Nvidias vd Jensen Huang säger att artificiell allmän intelligens redan har anlänt för många uppgifter – och att debatten om milstolpen är ett slöseri med tid. När han talade om Nvidias vinstsamtal den 26 augusti, fick Huang frågan om AGI i ljuset av de senaste påståendena från OpenAI, där vd Sam Altman har sagt att företaget tror att det kommer att uppnå AGI i slutet av året.
"För många uppgifter kan vi säga att vi redan har uppnått AGI," sa Huang på samtalet, enligt Mashable. "Jag tänker på alla dessa milstolpar ... de är ganska meningslösa vid det här laget." For more context on this story, see our ongoing AI trends.
Tidpunkten: ett rekordkvartal och ett provocerande påstående
Huangs kommentarer landade samma dag som Nvidia rapporterade ytterligare ett rekordkvartal – kvartalsintäkter på 96,22 miljarder dollar, en ökning med 106 % från ett år tidigare, med en försäljning av datacenter på 89 miljarder dollar, enligt siffror som senare citerades av PYMNTS. Det sammanhanget spelar roll: mannen som säljer datorsubstratet för hela AI-branschen hävdade bara att branschens mest fetischiserade riktmärke har slutat betyda någonting.
Frågan han svarade på var spetsig. Altman har talat öppet om att OpenAI når AGI vid årets slut, ett påstående som håller termen i rubriker även när forskare inte är överens om vad det egentligen skulle innebära. Termen har ingen universellt överenskommen definition, men den hänvisar i allmänhet till AI som kan matcha eller överträffa mänskliga kognitiva förmågor inom ett brett spektrum av uppgifter.
Istället för att bedöma om något enskilt system passerar den gränsen, omformulerade Huang frågan helt.
Från milstolpar till "lönsamma tokens"
Huang hävdade att den användbara frågan inte är om ett system förtjänar AGI-märkningen utan om AI "gör produktivt och användbart arbete" - och, från Nvidias egen synvinkel som leverantör, om implementeringar "genererar lönsamma tokens."
Den formuleringen är karakteristiskt trubbig för ett företag vars intäkter vid det här laget är en direkt funktion av hur många tokens världens AI-system producerar. Huang pekade på AI:s utveckling bortom enkel uppmaning och svar: moderna agenter, hävdade han, kan reflektera över sin egen prestation, lära sig nya färdigheter och förbättra sin framtida produktion – förmågor som ansågs vara AGI-angränsande milstolpar för inte så länge sedan och som nu är bordsinsatser.
Konsekvensen för kunder och investerare är att AGI-konversationen, enligt Huang, distraherar från det mått som faktiskt avgör om AI-utgifterna är sunda: produktion som någon betalar för.
Det är en slående position för mannen vars företag producerar många av de högpresterande chipsen som driver hela AI-industrin, som Mashables rapport noterar. Nvidia ligger efter varje kapacitetsanspråk på fältet - varje träningskörning av frontiermodeller och varje agentproduktlansering omvandlas direkt till efterfrågan på dess acceleratorer. Om branschens egen chipleverantör anser att AGI-snack är en distraktion, börjar argumentet att kapacitetsmilstolpar driver investeringar se skakigare ut.
Inte första gången Huang har kallat tävlingsloppet
Som Mashable konstaterar är det inte första gången som Nvidias VD har hävdat att mållinjen ligger bakom oss. I en intervju i mars 2026 med podcastaren Lex Fridman, fick Huang frågan om en AI som kunde starta, bygga och driva ett miljardföretag skulle vara möjligt inom de närmaste 20 åren.
"Jag tror att det är nu. Jag tror att vi har uppnått AGI", svarade Huang då.
Han kvalificerade sedan påståendet på ett sätt som avslöjar var han tror att de verkliga gränserna är: AI kanske kan skapa en miljarddollar viral app, sa han, men det kunde inte bygga ett företag som Nvidia. "Odset på 100 000 av dessa agenter som bygger Nvidia," tillade han, "är noll procent."
Varför oenigheten med Altman spelar roll
Den offentliga klyftan mellan Huang och Altman är mer än semantisk. Om OpenAI deklarerar AGI i december och Nvidias VD ägnar samma kvartal åt att kalla milstolpen meningslös, får branschen två konkurrerande ramar för samma teknik: en genombrottsberättelse som motiverar gränsöverskridande investeringar, och en verktygsberättelse som bedömer system utifrån det arbete de gör och de intäkter de genererar.
För företag som fattar upphandlingsbeslut är Huangs inramning den mer operativa. Det skiftar utvärdering från "är det här AGI?" på frågor med mätbara svar — vilka uppgifter slutför systemet, till vilken kostnad per token, med vilken felfrekvens, och tjänar resultatet mer än beräkningskostnaderna?
För själva AGI-debatten är Huangs position en anmärkningsvärd datapunkt just på grund av var han sitter. Ingen drar mer nytta av AI-beräkningsefterfrågan än Nvidia, och dess vd:s argument att kapacitetsmilstolpar inte längre spelar någon roll motverkar hypecykeln som hittills har blåst upp hans företags värdering till historiska toppar. Oavsett om det läses som uppriktighet eller som en leverantör som styr kunder mot tråkiga, fakturerbara arbetsbelastningar beror på var du står.
Det som är tydligt är att AGI-mållinjen fortsätter att röra sig. Huangs argument är att detta är poängen: när en milstolpe uppnås har branschen redan gått vidare till nästa, och det enda hållbara måttet på framsteg är användbart arbete till en hållbar kostnad.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
