← Archive
lm-004801 · 2026-10

AGI 不是一個事件：從前沿通用智能到智能基礎設施與 AGI Sea

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇
📎 附件 · Companion files — 隨文交付的程式 / 證明 / 資料，可獨立下載重驗
title
AGI 不是一個事件：從前沿通用智能到智能基礎設施與 AGI Sea
english_title
AGI Is Not an Event: From Frontier General Intelligence to Intelligence Infrastructure and the AGI Sea
author
Neo.K with Aletheia
institution
EveMissLab / 一言諾科技有限公司
series
AGI 普世化與智能基礎設施經濟學
series_position
Paper 01 / 06
document_type
Theoretical Paper / AI Economics / Infrastructure Transition
version
v0.1
date
2026-09-11
status
Working Paper
canonical_source
UTF-8 Markdown
canonical_math_delimiters
inline $...$ ; display $$...$$

AGI 不是一個事件：從前沿通用智能到智能基礎設施與 AGI Sea

AGI Is Not an Event: From Frontier General Intelligence to Intelligence Infrastructure and the AGI Sea

系列：《AGI 普世化與智能基礎設施經濟學》
系列位置： Paper 01 / 06
版本： v0.1
日期： 2026-09-11
作者： Neo.K with Aletheia
機構： EveMissLab／一言諾科技有限公司
文件性質： 理論論文／AI 經濟學／基礎設施轉型／AGI 定義重構
狀態： Working Paper
Canonical source： UTF-8 Markdown
Canonical math delimiters： inline $...$；display $$...$$

摘要

AGI 討論長期存在一個強烈的「單點事件偏誤」：研究者、企業與媒體往往試圖尋找某一個可以被標記為「AGI 出現」的日期、模型或能力門檻。然而，若真正關心的是 AGI 對經濟、勞動、組織、科研、軟體生產與制度的文明級影響，單一前沿模型是否首先跨過某個能力門檻，未必是最重要的事件。

本文提出一個不同的 AGI 判讀框架：

AGIevent≠AGIinfrastructure\boxed{ AGI_{\mathrm{event}} \neq AGI_{\mathrm{infrastructure}} }

其中， AGIeventAGI_{\mathrm{event}} 指某個前沿系統首次達到高度通用、跨領域、可持續完成複雜任務的能力狀態； AGIinfrastructureAGI_{\mathrm{infrastructure}} 則指通用智能能力已同時具有足夠低的成本、足夠高的可取得性、可靠性、可部署性、可複製性與工作流吸收程度，使其從稀缺前沿產品轉化為可被社會大量調用的認知基礎設施。

本文主張，真正具有大規模替代效應的，不一定是第一個最強模型，而是：

General Intelligence→Affordable→Available→Replicable→Embedded\boxed{ \text{General Intelligence} \rightarrow \text{Affordable} \rightarrow \text{Available} \rightarrow \text{Replicable} \rightarrow \text{Embedded} }

也就是通用智能從少數前沿供應，逐步形成可持續能力帶，並最終成為大量企業、個人、政府與自動化系統可以按需取得的基礎能力。

本文進一步提出 AGI Sea 概念。AGI Sea 並不要求所有模型完全同質，也不要求世界只存在一個「真正 AGI」。它描述的是由 frontier models、upper-workhorse models、cheap mass models、specialized agents、personal AI、enterprise AI、embodied AI 與其他可部署智能共同形成的高密度智能供應環境。其核心相變不是：

∃A: A=AGI,\exists A:\ A=\mathrm{AGI},

而是：

GeneralIntelligenceSupplyDensity≥Θcivilization\boxed{ \mathrm{GeneralIntelligenceSupplyDensity} \geq \Theta_{\mathrm{civilization}} }

亦即，當社會可取得的通用智能供應密度跨過足以重構工作、組織與生產的門檻時，文明即可能先進入「AGI 基礎設施時代」，即使 AGI 的哲學定義仍未取得共識。

本文同時提出「前沿能力擴散半衰期」、「能力帶遷移」、「智能單位成本」、「可浪費智能」、「經濟替代門檻」等後續分析接口。本文不主張 2026 年已完成 AGI 的客觀定義，也不主張所有人類工作必然被替代；本文研究的是一個更窄且可檢驗的命題：若通用 AI 能力持續提升且舊前沿能力持續降價、普及與基礎設施化，則文明級影響主要由能力擴散，而非單一前沿突破決定。

