جنسن هوانگ، مدیرعامل انویدیا می‌گوید که برای بسیاری از وظایف، هوش عمومی مصنوعی قبلاً وارد شده است - و بحث در مورد نقطه عطف اتلاف وقت است. هنگام صحبت در تماس درآمد انویدیا در 26 آگوست، از هوانگ در مورد AGI با توجه به ادعاهای اخیر OpenAI پرسیده شد، جایی که مدیر عامل Sam Altman گفته است که این شرکت معتقد است تا پایان سال به AGI خواهد رسید.

به گزارش [Mashable] (https://mashable.com/tech/nvidia-ceo-jensen-huang-says-agi-achieved-is-meaningless) هوانگ در این تماس گفت: «برای بسیاری از وظایف، می‌توانیم بگوییم که قبلاً به AGI رسیده‌ایم.» "من به تمام آن نقاط عطف فکر می کنم ... آنها در این مرحله به نوعی بی معنی هستند." For more context on this story, see our ongoing AI trends.

زمان: یک چهارم رکورد و یک ادعای تحریک آمیز

اظهارات هوانگ در همان روز منتشر شد که انویدیا یک سه ماهه دیگر رکورد را گزارش کرد - درآمد سه ماهه 96.22 میلیارد دلار، 106 درصد نسبت به سال قبل، با فروش مرکز داده 89 میلیارد دلار، به ازای هر ارقامی که بعداً توسط PYMNTS ذکر شد. این زمینه اهمیت دارد: مردی که زیرلایه محاسباتی را برای کل صنعت هوش مصنوعی می‌فروشد فقط استدلال می‌کند که فتیش‌شده‌ترین معیار صنعت دیگر معنی ندارد.

سوالی که او به آن پاسخ می‌داد اشاره داشت. آلتمن آشکارا در مورد رسیدن OpenAI به AGI تا پایان سال صحبت کرده است، ادعایی که این اصطلاح را در سرفصل ها نگه می دارد، حتی اگر محققان در مورد معنای واقعی آن اختلاف نظر داشته باشند. این اصطلاح هیچ تعریف مورد توافق جهانی ندارد، اما به طور کلی به هوش مصنوعی اطلاق می شود که می تواند با توانایی های شناختی انسان در طیف گسترده ای از وظایف مطابقت داشته باشد یا از آن فراتر رود.

هوانگ به جای قضاوت در مورد اینکه آیا هیچ سیستم واحدی از این خط عبور می کند یا خیر، این سوال را به طور کامل طرح ریزی کرد.

از نقاط عطف تا "توکن های سودآور"

Huang استدلال کرد که سوال مفید این نیست که آیا یک سیستم سزاوار برچسب AGI است یا خیر، بلکه این است که آیا هوش مصنوعی "کار سازنده و مفیدی انجام می دهد" - و از نقطه نظر خود انویدیا به عنوان یک فروشنده، آیا استقرارها "توکن های سودآوری تولید می کنند."

این عبارت برای شرکتی که درآمدش در این مرحله مستقیماً تابعی از تعداد توکن‌هایی است که سیستم‌های هوش مصنوعی در جهان تولید می‌کنند، مشخصاً صریح است. هوانگ به تکامل هوش مصنوعی فراتر از سریع و پاسخ ساده اشاره کرد: او استدلال کرد که عوامل مدرن می توانند عملکرد خود را بازتاب دهند، مهارت های جدید را بیاموزند و خروجی آینده خود را بهبود بخشند – قابلیت هایی که چندی پیش به عنوان نقاط عطف مجاور AGI در نظر گرفته می شدند و اکنون جزء سهام هستند.

پیامد برای مشتریان و سرمایه گذاران این است که مکالمه AGI، به گفته هوانگ، از معیاری که در واقع تصمیم می گیرد که آیا هزینه های هوش مصنوعی عاقلانه است یا خیر، منحرف می شود: خروجی که کسی برای آن هزینه می پردازد.

