随着GPT-6的发布，一个被讨论多年的概念——通用人工智能（AGI）再次成为焦点。人们通常关注的是AI在推理、编程和基准测试中的表现，以及它离“人类水平”还有多远。然而，如果回顾人工智能七十年的发展历程，会发现真正的问题可能被问反了。AGI的关键转折点或许不在于机器何时变得像人类一样聪明，而在于它何时能像人类一样，稳定、低成本、持续地创造经济价值。
这两个标准存在本质差异。一个模型可能在实验室中表现优异，却无法在企业环境中持续工作；它能解决复杂的数学问题，却未必能独立完成客户调研、数据分析、方案制定、系统调用和邮件发送等任务。因此，GPT-6之后，真正值得研究的是AI如何从回答问题工具转变为可购买、复制、调度和计价的智能劳动力。工业革命实现了体力的大规模复制，互联网实现了信息的近乎零成本复制，而AGI时代可能带来智能的大规模复制。
如果这一转变成为现实，GPT-6开启的将不仅是新一轮大模型竞争，而是AGI经济时代的首次压力测试。人工智能七十年的发展，本质上是在等待全要素的成熟。1956年，人工智能概念首次提出，但早期发展因机器昂贵、算力薄弱、数据匮乏和基础设施不成熟而受阻。就像拥有超级跑车发动机图纸，却缺乏高标号汽油和高速公路，技术再先进也无法发挥作用。
技术史表明，发明本身不等于产业革命。蒸汽机、电力和互联网的变革性影响，都是在相关基础设施和商业场景成熟后才显现的。人工智能同样如此，它需要多个变量同时跨越临界点才能实现真正爆发。互联网虽然不是人工智能的发明者，却为其提供了第一条“高速公路”。上世纪九十年代，互联网的普及使人类语言、行为和偏好大规模数字化，为AI提供了前所未有的数据资源。
2012年，AlexNet在ImageNet比赛中的成功，标志着深度学习的崛起。AI从此从“人类编写规则”转向“机器从数据中学习规则”。然而，当时的AI仍像被锁在机房里的超级发动机，缺乏普通人可直接使用的简单入口。2017年，Transformer架构的出现加速了AI底层能力的跃迁，但真正将AI带入普通人生活的，是2022年底ChatGPT的推出。它改写了人与机器的交互方式，使自然语言成为AI的通用接口，实现了“人人可用”的跃迁。
尽管如此，AI仍面临最后一道障碍：它像高智商副驾驶，却不是能独立交付结果的员工。Agent的出现开始冲击这一障碍。与传统软件不同，Agent能自主接收目标、拆解任务、调用工具、操作软件、检查结果并修正错误，最终交付成品。这标志着AGI从技术概念向经济系统的渗透，企业开始将AI视为一种可采购的劳动力，而非单纯的软件工具。
企业采购AI的决策依据不再是“智商”，而是投资回报率（ROI）。假设两个模型，一个基准测试高5%，另一个能连续工作八小时并完成多项任务，企业会选择后者。因此，AI产业可能形成一套新指标，如任务完成率、连续工作时间、人工接管率和单位任务成本等，最终汇聚为一个核心问题：100美元的机器智能能为企业节省多少人类劳动成本？
当这一数字稳定大于1时，AI将真正跨越商业化临界点，从软件预算转向人力成本表。AGI争夺的将不再是软件市场，而是全球劳动力市场。企业扩大业务时，除了招人，还可选择使用AI代理。金融、法律、咨询和客服等行业可能因此被重新定价，因为它们大量购买的是受过教育的人类时间，而AI提供了另一种选择：购买智能时间。
如果这一判断成立，AI行业的估值方法也将发生变化。投资人将更关注Agent的真实工作时长、任务成功率和成本效益，而非模型大小或算力。数字劳动力ROI将成为关键指标。当Agent能以更低成本完成标准化任务时，企业采购AI的逻辑将从“尝试新技术”转变为“优化成本结构”。
AI产业的第一阶段是“卖铲子”，即GPU、服务器和数据中心等上游领域。但随着模型成熟，第二阶段的问题将变为“如何利用模型创造利润”。未来，大型企业可能同时运行数十万个Agent，催生新的产业层：数字劳动力管理系统。身份认证、权限管理、支付审计和责任分配等问题将涌现，为AGI经济时代提供新基础设施。
AGI的讨论常围绕“是否会让人失业”，但技术革命通常不会一夜之间消灭所有工作，而是改变能力的市场价格。工业革命降低了体力溢价，计算机降低了重复计算价值，互联网使信息分发更便宜。AGI将首先消灭某些能力的稀缺性，而非“人”本身。写代码、整理资料和制作PPT等能力过去因需要多年教育而值钱，但数字智能的可复制性将改写供给曲线，降低这些能力的价格。
AGI时代，财富将流向新的“生产资料所有者”。工业革命后，财富从手工业者流向机器和工厂所有者；互联网时代，财富流向拥有平台和数据的人。如果智能成为可购买的生产要素，算力、能源、模型、独家数据和Agent入口的拥有者将主导财富分配。技术决定效率，但生产资料所有权决定财富流向。
回顾AI七十年，真正值得关注的是判断科技革命的方法。技术进入经济系统需跨越成本、基础设施、能力、入口和商业化临界点。寻找下一轮革命时，不应仅盯着技术名词，而应审视成本、基础设施、稳定性和商业化潜力。真正的大机会往往不在技术首次发明时，而在所有生产要素凑齐的那一刻。AI七十年等待的，或许不是AGI本身，而是它开始创造经济价值的那一刻。