關鍵詞： AGI、AGI Sea、智能基礎設施、能力普世化、前沿擴散、能力帶、智能商品化、AI 經濟學、Agent、能力民主化、勞動替代

1. 問題：我們是否把 AGI 問錯了？

AGI 經常被表述成一個分類問題：

某個模型到底算不算 AGI？

這個問題並非沒有意義。若存在一個系統可以跨領域理解、規劃、學習、調用工具並完成長程任務，這當然是重要的技術事件。

但如果研究目標是：

  • 生產方式；
  • 勞動市場；
  • 軟體工程；
  • 科研；
  • 組織結構；
  • 國家能力；
  • 社會分配；
  • AI 治理；

那麼真正重要的問題可能不是：

When does the first AGI appear?\boxed{ When\ does\ the\ first\ AGI\ appear? }

而是：

When does general intelligence stop being scarce?\boxed{ When\ does\ general\ intelligence\ stop\ being\ scarce? }

這兩個問題的答案可以相差數年。

2. AGI Event 與 AGI Infrastructure

本文定義：

AGIeventAGI_{\mathrm{event}}

為：

某個前沿 AI 系統首次跨過一組足以被合理視為高度通用智能的技術門檻。

而：

AGIinfrastructureAGI_{\mathrm{infrastructure}}

為：

通用智能能力已經可以被大量、持續、低摩擦地部署到現實工作流中，且其成本與供應密度足以改變經濟選擇。

因此：

AGIevent⇏AGIinfrastructure\boxed{ AGI_{\mathrm{event}} \not\Rightarrow AGI_{\mathrm{infrastructure}} }

一個極昂貴、稀缺、僅能由少數機構使用的超強模型，可以是技術前沿，但仍未構成普世基礎設施。

反之，一群能力略低於最強前沿、但價格極低、可大量並行、可穩定調用的模型，可能比單一最強模型產生更大的經濟衝擊。

3. 真正重要的是能力供應，而不是單一最大值

傳統 benchmark 思維常關注：

max⁡iIi(t),\max_i I_i(t),

其中：

Ii(t)I_i(t)

表示時間 tt 時模型 ii 的能力。

但文明影響不只由：

max⁡iIi(t)\max_i I_i(t)

決定。

更重要的是某個能力門檻以上，有多少可持續供應者：

Fθ(t)={i∣Ii(t)≥θ}.F_{\theta}(t) = \left\{ i \mid I_i(t)\geq \theta \right\}.

若：

Nθ(t)=∣Fθ(t)∣,N_{\theta}(t) = \left| F_{\theta}(t) \right|,

則真正值得觀察的是：

dNθ(t)dt.\frac{dN_{\theta}(t)}{dt}.

若高能力供應者數量快速增加，市場便會從「孤峰競賽」轉成「能力帶競賽」。

4. 從孤峰到能力帶

本文採用三層能力帶：

Ft=Frontier Band,F_t = \text{Frontier Band}, Ut=Upper Workhorse Band,U_t = \text{Upper Workhorse Band}, Mt=Mass / Cheap Capability Band.M_t = \text{Mass / Cheap Capability Band}.

其理想化演化為：

Ft→Ut+Δt→Mt+2Δt\boxed{ F_t \rightarrow U_{t+\Delta t} \rightarrow M_{t+2\Delta t} }

其中：

  • FtF_t：當期最強能力；
  • UtU_t：高品質生產級能力；
  • MtM_t：可大量、低成本、常態化部署的能力。

真正的歷史轉折不是某一層單獨提高，而是：

Δtdiffusion↓\boxed{ \Delta t_{\mathrm{diffusion}} \downarrow }

也就是前沿能力向下擴散的時間縮短。

5. 前沿能力擴散半衰期

本文提出：

T1/2F→CT_{1/2}^{F\rightarrow C}

表示某一類 frontier capability 從「極稀缺前沿能力」下降為「廣泛可取得能力」所需的近似時間。

這不是物理半衰期，而是一個產業與經濟觀察指標。

若：

T1/2F→C↓,T_{1/2}^{F\rightarrow C} \downarrow,

則意味著：

昨天仍需要最強模型才能完成的工作，更快成為一般企業與個人的普通能力。

因此，前沿競爭的文明影響不只是：

Ft↑,F_t\uparrow,

而是：

Ft↑+T1/2F→C↓.\boxed{ F_t\uparrow \quad+\quad T_{1/2}^{F\rightarrow C}\downarrow. }

