫智能体工作流（Agentic Workflows）。说白了就是把做事的步骤列出来，让 AI 照着做。它不会替代所有岗位，但会把那些重复、费时、又必须做对的部分接过去，让人把精力放在更重要的事上。

更重要的是，这不需要等 AGI 出现。用今天的大模型，加上一些清晰的步骤安排，就能在很多行业里用起来。

2026 年的关键问题，是谁能最先把 AI 用进具体任务里。

AI 的竞争已经换方向了：谁能更早把工作流程改造好，让 AI 在实际业务里用起来。那些看着不起眼的流程，比如一套合同审查步骤、一次客服对话的引导、一次生产资料的核对，可能就是企业未来的核心优势。

拉开差距的，是谁先把现在就能落地的能力用起来。

第三节｜把 AGI 想得太近，企业和人才都会走偏

说完该做什么，吴恩达也指出了一个危险倾向：很多人在等。

大多数企业讨论 AI 时，总会问那什么时候能有 AGI？这个问题听着宏大，但会把团队带偏：既然未来会有一个全能的大脑，那现在是不是可以等等，是不是不用着急重建流程、不用调整人才结构、不用升级现有的工具？

吴恩达说，这种等待的代价往往比想象中大。真正的变化不在遥远的通用智能，而在那些正在一点点落地的能力，比如工作流程怎么优化、岗位职责怎么调整、员工技能怎么培训。这些看似琐碎的小事，才是决定三年后竞争力的关键。如果管理层盯着某一年会突然出现的大突破，就会忽略眼前正在发生的小变化。

这种等待心态，不只影响企业决策，也影响了人才培养。

大学和培训机构这几年课程越开越满、证书越发越多，但学生真正掌握的技能，和企业需求越差越远。问题出在哪？吴恩达指出，大家把未来想得太抽象了：觉得 AGI 会来，所以要理解 Transformer 原理；觉得模型会越来越强，所以不用学具体工具。

但企业真正急需的，是那些懂得把 AI 用进实际工作的人。

如果继续被 AGI 的概念带偏，企业会继续等待那个“全能大脑”而忽略眼前该建的工作流，大学会继续培养市场不需要的人才。这不只是错过机会的问题，吴恩达担心的是整个行业的发展节奏会乱掉。

需求看不清，投入放不对，基础建设跟不上，等到市场发现 AGI 没那么快，可能会出现一波失望情绪。过去 AI 已经经历过几次这样的寒冬：过度炒作导致预期落空，进而引发资金和信心的崩塌。这种情绪一旦起来，不只会打击炒作，还会压住真正有价值的创新，那些踏实在做智能体工作流、真正解决实际问题的团队，也会被一起拖下水。

吴恩达没有唱衰未来，他只是提醒：方向错了，跑得越快，离目标越远。