劉峻誠觀點：當象徵魔鬼終結者時代的「AGI已經來臨」，我們真正該害怕的是什麼？

2026年3月23日，在Lex Fridman Podcast上，黃仁勳面對一個早已被討論到近乎疲乏的問題：「AGI（Artificial General Intelligence,通用人工智慧）什麼時候會到來？」他沒有猶豫，給出了一個極具時代感、甚至帶點宣示意味的答案：「現在，我認為我們已經實現AGI了。」

兩天後，一場冷峻到幾乎帶著嘲諷意味的現實檢驗降臨。由François Chollet設計的測試——ARC-AGI-3——公布結果：人類測試者100%通關，而包括GPT-5.4、Gemini 3.1 Pro、Claude Opus 4.6與Grok 4.2在內的頂尖AI模型，得分卻幾乎為零，甚至低至小數點後兩位。這不是一次普通的技術落差，而是一種「沉默」——一種讓整個AI敘事瞬間失語的沉默。

ARC-AGI-3測的，不是語言能力、不是知識儲備，也不是運算效率。它測的是一件更原始、也更本質的能力：在完全未知的情境中，是否能自主理解規則並解決問題。

沒有說明書，沒有範例，沒有提示。這種設計，刻意剝離了AI最擅長的東西——資料與模式。結果是殘酷的:人類，即便是普通人，幾乎可以在第一次嘗試中摸索出解法；而AI，則像被抽空了靈魂，只剩下一具無法行動的殼。

這正呼應了Chollet長期以來的觀點：真正的智慧，不是對已知的最佳擬合，而是對未知的首次理解。當前的AI，無論多麼強大，本質上仍是一種高度優化的「預測機器」——它擅長延續世界，但不擅長開創世界。

問題因此浮現：如果AI在這樣的測試中幾乎全軍覆沒，那麼「AGI已經實現」這句話，究竟意味著什麼？答案或許令人不安——AGI，已經不再是一個客觀標準，而是一個被各方重新定義的語言工具。

在NVIDIA的語境中，AGI可以被描述為一種足以創造經濟價值、甚至經營十億美元企業的能力；在Chollet的框架中，AGI則必須具備跨情境的泛化能力——一種不依賴人類鷹架的自主學習能力。這兩種定義，幾乎沒有交集。

同樣地，Sam Altman所說的「我們基本上已經造出AGI」，與學術界的審慎態度，也形成鮮明對比。於是，一個弔詭的現象出現了：「AGI已經來了」與「AGI還很遠」可以同時為真。因為那條終點線，正在被不斷移動。 （相關報導： 阿將伊崮喜瀾觀點：為何AI神片竟然會輸給忘詞的真人？ ｜ 更多文章 ）

如果進一步觀察產業脈絡，這場「AGI已至」的宣告，或許不只是技術判斷，更是一種經濟語言。當ARM Holdings將晶片命名為「AGI CPU」，當企業將部門改稱「AGI Deployment」，這個詞已從科學概念，轉化為資本市場的敘事工具。而這個敘事的核心燃料，是GPU。無論是大模型訓練、生成式AI應用，還是所謂的「實體AI」、「主權AI」，其背後都指向同一件事：對算力的無止境需求。在這樣的脈絡下，「AGI已來」不僅是一種判斷，更像是一種推進——推動企業投資、政府採購、資本加碼的關鍵敘事。

然而，當全世界的目光被「AI是否會毀滅人類」所吸引時，一個更現實、也更迫切的危機，正在被忽視。不是《The Terminator》式的機器叛變，而是算力背後的能源消耗與碳排放。

大型資料中心的電力需求正呈指數成長，而這些電力，在多數情況下仍來自化石燃料。換言之，每一個模型的進步，都可能伴隨著一點點氣溫的上升。這種影響，並非抽象，而是已經具體顯現於地球系統之中。

在西伯利亞，被稱為「地獄之門」的Batagaika crater，正以每年數十公尺的速度擴張。永久凍土的融化，不僅改變地貌，更釋放出封存數萬年的甲烷與二氧化碳，形成氣候變遷的正回饋循環。這是一個危險的臨界點：一旦跨越，暖化將不再需要人類推動，而會自我加速。更令人不安的是，冰層之下，不只封存著氣體，還封存著歷史。

