AGI已经到来。更确切地说，机器现在能够跨领域推理，适应不熟悉的问题，并在有意义的自主性下执行复杂任务。这并不意味着AI已经变得完美、普遍超人，或者智能达到了某种终极状态。AGI更应该被理解为一种一般性和自主性的阈值。跨越这个阈值的重要性不仅在于AI变得更强大，而在于它使我们能够提出一个根本不同的问题，即如何设计工作和组织本身。对此类声明的直接反驳是：如果AGI已经到来，为什么没有出现应随之而来的巨大经济和社会变化？答案是，模型能力和经济采用的进程是不同步的。AI已经开始实质性地影响生产力、工作、资本支出，以及与半导体和数据中心相关的整个行业，但大多数组织仍通过根本上是前AGI框架的方法来使用这些系统，让AI作为一种工具，帮助人类更好地执行现有工作。混淆的部分也来自于AGI自身的意义。从历史上看，这个术语广泛指代能够跨领域操作的智能，而不局限于狭窄的任务。然而，随着模型接近并跨越许多早期阈值，这个术语逐渐积累了其他额外的期望，例如近乎完美的可靠性、普遍的优越性，或者接近人工超级智能。技术的发展使得这一目标也在变化。我们依然处于非常早期的阶段。我认为已经跨越这一阈值的模型阿斯特拉（Astra）在撰写本文时才刚刚发布，而更强大的系统已经在开发中。同时，AI已经跨越了我称之为“足够好”阈值的阶段，对于许多人来说，它在日常遇到的大多数基于计算机的工作中能够实质性地提供帮助。一旦发生这种情况，即使基础能力发生了显著变化，用户也会觉得智能的进一步提升是逐步的。尽管如此，足够好的AI和AGI在根本上是不同的。足够好的AI使得人类能够更高效地执行现有工作，而AGI则使人类能够质疑自己是否需要留在该工作流程中。这一区别就是后AGI时代的开始。这就是为什么随着AGI级模型的出现，一种新型公司变得可能的原因。与其让AI适应现有的人类工作流程，这些组织可以从相反的方向出发，通过将高技能工作分解为协作、自我评估、学习自己表现的自主代理系统，持续改善它们所操作的环境。实际上，组织本身可以进入一个自我改进的循环。因此，我们处于历史上一个不寻常的时刻。AGI级系统现在是可实现的，而围绕它们构建的许多经济体仍然遵循根本上是前AGI模型的原则，创建面向人类的工具，而不是围绕自主智能本身设计的组织。举个例子，在无尽进步（Infinite Ascent）中，我们首先建立了一个工具和交易代理，以便在市场中操作，将这些视为组织中可以自动化的首个角色。下一步是创建代理性能的评审者，这使我们开发了一个评估他们工作的元工具，并强化表现最佳的代理的最有效行为。同时，即使在特定时期内它们的表现较弱，我们也是故意保留更具创造性的代理，以确保进化过程不会简单地集中在局部极大值上，从而牺牲探索性。随着我们在层级中不断向上推进，我们认为这些代理最终应该能够改善它们自身操作的代码和基础设施。因此，我们实施了一种我们认为的IT部门，审计我们的交易和评审代理所使用的系统，识别问题并改善支持其工作的基础设施。下一步是进一步扩展这一过程，利用组织生成的性能数据对开放模型进行后训练，并强化那些被证明最有效的行为。因此，AGI最为深远的影响并不会体现在AI仅仅成为人类更好的助手时，而是当越来越自主的系统开始操作组织的实质部分时，它们可以从所执行的工作中学习，并利用这些学习来改进支持其工作的系统。