Jensen Huang non aspetta il consenso accademico. Il CEO di Nvidia ha dichiarato che l'intelligenza artificiale generale — il Sacro Grafo a lungo inseguito dalla ricerca sull'IA — è già una realtà.

"Penso che sia adesso. Penso che abbiamo raggiunto l'AGI", ha detto Huang durante la sua partecipazione al podcast di Lex Fridman il 23 marzo. Provenendo dall'uomo la cui azienda fornisce l'infrastruttura computazionale a quasi tutti i principali laboratori di IA del pianeta, l'affermazione ha un peso particolare.

Ridefinire il traguardo

Il 27 agosto, durante la call sui risultati del Q2 2026 di Nvidia, Huang ha ribadito la tesi. "Per molti compiti, possiamo dire che abbiamo già raggiunto l'AGI", ha dichiarato ad analisti e investitori.

È andato oltre, liquidando i benchmark tradizionali dell'AGI come "un po' privi di senso". Invece di misurare se l'IA possa eguagliare o superare la cognizione umana su tutti i fronti, Huang sostiene che la vera metrica debba essere la capacità dei sistemi di IA di generare ciò che chiama "token profittevoli" — essenzialmente output economico produttivo derivante da lavoro reale.

L'inquadramento conta perché l'AGI non ha mai avuto una definizione consolidata. Da quando il termine è stato reso popolare negli anni 2000, i ricercatori hanno discusso se significhi prestazioni a livello umano in tutti i domini cognitivi, nel lavoro di valore economico, o qualcosa di più ristretto. La posizione di Huang sposta di fatto i pali della porta dalle capacità all'utilità commerciale, allineando il traguardo a ciò che le imprese possono implementare oggi anziché ai benchmark di laboratorio.

400.000 agenti IA e la crescita continua

Nvidia sta puntando a un modello di forza lavoro in cui oltre 400.000 agenti di IA operano a fianco di circa 40.000 dipendenti umani. L'azienda immagina questi agenti impegnati in compiti di ingegneria, operations e funzioni aziendali.

Sul fronte hardware, Nvidia ha discusso deployment di GPU che coinvolgono oltre 1,5 milioni di chip in una singola generazione, alimentando ciò che l'azienda chiama "fabbriche di IA": strutture purpose-built progettate per produrre intelligenza come output industriale.

Un disaccordo conveniente con OpenAI

La definizione di AGI di Huang lo mette in contrasto con OpenAI. L'azienda guidata da Sam Altman ha mantenuto una definizione più formale, descrivendo l'AGI come sistemi che superano gli esseri umani nella maggior parte dei compiti economicamente preziosi.

Il disaccordo non è meramente accademico. La definizione di AGI di OpenAI è incorporata nella sua struttura di governance aziendale, con disposizioni specifiche legate a cosa accade quando l'AGI viene raggiunta. In particolare, il celebre accordo di calcolo tra OpenAI e Microsoft si applica solo ai sistemi pre-AGI, il che significa che una dichiarazione formale di AGI comporta conseguenze commerciali dirette per quel partenariato. Per OpenAI, dichiarare l'AGI significa innescare cambiamenti contrattuali e organizzativi. Per Nvidia, dichiarare l'AGI significa vendere più hardware alle aziende che corrono per costruirci sopra.

Huang ha riconosciuto il contributo di OpenAI nel raggiungere questo momento, ammettendo il ruolo che i suoi modelli hanno avuto nel dimostrare cosa sia possibile con il calcolo su larga scala.

Per i lettori che seguono il dibattito, la prova pratica dell'affermazione di Huang arriverà con l'adozione aziendale: se i sistemi di IA accreditati di generare "token profittevoli" si tradurranno in guadagni di produttività misurabili su larga scala, e se gli altri principali laboratori di IA accetteranno una definizione di AGI compito per compito o manterranno definizioni più complete.