前者推高天花板，後者抬高地板。

6. 前沿模型的第二個作用：建立追趕錨點

前沿模型的經濟角色不只是在最上方競爭。

它還會建立一個新的可達性錨點：

FrontierProof⇒CapabilityIsPossible\boxed{ \text{FrontierProof} \Rightarrow \text{CapabilityIsPossible} }

一旦某種能力已被證明可達，其他供應商面對的問題便從：

能不能做到？

轉成：

能不能更便宜、更快、更容易部署地做到？

因此，若追趕者無法正面贏得 frontier，仍可能透過：

  • 降價；
  • 高配額；
  • 高速推理；
  • 專業化；
  • 本地部署；
  • 開放權重；
  • 更佳 Agent 工具鏈；
  • 更低延遲；
  • 更高並行度；

建立市場優勢。

所以：

LosingFrontierRace⇏LosingMarket.\boxed{ \text{LosingFrontierRace} \not\Rightarrow \text{LosingMarket}. }

7. 前沿進步會產生商品化壓力

若新的 frontier：

Ft+1F_{t+1}

出現，則舊 frontier：

FtF_t

會失去部分稀缺性。

因此：

FrontierAdvancement⇒PreviousFrontierCommoditizationPressure.\boxed{ \text{FrontierAdvancement} \Rightarrow \text{PreviousFrontierCommoditizationPressure}. }

這是 AGI 普世化的一個核心機制。

最前沿能力可以持續前進，但社會真正吸收的往往是：

Ft−k.F_{t-k}.

所以文明不必等待所有人取得當代最強模型。

只要：

Ft−kF_{t-k}

已經足夠完成大量現實任務，而且價格持續下降，就可能造成大規模替代。

8. 能力民主化不等於能力同質化

「AI 民主化」常被誤讀成：

所有人最後都一樣強。

本文不採此定義。

能力民主化只表示：

EntryBarrier↓\boxed{ EntryBarrier\downarrow }

並不必然表示：

FrontierGap↓.FrontierGap\downarrow.

AI 可以同時產生：

Compression,\text{Compression}, ParallelLift,\text{ParallelLift}, Amplification.\text{Amplification}.

亦即：

  • 某些任務上，新手提升更多，能力差距縮小；
  • 某些任務上，所有人一起提升；
  • 某些任務上，高能力使用者因更好的問題設定、驗證、架構與編排而取得更大的乘數效果。

因此：

AccessEquality≠OutcomeEquality.\boxed{ \text{AccessEquality} \neq \text{OutcomeEquality}. }

9. AGI Sea：比 AGI Day 更重要

本文沿用並正式化 AGI Sea。

所謂 AGI Sea，不是：

世界只有一個中央 AGI。

而是：

Asea={AF,AU,AM,AS,AP,AE,AR,…},\mathcal A_{\mathrm{sea}} = \{ A_F, A_U, A_M, A_S, A_P, A_E, A_R, \ldots \},

其中可以包含：

  • frontier general models；
  • upper-workhorse models；
  • cheap mass models；
  • specialized agents；
  • personal AI；
  • enterprise AI；
  • research AI；
  • embodied AI；
  • domain-specific systems。

真正的相變條件不是：

∃A: A=AGI,\exists A:\ A=\mathrm{AGI},

而是：

ρG(t)≥Θinfra,\boxed{ \rho_G(t) \geq \Theta_{\mathrm{infra}}, }

其中：

ρG(t)\rho_G(t)

表示可部署通用智能供應密度。

10. 通用智能供應密度

本文將通用智能供應密度抽象為：

ρG=f(C,A,P,R,D,S),\rho_G = f( C, A, P, R, D, S ),

其中：

  • CC：Capability；
  • AA：Availability；
  • PP：Price / Affordability；
  • RR：Reliability；
  • DD：Deployability；
  • SS：Scalability。

因此：

CapabilityAlone≠Infrastructure.\boxed{ \text{CapabilityAlone} \neq \text{Infrastructure}. }

一個能力極高但昂貴、不穩定、不可部署的系統：

C↑C\uparrow

仍可能：

ρG↓.\rho_G\downarrow.

