"AGI 什么时候来？"这个问题，在 2026 年已经从科幻论坛搬进了财报电话会、技术路线图和政府政策文件。有人预测一两年内出现，有人说还要几十年，分歧之大令人困惑。AGI（通用人工智能）一词源自上世纪人工智能先驱对"像人一样全面思考的机器"的构想，长期停留在哲学讨论；直到大模型时代，它才第一次有了可操作的定义和可评测的刻度。本文以业界逐渐形成共识的分级框架为坐标，梳理 2026 年人工智能真正所处的位置——不争论"是否到达 AGI"，而是看清"走到第几级、离下一级还差什么"。
七层台阶：从计算器到超级智能的 L1-L7
2023 年，OpenAI 率先提出 L1-L5 能力分级：聊天机器人、推理者、智能体、创新者、组织者。此后多家机构将其扩展为七层框架，把"是否 AGI"的是非题，变成了"走到第几级"的刻度题。核心思想一致：AGI 不是一天到达的终点，而是一段可观察、可评测的爬坡。
| 级别 | 名称 | 能力描述 |
|---|---|---|
| L1 | 计算器 | 按明确规则执行计算与查找 |
| L2 | 对话 | 流畅多轮对话、知识问答 |
| L3 | 推理 | 复杂推理与规划，自主调用工具 |
| L4 | 创新 | 独立提出新方法、产出新知识 |
| L5 | 组织 | 协调多方资源完成复杂目标 |
| L6 | 专家 | 单领域达到超人类专家水平 |
| L7 | 超级智能 | 全面超越人类智能 |
这个框架最重要的贡献，是把模糊的"通用"拆成了可验证的能力维度。每一级都有相对清晰的判断标准：L3 看复杂任务完成度，L4 看新知识产出能否被独立验证，L5 看多主体协作能力。有了刻度，行业才能用数据而不是口号讨论进度。
2026 年的位置：L3 成熟，L4 初现
综合公开评测与各实验室的技术报告，2026 年主流旗舰模型稳定处于 L3：代码生成、数学证明、科学推理、长程规划等能力达到或接近领域专家水平，且逐年刷新纪录。与此同时，部分前沿模型在特定任务上开始触碰 L4 门槛——能够独立设计实验、提出研究假设、给出可验证的新方案。
- L3 的成熟标志：复杂工程任务可以端到端交付，人工主要承担验收与纠错，而非逐行编写。
- L4 的判断标准：模型产出的新知识能否被领域专家独立验证并复用。按这个标准，2026 年只有零星案例，尚未成为常态。
- 客观表述：多数机构报告倾向认为，当前处于"L3 成熟、L4 初现"的过渡带，距离持续、稳定的自主创新仍有明显距离。
Anthropic 的预测：强 AI 时间表之争
2026 年最受关注的行业判断之一，来自 Anthropic。CEO Dario Amodei 多次公开表示，强 AI（powerful AI）可能在 2026 年底到 2027 年初出现。需要强调的是，Anthropic 对"强 AI"的界定与学术意义上的 AGI 并不完全等同——它更接近"在大多数有经济价值的任务上超越大多数人类"的实用定义，是一种"足够能干的 AI"，而非在所有领域自主进化的通用智能。
行业内部观点分化为三派：乐观派强调能力曲线的指数级增长，认为时间表还会提前；审慎派强调数据、能源与安全约束，认为爬坡会放缓；务实派则指出，AGI 能力不会均匀分布——某些领域先到、某些领域滞后，比"某年某月到达"更有讨论价值。但一个共识正在形成：2026-2027 是关键窗口期，无论以何种定义衡量，可感知的质变就在眼前。
从对话到 Agent：2026 年的范式转变
2026 年最明显的变化，不是某个模型的评测分数，而是行业重心从"模型会聊天"转向"模型会干活"。以 L3 能力为基础的智能体（Agent）大规模走出演示环境，进入生产系统。这次范式转变由三个能力共同驱动：
- 自主规划：把模糊目标自动拆解为可执行的步骤序列，并在执行中动态调整。
- 工具调用：操作代码仓库、浏览器、API 与数据库，能力边界从"说话"扩展到"做事"。
- 环境感知：观察执行结果、识别失败原因、自我纠错重试，形成闭环。
落地场景包括代码维护、客服工单处理、研究资料整理与业务流程自动化。这一转变意味着 AGI 讨论的重心，正从"模型能力"转向"系统能力"——同样一个模型，配以不同的工具与编排，释放出的价值可以相差一个数量级。
中美竞速：算力鸿沟与应用创新
围绕 AGI 路线的另一个焦点，是中美两国的差异化竞争。美国实验室集中押注前沿模型与超大规模算力集群，多家机构保持数万至数十万卡级别的集群投入，走"以算力换能力"的路线。中国则在高端算力供给受限的约束下，形成自己的节奏：应用层创新活跃，开源生态繁荣，成本优化深入——本土模型在中文场景与行业落地上并不落后。
- 算力鸿沟影响的是上限：决定能训练多大规模的模型、探索多激进的 Scaling 路径。
- 应用创新决定的是速度：决定现有能力转化为经济价值的速度，以及反哺模型迭代的数据飞轮。
- 路线分化可能长期存在：两条路线可能殊途同归，也可能演化出不同形态的 AGI 定义与到达路径。
结语
与其被 AGI 的定义之争分散注意力，不如盯住可量化的指标：智能体能独立完成的任务比例、每千行代码需要的人工介入次数、每个工单的处理成本。2026 年，实用智能体的价值已经可以被财务部门核算——这比任何 AGI 宣言都更扎实。无论"AGI 元年"最终落在哪一年，把模型当工具用起来的人，已经站在了下一级台阶上。