鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI
新年新气象！AI领域权威专家吴恩达正式公布其2026年核心目标：推出面向通用人工智能（AGI）的全新评估体系——图灵-AGI测试。
该测试专为衡量真正具备人类水平工作能力的AI系统而设计，旨在填补当前AGI定义模糊、基准测试失真等关键空白。
在2025年度总结中，吴恩达指出：“2025年或许将被历史铭记为人工智能工业时代的开端。”他强调，模型性能持续突破、AI应用深度融入生产环节、顶尖人才竞争加剧、基础设施投资拉动GDP增长，已成为全球共识。
2025年或许会被铭记为人工智能工业时代的开端。
创新推动模型性能到达新的高度，AI驱动的应用变得不可或缺，顶尖企业人才争夺激烈，基础设施建设推动社会生产总值增长。
尽管AGI已成为学术界与产业界高频关键词，硅谷多家公司甚至将其纳入季度OKR，但行业至今缺乏公认的AGI定义和有效评估标准。现有主流基准（如GPQA、AIME、SWE-bench）普遍依赖固定题库，易被针对性优化，导致“刷榜”现象频发——典型如去年Llama 4榜单表现优异却实际落地乏力，严重误导公众认知。
要衡量智能，首先要定义智能。
图灵-AGI测试设想
传统图灵测试诞生于20世纪50年代，以人机对话欺骗性作为智能判据，已难以适配当下AI从“能聊”向“能干”演进的趋势。图灵-AGI测试聚焦核心命题：衡量AI完成经济有用知识型工作的能力。
测试环境为一台配备浏览器、Zoom及互联网接入的标准计算机。裁判将为AI系统或人类专家设计多日连续的沉浸式体验任务——例如接受短期培训后担任客服，需真实接听电话并提供实时反馈。能否稳定、自主、高质量完成全流程任务，是判定通过的关键标准。
该测试强调两大特性：
- 经济实用性：回归AGI本质定义——可部署于真实工作与生产场景的智能；
- 通用性验证：任务由裁判动态生成，无预设范围，避免“应试训练”，更真实检验跨任务泛化能力。
相比封闭题库式基准，图灵-AGI测试更接近普适性智能的本质要求。吴恩达计划未来组织公开测试，邀请主流AI系统参与。即便短期内尚无系统达标，此举亦有助于校准社会预期、降温过度炒作，引导行业回归务实路径——聚焦非AGI级别的实用技术突破与高价值应用开发。
长远看，该测试将为AI研发设立清晰、可验证的目标：不再空谈“人类级智能”，而是以能否胜任复杂知识工作为标尺。一旦有系统通过，其成果必具真实生产力意义，成为AGI实质性突破的权威判据。
后续进展，值得持续关注。