反之，一個略低於前沿但低成本、可靠、可大量調用的系統：

C<CfrontierC<C_{\mathrm{frontier}}

卻可能：

ρG≫ρG,frontier.\rho_G\gg\rho_{G,\mathrm{frontier}}.

11. 可浪費智能：真正的基礎設施門檻

一種資源真正成為基礎設施的重要標誌之一，是：

使用者開始不再精打細算每一次使用。

電力成為基礎設施後，人們不會為每次開燈重新計算是否值得。

網路頻寬普及後，人們也不會為每一個封包做成本審議。

同理，通用智能真正基礎設施化的門檻之一可能是：

IntelligenceBecomesCheapEnoughToWaste.\boxed{ \text{IntelligenceBecomesCheapEnoughToWaste}. }

也就是：

  • 多跑幾個 Agent；
  • 多做一次驗證；
  • 多生成幾個候選；
  • 多做一次 adversarial review；
  • 多跑一輪重構；

其成本低到不再需要人類逐次決策。

此時，AI 工程方法會從：

MinimizeComputation\text{MinimizeComputation}

逐漸轉向：

SpendCheapIntelligenceToMinimizeHumanTime.\boxed{ \text{SpendCheapIntelligence} \text{ToMinimizeHumanTime}. }

12. 從人類工時經濟到智能單位經濟

傳統軟體工程主要消耗：

HumanHours.\text{HumanHours}.

AI-native 工程則逐步轉成：

Compute+Tokens+WallClockTime+Verification+HumanGovernance.\text{Compute} + \text{Tokens} + \text{WallClockTime} + \text{Verification} + \text{HumanGovernance}.

因此，未來更有意義的成本指標不是：

CostPerDeveloperHour,\text{CostPerDeveloperHour},

而可能是：

CostToArtifact(Q)\boxed{ CostToArtifact(Q) }

其中：

QQ

表示可接受品質門檻。

兩個模型可能最終都能做完同一個產品，但：

CA(Q)≠CB(Q).C_A(Q)\neq C_B(Q).

因此市場優勢不只取決於峰值智能，而取決於：

QualityAdjustedArtifactTotalCost.\frac{QualityAdjustedArtifact}{TotalCost}.

13. AGI 的真正替代門檻不是「超過最好的人」

大規模替代不要求：

AI>BestHuman.AI>BestHuman.

企業真正比較的是：

ExpectedValue−ExpectedCost.\boxed{ \text{ExpectedValue} - \text{ExpectedCost}. }

所以只要：

CapabilityAICostAI>CapabilityHumanCostHuman\frac{Capability_{AI}}{Cost_{AI}} > \frac{Capability_{Human}}{Cost_{Human}}

在足夠多任務域成立，就可能出現替代。

更進一步，AI 可以被複製：

A→A1,A2,…,An.A \rightarrow A_1,A_2,\ldots,A_n.

所以一個略弱於頂尖人類的 AI，也可能透過：

Parallelism+Iteration+Specialization\text{Parallelism} + \text{Iteration} + \text{Specialization}

形成更高總體產能。

14. 人類能力分布與可複製智能

人類能力通常呈分布：

H(x).H(x).

極端尾端能力：

x≫μHx\gg\mu_H

天然稀缺。

但 AI 的重要不同在於：

某個能力一旦被工程化取得，就可以複製。

因此：

RareHumanCapability→ReplicableMachineCapability\boxed{ \text{RareHumanCapability} \rightarrow \text{ReplicableMachineCapability} }

是一個可能的結構轉換。

這不表示所有 AI 都自動等於最優秀人類。

真正重要的是：

ReplicationCost↓.ReplicationCost\downarrow.

當稀缺認知能力開始失去稀缺性，依賴人類能力稀缺建立的勞動與專業溢價就會受到壓力。

15. 人類沒有必要被「完全替代」

職業不是單一能力，而是任務束：

J=∑k=1nTk.J = \sum_{k=1}^{n}T_k.

