过去几天，AI 圈接连炸出两个重磅信号：英伟达 CEO 黄仁勋公开喊出「AGI 已经到来」，OpenAI 则首次用内部数据承认------AI 已经开始参与训练下一代 AI。一个在算力端疯狂加码，一个在算法端自我加速，AI 的「自我进化」时代，可能比所有人预想的都来得更早。
黄仁勋：AGI 已到来，40 万张 GPU 在路上
9 月 6 日，黄仁勋在社交平台祝贺 OpenAI 发布 GPT-6 Astra，并透露这台旗舰模型是在超过 10 万块英伟达 Grace Blackwell NVLink72 芯片上训练出来的，随即抛出重磅结论------「AGI 时代已经到来」。他同时预告，下一批 40 万块 GPU 即将陆续上线。
这话从谁嘴里说出来，分量完全不同。作为算力链最上游的「卖铲人」，英伟达第二财季营收 962 亿美元、同比暴增 106%，其中数据中心业务 890 亿美元、同比涨 117%。黄仁勋高调宣布 AGI 已至，背后既有技术判断，也藏着生意逻辑：前沿模型越强，训练和推理对高端 GPU 的胃口就越大。
当然，AGI 是不是真到了，学界吵得很凶。AI 研究者 Gary Marcus 就直言 Astra 距离 AGI 仍有差距，OpenAI 自己也承认「AGI 是个定义模糊的概念」。但一个不争的事实是：算力的军备竞赛，丝毫没有减速的意思。
▲ 前沿大模型的训练与推理，正在把高端 GPU 需求推向井喷
OpenAI 自曝：AI 已经开始训练下一代 AI
比黄仁勋的喊话更让人坐不住的，是 OpenAI 自己放出的内部数据。9 月 8 日，OpenAI 官方博客首次公开「递归式自我改进」（RSI）的进展，宣布已经实现「自动化 AI 研究实习生」------一个能在人类指导下独立完成数天级别研究任务的系统。
关键数字是：截至 8 月中旬，OpenAI 每 1 个人类工作日，对应 3.1 个 Agent 工作日，研究部门的 AI 劳动力已经是人类的三倍多。中位数研究员日均推理成本约 600 美元，重度用户 90 分位甚至超过 7000 美元。目标更直接：2028 年 3 月前，实现「自动化 AI 研究员」。
也就是说，AI 已经在替人类写代码、跑实验、产出结果，而这些产出又被拿去训练更强的模型。这个「AI 训练 AI」的飞轮一旦转起来，速度不会慢下来。也正因如此，OpenAI 首席科学家 Pachocki 发了一篇语气沉重的长文，把正在成长的 AI 比作「一个异星心智」。他的核心担忧是：人类唯一能「看见」AI 在想什么的窗口，是它写出来的思维链，而这扇窗正在关上，他呼吁行业在安全标准确立之前，自愿放慢脚步。
▲ AI 已经开始参与训练下一代 AI，自我加速的飞轮转起来了
英伟达 129 亿美元，买下 1800 万开发者的入口
如果算力是「肌肉」，那开源生态就是「血管」。9 月初，英伟达宣布以 129.3 亿美元收购全球最大的 AI 开源社区 Hugging Face，其中约 119 亿美元付给股东、最高 10 亿美元用于留住员工。这是英伟达历史上第二大的收购案。
Hugging Face 有多值钱？它聚集了超过 1800 万名开发者，托管着 300 多万个模型、50 万个数据集、100 万个 AI 应用，超过 20 万家公司用它来发现、评估和部署 AI。英伟达买它，图的不是那点年收入，而是锁住整个 AI 开发者的入口。
为了打消「既当裁判又当运动员」的疑虑，黄仁勋把「保持开放」的承诺写进了监管文件：开发者用 Hugging Face 开发或部署模型，无需使用英伟达算力，平台继续支持多云、多加速器环境。这套组合拳，是英伟达在定制芯片崛起的背景下，给自己买的一份「生态保险」。
▲ Hugging Face 聚集了 1800 万开发者，是 AI 生态最大的入口
算力、算法、生态三条线，同时踩下油门
当算力、算法、生态三条线同时加速，AI 已经从「人类造工具」，进入「工具帮人造工具」的新阶段。黄仁勋的 AGI 断言可以争论，但有一件事没有争议------这场竞赛，短期内谁都不会主动踩刹车。