顶尖 AI 实验室的 CEO 说 AGI 还有 3 到 5 年。独立的学界研究员说 10 到 30 年。这道落差对马来西亚的知识工作者到底意味着什么，我们来讲清楚。
AGI 这个话题有个尴尬的地方。现在大部分顶尖 AI 研究员和科技巨头 CEO 都说 AGI 可能 3 到 5 年内出现。而大部分知识工作者，也就是饭碗最直接暴露在风险里的那群人，行为上却不像在意这件事。
这道落差本身，才是重点。
什么是 AGI？
AGI 是 Artificial General Intelligence，通用人工智能。各家实验室用的工作定义很简单：一个能把大部分有经济价值的数字工作做到一般熟练员工水平或以上的 AI 系统。
这包括起草文件、写程序和审代码、分析表格、做简报、做研究、回答客户问题，以及在它没被专门训练过的题目上做推理。门槛不是“在物理学上比爱因斯坦还强”，门槛是“在大部分知识工作上，能力等同一个称职的远程员工”。
AGI 和 ChatGPT、Claude、Gemini 有什么不同？
这是最多人卡住的问题。如果 Claude 现在已经会写程序、起草邮件、总结 PDF，那不就已经是 AGI 了吗？
还不是。今天的前沿模型是好用的工具，但严格意义上还不是 AGI。差别在这几处：
| 能力 | 今天的 AI（2026 年的 Claude、ChatGPT、Gemini） | AGI（各家实验室预测的） |
|---|---|---|
| 聊天窗口里的单个任务 | 强。常常比初级员工做得好。 | 强（这是基本盘，不是重点） |
| 长周期、多步骤的工作 | 弱。自主跑几个小时就会跟丢主线。 | 连续做几天几周都稳得住 |
| 跨会话的记忆 | 基本记不住。每次对话都从零开始。 | 长期记得你、你的生意、之前做过的决定 |
| 没训练过的新任务 | 常常做不出来，或者很有自信地给你一个错答案 | 像聪明的新同事那样自己摸清楚 |
| 情况模糊时的判断 | 要人来拍板 | 自己拍板，也为结果负责 |
| 无人盯着的情况下运行 | 有风险。错误会悄悄累积。 | 稳到可以把例行工作整段交出去 |
| 每次有用产出的成本 | 按次计费 | 更像请一个拿月薪的人，按成果付钱 |
一句话概括：今天的 Claude 是一个你对准某个任务去用的工具。AGI 是一个你可以把整件事交出去的同事。
今天的前沿模型大概能覆盖 30% 到 50% 的数字知识工作，判断、修改和签核还是要人来做。AGI 的门槛接近 80% 到 90%，而且不需要人在旁边看着。听起来只差一截，实际上这一截就是“辅助软件”和“整个岗位被替掉”的分界线。
AGI 不是什么
顺手澄清三个常见误会：
- AGI 不是科幻片里的“机器人霸主”。大多数定义讲的是数据中心里的认知能力，不是实体身躯，也不是在物理世界里自主行动。
- AGI 不是“更大一号的 Claude 或 GPT”。光靠堆规模未必到得了。各家实验室押的是规模加更好的训练方法，再加长期记忆和更长的上下文，合起来才补得上这个缺口。这个赌注目前还没被验证。
- AGI 不等于超级智能。超级智能是 AGI 之后的下一步，指系统在大部分任务上都明显比任何人类聪明。AGI 是“和一个称职的专业人士一样好”，超级智能是“比全世界最强的人还强”。
当 Sam Altman、Dario Amodei 或 Demis Hassabis 说“AGI 还有 3 到 5 年”，他们指的是接近上面第一个定义的东西。很多学界的 AI 研究员认为窗口远得多，10 到 30 年。这是一场真实的争论。不在争论范围内的是：出钱推动这场竞赛的公司正在往这个赌注上投几千亿美金，而这一部分，不管哪条时间表最后对，现在就已经在影响你的生意。
AGI 对马来西亚人为什么重要
马来西亚的处境确实会改变这幅图。AGI 是全球性的发展，但它落到这里的样子，和落到旧金山或新加坡不一样。
**1. 马来西亚是知识工作型经济。**服务业大约占马来西亚 GDP 的 60% 到 65%，其中很大一块是共享服务、fintech、软件、设计和 BPO。这些恰好就是 AGI 被设计来做的活。和还靠大宗商品或重工业撑着的经济体比，马来西亚的暴露程度结构性地更高。
**2. 采用上的滞后是缓冲，不是护盾。**马来西亚企业采用全球新软件，通常比美国晚 12 到 24 个月。放在 AGI 上，这个滞后短暂变成好事：旧金山的员工没有的反应窗口，我们有。危险在于把滞后当成保护。等前沿 AI 好到马来西亚中小企业可以大规模上手，这扇窗关得很快。
3. 马来西亚正在按“AGI 是真的”来投钱。2026 年财政预算案明确拨款支持 AI Nation 计划，包括主权 AI 云、MDAG-AI 拨款，以及柔佛和雪兰莪的数据中心建设。这是已经承诺出去的国家资本，不是喊口号。你在马来西亚工作，就已经在这场国家级的 AI 押注里面了。
**4. 马来西亚受影响的职业，人数大而且显眼。**光是吉隆坡，法律服务、会计、初级软件工程、市场营销、BPO，以及 GLC 的中层管理，就雇了几十万人。这些正是前沿 AI 在全球已经开始压缩人手的岗位。我们之前写过的马来西亚开发者，在初级这一端已经感受到了。
**5. 监管这一层是双刃的。**PDPA、新的网络安全法令、LHDN 的 e-Invoice 强制令，还有 MCMC 的内容条规，都给现成的外国 AI 增加了摩擦。如果你明天就想把 ChatGPT 接到客户数据上，这是坏消息。如果你的专业价值来自懂本地合规环境，这是好消息。在国外训练出来的 AGI，对马来西亚监管细节的了解，会在很长一段时间里少得出奇。
我们的看法
在 Gotchaa Lab，我们每天替马来西亚企业做软件，自己也大量用 AI 工具。所以这是做事的人的视角，不是随口一说。
喊得最响的“3 年就到 AGI”，多半太激进了。各家实验室有结构性的动机唱多：唱得越多，资本越多、人才越多、政治空间越大。以我们 2026 年 5 月坐在这里看到的情况，最强的模型在长周期自主工作、审计留痕，以及生产系统真正需要的那种稳定判断上，还是很吃力。
而喊得最响的“AI 只是炒作”，错得更离谱。18 个月前还是玩具的编程 agent，现在在马来西亚的公司里已经实实在在在出货。文件审阅、初稿生成、设计构思、基础数据分析，这些已经是被压缩过的工作，不是未来才会发生的事。
诚实的中间读法：严格意义上的 AGI 可能是 5 到 10 年，不是 3 年。但 AI 现在已经能做的事，和大部分马来西亚知识工作者以为它能做的事，中间这道落差非常大，而且每一季都在拉开。这道落差才是真正的风险敞口。你不需要明天就换工作。你只需要成为那种，变化一开始动就会察觉到的人。
如果你在马来西亚做生意，想搞清楚 AI 今天在你的运营里到底哪里能回本，而不是干等着看谁的时间表说对了，找我们聊聊。什么该自己做、什么该买现成的、什么该放着不动，我们会照实说。