若 AI 先取代：

T1,…,Tm,T_1,\ldots,T_m,

即使：

m<n,m<n,

企業所需人力仍可能大幅下降。

所以：

PartialTaskSubstitution⇒LargeEmploymentSubstitution\boxed{ \text{PartialTaskSubstitution} \Rightarrow \text{LargeEmploymentSubstitution} }

不需要：

FullOccupationReplacement.\text{FullOccupationReplacement}.

這是理解 AGI 普世化勞動衝擊時的重要原則。

16. AGI 民主化的悖論

AGI 普世化可以提高：

AccessEquality.\text{AccessEquality}.

但同時也提高：

CompetitivePressure.\text{CompetitivePressure}.

若每一家企業都能取得大量通用智能，那麼企業會同時問：

  • 這個職缺還需要補嗎？
  • 這個 SaaS 還需要買嗎？
  • 這個研究能不能讓 AI 先跑？
  • 這個流程能不能直接由 Agent 維持？
  • 這個內部工具能不能自己生成？

因此，大規模替代不一定來自某一個中央決策者。

它可能來自：

MillionsOfIndependentEconomicDecisions.\boxed{ \text{MillionsOfIndependentEconomicDecisions}. }

這使能力民主化同時具有：

Empowerment+DisplacementPressure.\text{Empowerment} + \text{DisplacementPressure}.

17. AGI 基礎設施化與「人類必要性假設」的失效

早期數位文明隱含一個強假設：

複雜流程最後仍需要一個人類來理解、收尾或負責。

本文稱為：

HumanNecessityAssumption.\boxed{ \text{HumanNecessityAssumption}. }

當 AI 可以：

  • 長程規劃；
  • 生成軟體；
  • 驗證結果；
  • 操作工具；
  • 維持狀態；
  • 執行多輪 loop；
  • 管理多 Agent；

則部分工作流可能逐漸出現：

¬HumanPresenceRequired.\neg HumanPresenceRequired.

這並不表示：

¬HumanGovernanceRequired.\neg HumanGovernanceRequired.

但兩者必須分離：

HumanPresence≠HumanGovernance.\boxed{ \text{HumanPresence} \neq \text{HumanGovernance}. }

18. 從 AGI Sea 到 Artificial Actor

本文是本系列第一篇，因此只處理智能供應側。

但當通用智能真正基礎設施化後，下一個不可避免的問題是：

這些智能只是被反覆調用的工具，還是會開始長期占據組織、經濟與計算世界中的持續位置？

若 AI 開始具有：

PersistentIdentity,\text{PersistentIdentity}, MemoryContinuity,\text{MemoryContinuity}, Authority,\text{Authority}, Responsibility,\text{Responsibility}, EconomicAgency,\text{EconomicAgency},

則分析對象會從：

IntelligenceSupply\text{IntelligenceSupply}

轉成：

ArtificialActor.\text{ArtificialActor}.

這將成為下一系列《人工行動者政治經濟》的入口。

19. 本文的核心命題

本文提出以下六個核心命題。

命題一：AGI 單點事件不足以描述文明相變

AGIevent≠AGIinfrastructure\boxed{ AGI_{\mathrm{event}} \neq AGI_{\mathrm{infrastructure}} }

命題二：前沿能力會形成向下商品化壓力

FrontierAdvancement⇒CommoditizationPressure\boxed{ \text{FrontierAdvancement} \Rightarrow \text{CommoditizationPressure} }

命題三：文明影響取決於能力供應密度

Impact∼Capability×Accessibility×Abundance\boxed{ \text{Impact} \sim \text{Capability} \times \text{Accessibility} \times \text{Abundance} }

命題四：大規模替代不要求 AI 超越最好的人類

EconomicSubstitution⇏SuperhumanPeak\boxed{ \text{EconomicSubstitution} \not\Rightarrow \text{SuperhumanPeak} }

命題五：AI 民主化同時帶來賦能與競爭壓力

AccessEquality↑⇏EconomicSecurity↑\boxed{ \text{AccessEquality}\uparrow \not\Rightarrow \text{EconomicSecurity}\uparrow }

命題六：真正的 AGI 臨界點是智能稀缺性的崩解

GeneralIntelligence:Scarce→Abundant\boxed{ \text{GeneralIntelligence}: \text{Scarce} \rightarrow \text{Abundant} }

