Jensen Huang nie czeka na konsensus środowiska akademickiego. CEO Nvidii ogłosił, że sztuczna inteligencja ogólna (AGI) — od dekad poszukiwany Święty Graal badań nad AI — już nadeszła.

„Myślę, że to już teraz. Myślę, że osiągnęliśmy AGI” — powiedział Huang podczas występu w podcaście Lexa Fridmana 23 marca. Biorąc pod uwagę, że jego firma dostarcza fundament obliczeniowy niemal każdemu dużemu laboratorium AI na świecie, słowa te mają szczególny ciężar.

Predefiniowanie linii mety

27 sierpnia, podczas telekonferencji wyników Nvidii za II kwartał 2026 r., Huang ponownie podtrzymał to twierdzenie. „W przypadku wielu zadań możemy powiedzieć, że już osiągnęliśmy AGI” — oświadczył analitykom i inwestorom.

Poszedł nawet dalej, określając tradycyjne benchmarki AGI mianem „trochę pozbawionych sensu”. Zamiast mierzyć, czy AI może dorównać lub przewyższyć ludzkie poznanie we wszystkich dziedzinach, Huang argumentuje, że rzeczywistym miernikiem powinno być to, czy systemy AI potrafią generować to, co nazywa „zyskownymi tokenami” — czyli w praktyce produktywny ekonomicznie efekt realnej pracy.

To ujęcie ma znaczenie, ponieważ AGI nigdy nie miała ustalonej definicji. Od czasu spopularyzowania tego terminu w latach 2000. badacze spierają się, czy oznacza on poziom ludzki we wszystkich domenach poznawczych, w całej ekonomicznie wartościowej pracy, czy też coś węższego. Stanowisko Huanga skutecznie przesuwa granicę z poziomu możliwości na użyteczność komercyjną, wiążąc ten kamień milowy z tym, co firmy mogą wdrażać już dziś, a nie z benchmarkami laboratoryjnymi.

400 000 agentów AI i wciąż więcej

Nvidia buduje model siły roboczej, w którym ponad 400 000 agentów AI działa obok około 40 000 ludzkich pracowników. Firma przewiduje, że agenci ci będą realizować zadania w obszarach inżynierii, operacji i funkcji biznesowych.

Po stronie sprzętowej Nvidia mówiła o wdrożeniach GPU obejmujących ponad 1,5 miliona układów w ramach jednej generacji, zasilających to, co firma nazywa „fabrykami AI” — specjalnie zaprojektowane obiekty mające produkować inteligencję jako wytwór przemysłowy.

Wygodny spór z OpenAI

Definicja AGI wg Huanga stawia go w opozycji do OpenAI. Firma kierowana przez Sama Altmana utrzymuje bardziej formalną definicję, opisując AGI jako systemy przewyższające ludzi w większości ekonomicznie wartościowych zadań.

Ten spór nie ma wyłącznie charakteru akademickiego. Definicja AGI OpenAI jest wpisana w strukturę zarządczą firmy, wraz ze szczegółowymi postanowieniami dotyczącymi tego, co nastąpi po osiągnięciu AGI. Co istotne, przełomowa umowa OpenAI z Microsoftem dotycząca mocy obliczeniowej obowiązuje tylko systemy przed-AGI, co oznacza, że formalna deklaracja osiągnięcia AGI niesie bezpośrednie konsekwencje komercyjne dla tego partnerstwa. Dla OpenAI ogłoszenie AGI oznacza uruchomienie zmian kontraktowych i organizacyjnych. Dla Nvidii ogłoszenie AGI oznacza sprzedaż większej ilości sprzętu firmom, które ścigają się, by na nim budować.

Huang docenił wkład OpenAI w dojście do tego momentu, uznając rolę jej modeli w zademonstrowaniu tego, co jest możliwe dzięki skalowanej mocy obliczeniowej.

Dla czytelników śledzących tę debatę praktyczny test twierdzeń Huanga nadejdzie wraz z adopcją w przedsiębiorstwach: czy systemy AI zasłużenie kojarzone z generowaniem „zyskownych tokenów” przełożą się na mierzalne wzrosty produktywności w skali oraz czy inne duże laboratoria AI zaakceptują definiowanie AGI zadanie po zadaniu, czy też trzymają się definicji bardziej kompleksowych.