窄 AI vs 通用 AI：三种类型

三个层级，以及我们究竟在哪

2026 年令人困惑之处在于窄 AI 变宽了。单个模型能跨领域编程、写作、推理——这感觉很通用。但技能的广度不是检验标准。检验标准是可靠、无监督、端到端的负责，而这仍然缺失——所以今天的系统是宽的窄 AI，而非 AGI。

窄与通用：真正要紧的那条线

分界线不是“它能做多少事”，而是“能否被信任在无人介入下负责一整份工作”。一个在知识工作基准上拿 83% 的模型是窄而宽；一个能可靠地成为远程员工的模型才是通用。这道缺口正是 AGI-2027 判定所追踪的，也是它仍悬而未决的原因。通用之上是超级智能，在标准预测中经由智能爆炸到达。

如何观察从窄到通用的跃迁

从宽窄到真正通用的转变，是这道阶梯上最重要的一次转变——而这正是 AGI-2027 命题追踪指数要捕捉的，用一个只在证据变化时移动的可审计分数。它将于 2028 年 1 月 1 日前见分晓。

常见问题

窄 AI（ANI）在特定任务上出色，但无法跨一整份工作可靠地自主运作；通用 AI（AGI）能可靠、无监督地完成熟练人类几乎所有认知工作。截至 2026 年中，在用的一切仍是窄 AI——非常宽，但仍是窄的。

窄——非常宽的窄 AI。它在多个领域的知识工作基准上约 83%，感觉很通用，但无法在无监督下可靠地端到端负责一整份工作，而那正是定义通用 AI 的分界线。

窄 AI（ANI）——任务专用；通用 AI（AGI）——在认知工作上达到人类水平、可靠且自主；超级智能（ASI）——在几乎一切方面远超最优秀人类。2026 年我们处于宽的窄 AI；AGI 未被证明，ASI 是推测。

当一个系统能在无监督下可靠地端到端负责一整份工作时——即 AGI 门槛，由 AGI-2027 判定追踪，将于 2028 年 1 月前见分晓。相关预测横跨 2026–2040，集中在 2030–2033。