AGI（Artificial General Intelligence，通用人工智能）通常指一种能像人一样跨任务、跨模态学习与推理，并在陌生问题上也表现良好的 AI。但“通用”到底指什么，各家定义差得很远，所以争论常常不在一个频道上。
先看“通用”的三种常见含义。
跨任务：一个系统不只会下棋、不只会翻译，而是能写邮件、做表格、写代码、规划行程。以前每种任务往往要单独训练一个 ANI（Artificial Narrow Intelligence，狭义人工智能）。这像公司里的专才和通才：专才做报销很熟，换个合同就抓瞎；通才不是每个领域都顶尖，但能快速上手新任务。
跨模态：能同时处理文本、图像、音频、视频、动作等多种信息，并把它们串起来。比如你拍一张冰箱照片，再口述“今晚想清淡点”，它给出菜谱和采购清单。多模态（multimodal）是“通用”的重要维度，但能看图说话不等于真通用。
能自我学习：这是争议最大的一层。部署后遇到新情况，能不能像人一样持续学、记住经验、举一反三，而不是只靠出厂前训练好的固定知识？持续学习（continual learning）和长期记忆如果做不到，很多人就不认它是 AGI。另一些定义更看重“能否完成大多数有经济价值的工作”，具体表述以相关机构官方页面为准。
一个生活化比方：专用 AI 像只会做一道菜的厨师；AGI 像能看菜谱、根据冰箱剩菜自由发挥的厨师。但关键分歧是：它只是背下了海量菜谱，还是真懂烹饪原理、能自创新菜？前者是“覆盖面很广的专用”，后者才更接近“通用”。
| 概念 | 典型特征 | 常见争议 |
|---|---|---|
| ANI 狭义 AI | 单一或少数任务，边界清晰，常需专门训练 | 算不算“智能” |
| AGI 通用 AI | 跨任务、跨模态、能迁移，定义不一 | 要不要自我学习？要不要达到人类水平？ |
| ASI 超级智能 | 理论上全面超越人类 | 更偏推演，离现实讨论较远 |
对从业者，评估模型时别只问“这题会不会”，要问“没见过的任务表现如何”“换模态还行不行”“部署后能不能更新”。对普通人，AGI 不是某天突然打开的开关，更像一条连续光谱。今天的大模型在任务和模态上已经比过去通用很多，但在持续学习、长期记忆和自主目标上仍有明显差距。所以下次聊“离 AGI 还有多远”，先对齐一句：你说的“通用”，是跨任务、跨模态，还是能自己学？