همانطور که گزارش Mashable اشاره می کند، این یک موقعیت قابل توجه برای مردی است که شرکتش بسیاری از تراشه های با عملکرد بالا را تولید می کند که کل صنعت هوش مصنوعی را تامین می کند. انویدیا در پایین دست هر ادعای قابلیتی در این زمینه قرار دارد - هر دوره آموزشی مدل مرزی و هر عرضه محصول نمایندگی مستقیماً به تقاضا برای شتاب دهنده های آن تبدیل می شود. اگر تامین‌کننده تراشه خود صنعت، صحبت‌های AGI را حواس‌پرتی بداند، این استدلال که نقاط عطف قابلیت سرمایه‌گذاری را هدایت می‌کند، شروع به لرزان‌تر می‌کند.

اولین باری نیست که هوانگ مسابقه مسابقه را نامیده است

همانطور که Mashable اشاره می کند، این اولین بار نیست که مدیر عامل Nvidia ادعا می کند که خط پایان پشت سر ماست. در مصاحبه ای در مارس 2026 با پادکست لکس فریدمن، از هوانگ پرسیده شد که آیا هوش مصنوعی که بتواند یک شرکت میلیارد دلاری راه اندازی کند، بسازد و اداره کند، ظرف 20 سال آینده قابل دستیابی است یا خیر.

هوانگ در آن زمان پاسخ داد: "فکر می کنم اکنون است. فکر می کنم ما به AGI دست یافته ایم."

او سپس این ادعا را به گونه‌ای ارزیابی کرد که نشان دهد محدودیت‌های واقعی کجاست: هوش مصنوعی ممکن است بتواند یک برنامه ویروسی میلیارد دلاری ایجاد کند، اما نمی‌تواند شرکتی مانند Nvidia بسازد. او افزود: «احتمال 100000 نفر از آن عوامل ساخت Nvidia صفر درصد است.»

چرا اختلاف با آلتمن مهم است

شکاف عمومی بین هوانگ و آلتمن بیش از معنایی است. اگر OpenAI تا دسامبر AGI را اعلام کند و مدیرعامل انویدیا همان سه ماهه را صرف بی‌معنا خواندن این نقطه عطف کند، صنعت دو چارچوب رقابتی برای فناوری یکسان دریافت می‌کند: یک روایت موفقیت‌آمیز که سرمایه‌گذاری در مقیاس مرزی را توجیه می‌کند و یک روایت کاربردی که سیستم‌ها را بر اساس کاری که انجام می‌دهند و درآمدی که ایجاد می‌کنند قضاوت می‌کند.

برای شرکت هایی که تصمیمات تدارکاتی اتخاذ می کنند، چارچوب هوانگ عملیاتی تر است. این ارزیابی را از "این AGI است؟" تغییر می‌دهد. به سؤالات با پاسخ های قابل اندازه گیری - سیستم چه وظایفی را تکمیل می کند، با چه هزینه ای برای هر نشانه، با چه میزان خطا، و آیا خروجی بیشتر از هزینه های محاسبه درآمد دارد؟

برای خود بحث AGI، موقعیت هوانگ یک نقطه داده قابل توجه است دقیقاً به دلیل جایی که او می نشیند. هیچ کس به اندازه انویدیا از تقاضای محاسباتی هوش مصنوعی سود نمی برد و استدلال مدیر عامل آن مبنی بر اینکه نقاط عطف قابلیت دیگر اهمیتی ندارند، در برابر چرخه تبلیغاتی که تا کنون ارزش شرکت او را به بالاترین حد تاریخی رسانده، کاهش می دهد. این که آیا این به عنوان صراحت خوانده می شود یا به عنوان فروشنده ای که مشتریان را به سمت حجم کاری خسته کننده و قابل پرداخت هدایت می کند، بستگی به موقعیت شما دارد.

آنچه واضح است این است که خط پایان AGI به حرکت خود ادامه می دهد. استدلال هوانگ این است که این نکته است: با رسیدن به نقطه عطف، صنعت قبلاً به مرحله بعدی رفته است و تنها معیار بادوام پیشرفت، کار مفید با هزینه پایدار است.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →