一句话定义：AI-Complete（AI 完备）指一类任务，难到“只要可靠地解决它，基本就等于做出了通用人工智能（Artificial General Intelligence, AGI）”。它不是严格的数学分类，更像工程圈的经验标签。
打个比方：你想修走廊那盏灯，查到最后发现全楼灯串在同一个总闸上。修好走廊灯，等于重做整栋楼的电路。AI-Complete 任务就是这样：表面是一个具体需求，背后却要求理解世界、推理、记忆和意图。
机器翻译（Machine Translation, MT）常被点名。把“他给手机装了个壳”和“他给手机装了个软件”翻成英文，难点不在词，而在“装”的歧义、上下文和常识。再遇到双关、反讽、文化梗，系统必须知道谁在说、对谁说、为什么说。能稳定处理这些，通常意味着它已经具备通用语言理解。类似任务还有自然语言理解、对话、常识推理、开放环境机器人操作等。
为什么这么多问题都自称 AI-Complete？一是它们共享长尾：开放世界知识、歧义、意图、多模态 grounding、主观评价。二是可以互相归约：若你能通用地做好 A，往往就能把 B 编码成 A。三是修辞：说自己是 AI-Complete，能显得重要、争取资源。但并非所有难题都是 AI-Complete。算圆周率到更多位、优化物流路线，可能很难，却不需要通用智能。
也要区分 AI-Hard（AI 难）和 AI-Complete。前者通常指“需要人类级智能才做得好”；后者更强：解决它相当于解决 AI 这个整体问题。两者都不是严格定理，别当成证明。
| 对比 | AI-Complete | NP-Complete |
|---|---|---|
| 性质 | 非正式经验标签 | 形式化复杂度类 |
| 核心 | 解决它≈实现通用智能 | 可互相归约，且属于 NP |
| 证明 | 很难严格证明 | 可用归约严格证明 |
| 关心 | 能力边界 | 计算资源 |
| 例子 | 通用翻译、常识推理 | 布尔可满足性、旅行商判定 |
对从业者：看到 AI-Complete，不要承诺“全自动、一劳永逸”。更现实的做法是限定场景、拆解任务、人机协同、持续评测。对普通人：它是一块警示牌——这里没有狭窄捷径；局部产品能用，不等于通用智能已解决。具体系统能力，以官方页面和实测为准。