科學家在格陵蘭冰芯中復活了沉睡12萬年的微生物；在西伯利亞凍土中，甚至已成功喚醒數萬年前的病毒。2016年的炭疽疫情，更證明這並非理論風險，而是現實可能。這是一種真正的「時間旅行」——不是機器穿越未來，而是遠古的疾病重返現在。

如果將視角拉得更遠，南極冰層下的威脅甚至更為劇烈。海量的甲烷水合物，一旦因溫度或壓力變化釋放，其短期溫室效應可達二氧化碳的數十倍；而硫化氫等還原性氣體，則可能改變局部甚至全球的大氣化學結構。

這不再只是氣候變遷，而是地球系統狀態的轉換。科學界甚至提出警告：這樣的連鎖反應，可能重演約2.5億年前的二疊紀大滅絕——地球歷史上最嚴重的一次生物滅絕。

當「AGI是否已經實現」成為熱議焦點時，也許我們真正該問的，不是機器是否會變得像人，而是：在追求機器智慧的過程中，人類是否正在失去對現實的判斷？

ARC-AGI-3的結果提醒我們：我們距離真正的通用智慧，或許仍有本質性的差距。而氣候系統的變化則提醒我們：某些風險，已經沒有「還很遠」這個選項。

或許，我們正處於一種集體錯置的焦慮之中。我們害怕尚未存在的AGI，卻忽視了已經發生的暖化；我們討論機器是否會超越人類，卻很少討論人類是否正在透支地球。

當ARC-AGI-3揭示AI的侷限，當Batagaika crater不斷擴張提醒地球的裂縫，兩條看似無關的敘事，其實正交會在同一個轉折點上：我們如何選擇下一代計算架構。

過去半個世紀，人類的計算範式經歷了清晰的演進：從以通用邏輯為核心的CPU時代，到以大規模並行為優勢的GPU時代。而今天，我們正站在下一個節點——NPU（Neural Processing Unit，神經網路處理器）的門檻上。 （相關報導： 阿將伊崮喜瀾觀點：為何AI神片竟然會輸給忘詞的真人？ ｜ 更多文章 ）

這不只是性能的升級，而是方向的修正。GPU時代帶來了AI的爆發，卻也同時帶來能源消耗與碳排放的急遽上升。在資本與算力競逐之下，大型資料中心如同無聲擴張的工業體系，將氣候成本外部化到整個地球系統。當冬天出現異常颱風、當極地冰層鬆動，我們不能再假裝這與算力競賽毫無關聯。

NPU的意義，正在於此。與集中式、雲端導向的GPU架構不同，NPU強調的是地端運算（edge AI）與高能效比（performance per watt）。它讓AI不必每一次決策都回到耗能巨大的雲端，而是在本地即時完成推論——這不僅大幅降低能源消耗，也減少資料傳輸所帶來的隱性碳足跡。

換言之，NPU不只是技術升級，而是一種更可持續的AI形態。更關鍵的是，在一個AI已被實際部署於衝突與戰爭場景的時代——特別是在中東等地區——計算架構不再只是效率問題，而是倫理問題。當決策權過度集中於雲端與少數系統時，風險同樣被集中與放大。

相對地，地端AI所代表的，是一種分散、可控、具備在地判斷能力的智能形態。這種「在地的獨立思考」，不僅降低了單點失控的風險，也讓AI的行為更容易被限制在具體情境與規範之中。它未必能完全解決AI倫理問題，但至少避免了一種極端情境——如《The Terminator》中所描繪的那種失控集中智能（天網）——在現實世界中被技術結構所放大。

因此，當我們談論未來，不應只停留在「AGI是否已經來臨」這樣的語言遊戲。更重要的是：我們選擇用什麼樣的方式去實現AI。是持續加碼高耗能的集中式算力，將地球推向不可逆的氣候臨界點？還是轉向更高效率、更分散、更可持續的計算架構，讓技術進步與地球承載之間取得平衡？

從CPU到GPU，再到NPU，這不只是技術的迭代，而是文明的選擇。真正的問題，從來不是我們能不能創造出更強的AI，而是當我們有能力做到時——我們是否還記得，要讓這個世界繼續存在。 （相關報導： 阿將伊崮喜瀾觀點：為何AI神片竟然會輸給忘詞的真人？ ｜ 更多文章 ）

＊作者為耐能智慧創辦人兼董事長、鑫友會前瞻政策顧問，本文由鑫友會提供，授權刋載。