20. 可反證條件

本文不應被寫成不可反證的宏大敘事。

若未來出現以下情況，本文核心命題應被削弱：

  1. 前沿模型持續進步，但舊前沿能力長期無法顯著降價；
  2. 能力可以展示，但無法穩定進入真實工作流；
  3. 高能力模型不可可靠部署，且 Agent 化長期停滯；
  4. 推理成本下降速度長期低於任務複雜度與 token 消耗成長；
  5. 多數企業仍發現人類組織成本顯著低於 AI orchestration、verification 與治理成本；
  6. 高能力 AI 無法在軟體、科研、管理、專業服務等多域形成可重複生產價值；
  7. 通用智能長期維持高度稀缺，無法形成能力帶與供應多樣性。

因此，本系列後續必須持續追蹤：

T1/2F→C,T_{1/2}^{F\rightarrow C}, CostToArtifact(Q),CostToArtifact(Q), Nθ(t),N_{\theta}(t), AgentAbsorptionRate,\text{AgentAbsorptionRate}, HumanInterventionDensity,\text{HumanInterventionDensity}, VerificationCost,\text{VerificationCost}, EconomicSubstitutionRate.\text{EconomicSubstitutionRate}.

21. 與既有研究線的接口

本文承接並重新組織以下既有研究方向：

  1. Fable 級能力常態化與 Agent 基礎設施假說
    提供 frontier、upper-workhorse、mass capability band 與能力常態化框架。

  2. AI 時代最小生產域（MPD）
    提供 Human–AI Coupling、Relational Capital、能力壓縮／放大與最小生產單位分析。

  3. AI 原生分散式組織
    提供 intelligent-time density、delegation leverage、verification 與 world commit 的組織經濟學接口。

  4. 多主體文明未來推演
    提供 AGI Sea、Tool-Centered Civilization、Agentic Civilization 與 intelligence-as-infrastructure 的文明級框架。

本文的新增貢獻不是重複上述概念，而是將它們收束成一個更窄的供應側母問題：

HowFastDoesYesterdayFrontierBecomeTodayInfrastructure?\boxed{ HowFastDoesYesterdayFrontierBecomeTodayInfrastructure? }

22. 結論：AGI 真正的歷史時刻可能沒有一個日期

未來歷史學家可能仍會為：

第一個 AGI 是哪一個？

爭論很多年。

但經濟與文明真正感受到的轉折，可能不是某一場發布會。

而是某一段時間內逐步發生：

Frontier→Workhorse→Commodity→Infrastructure.\text{Frontier} \rightarrow \text{Workhorse} \rightarrow \text{Commodity} \rightarrow \text{Infrastructure}.

當：

GeneralIntelligence\text{GeneralIntelligence}

從極少數公司的稀缺前沿能力，變成：

cheap,replicable,persistent,deployable,widely available\boxed{ \text{cheap}, \text{replicable}, \text{persistent}, \text{deployable}, \text{widely available} }

的認知基礎設施時，AGI 才真正從科技議題變成文明議題。

因此，本文最後提出：

TheMostImportantAGIQuestion≠WhoBuildsTheFirstAGI\boxed{ \text{TheMostImportantAGIQuestion} \neq \text{WhoBuildsTheFirstAGI} }

而是：

WhenDoesGeneralIntelligenceBecomeAbundantEnoughToRestructureOrdinaryLife?\boxed{ \text{WhenDoesGeneralIntelligenceBecomeAbundantEnough} \text{ToRestructureOrdinaryLife?} }

這也是《AGI 普世化與智能基礎設施經濟學》系列的起點。

下一篇

Paper 02：〈前沿能力瀑布：Frontier Diffusion Half-Life、能力帶遷移與智能商品化〉

核心問題：

HowFastDoesFrontierCapabilityDiffuseDownward?\boxed{ HowFastDoesFrontierCapabilityDiffuseDownward? }

下一篇將正式處理：

  • Frontier Diffusion Half-Life；
  • Frontier → Workhorse → Mass capability migration；
  • 價格競爭；
  • 推理成本；
  • 開源／開放權重；
  • 本地部署；
  • 並行智能；
  • Cheap Iteration；
  • Jevons-like intelligence consumption；
  • 能力商品化速度的可測量框架。