一场跨越太平洋的世纪豪赌：OpenAI如何用1100亿买下人类未来

一场跨越太平洋的世纪豪赌：OpenAI如何用1100亿买下人类未来 2026年2月的最后几天，全球科技圈被一则消息刷屏了。 OpenAI，从亚马逊、英伟达、软银三大巨头手中，揽下了1100亿美元。 这不是AI领域的融资纪录，这是人类商业史上迄今为止最大的一笔单轮融资。7300亿美元的估值，把OpenAI送到了全球第三大最有价值公司的门槛——仅次于苹果和微软。 山姆·奥特曼（Sam Altman）站在聚光灯下，面对着台下数百位媒体记者和投资人，淡定地抛出一句：「对赌AGI的成败，就在今年。」 台下掌声雷动。 但几乎没有人注意到——或者说，没有人愿意追问——一个问题： 「AGI到底是什么？」 这就是本文要讲的故事。一个关于1100亿美元、7300亿估值、以及人类最疯狂野心的故事。 壹、「我们正在赌一个叫AGI的东西」 让我们先把时针拨回到2019年。 那一年，一个名叫弗朗索瓦·乔莱（François Chollet）的法国程序员，做了一件当时看起来「毫无意义」的事情。 乔莱是谁？他是Keras的创始人——全球超过250万开发者在使用他写的这个开源深度学习库。2019年，他发表了一篇论文，叫《On the Measure of Intelligence》，然后随手在GitHub上放了一个数据集。 这个数据集，就是后来让整个AI圈子又爱又恨的ARC-AGI。 ARC-AGI的设计理念极其「变态」：它专门挑那些「对人类来说极其简单，对AI来说极其困难」的任务。比如，给你三个图形，让你找出第四个应该是什么——这种三岁小孩都能答对的题目，AI却常常全军覆没。 乔莱的核心观点是：**衡量特定任务的技能不是智能的良好代理。** 技能严重受到先验知识和经验的影响。无限的先验或无限的训练数据允许开发者「购买」系统的技能水平——这掩盖了系统本身的泛化能力。 用他的话说：「智能在于广泛或通用的能力；它的标志是技能获取和泛化，而不是技能本身。」 2020年，首届ARC-AGI竞赛在Kaggle上举办。获胜团队「ice cuber」在测试集上仅达到了21%的成功率。 2024年，ARC Prize 2024的奖金超过12.5万美元，但年度最高分是多少？ 53%。 也就是说，即使是当前最先进的AI系统，在专门为测量「通用智能」而设计的测试上，也只能完成不到一半的任务。 2025年，ARC Prize扩展为非营利基金会，基于ARC-AGI-2推出了ARC Prize 2025 Kaggle竞赛，奖池超过72.5万美元。 这个数字意味着什么？意味着整个AI行业公认：我们的「通用智能」，可能连一半都没到。 贰、一场定义权的战争 现在让我们回到2026年2月的印度AI峰会。 诺奖得主、谷歌DeepMind掌门人德米斯·哈萨比斯（Demis Hassabis）扔下了一颗炸弹。 他提出了一个极其硬核的测试——「爱因斯坦测试」： 「把AI的知识库卡死在1911年之前，看它能不能像爱因斯坦一样，独立推导出1915年的广义相对论。」 能做到？恭喜，你就是AGI。 做不到？那你就还是个高级搜索引擎。 哈萨比斯选广义相对论是有讲究的。1911年，爱因斯坦开始严肃思考引力与加速度的问题；1915年11月，他正式发表了广义相对论场方程。从系统性构思到完整理论成型，大约用了4年。 这个测试的逻辑在于：它不是在考AI的知识量，而是在考它的原创科学发现能力——能不能在已知信息的边界上，跨出那一步「无中生有」的飞跃。 他甚至直言：目前所有的AI系统，包括谷歌自己的Gemini，都是「参差不齐的智能」（jagged intelligence）——某些方面超强，另一些方面却一塌糊涂。离真正的AGI，还差至少一两个关键突破。