给 AGI 划一条“2026 年生死线”很抓眼球，公开材料却不足以把这句话归到高文院士名下。
可以确认的是，鹏城实验室在 2023 年 12 月 30 日发布了《高文：人工智能前沿技术和高质量发展解析》。其中，高文把人工智能界定为：在机器上实现相当乃至超越人类的感知、认知、行动等智能。
感知、认知、行动，这三个落点比一张武断的倒计时更有用。模型会听、会看、会推理，还得会做。放到 2025 年以来的产品变化里看，行业也在追问同一件事：AI 能不能接住一项工作，并把结果交回来。
2025年的信号，已经不只在聊天框里
据 OFweek 对 2025 年的梳理，1 月 DeepSeek R1 因推理能力和开源策略受到关注；春节期间，宇树机器人亮相央视春晚；3 月前后，Manus 走热，Lovart 等创作型智能体进入设计工作流。到了下半年，Claude 4、Gemini 3、Nano Banana 和 Sora 2 相继出现，12 月中旬 OpenAI 又推出 GPT-5.2。
这串产品名不能用来证明 AGI 已经到来，却能看出赛场正在分成几块：推理模型继续向前，智能体开始接任务，图片和视频生成加速进入创作流程，具身智能也走到更多普通人面前。
Manus 和 Lovart 尤其值得留意。聊天模型交出一段回答，智能体则要继续处理后面的工作。一项完整任务可能包含理解目标、选择工具、处理报错、核对中间结果，最后生成可验收的文件或动作。任何一环停住，任务都算不上完成。
因此，观察 2026 年的 Agent，单个基准分数远远不够。更实际的问题是：任务有没有收尾？过程中需要多少人工接管？结果能不能复核？出错以后，系统还能不能继续工作？
Scaling还在，边界也被摆上桌面
2026 年 1 月 10 日，由清华大学基础模型北京市重点实验室发起的“AGI-Next”峰会举行。智谱唐杰、月之暗面杨植麟、阿里千问林俊旸和腾讯姚顺雨同场讨论了 AGI 路径、Scaling 极限、Agent 落地等议题。这场交流持续了三个半小时。
从议题设置就能看出，Scaling 并没有被简单判定为失效。现有公开材料也不足以支撑“数据已经耗尽”一类结论。更稳妥的判断是，扩大模型规模仍在继续，但产品能否使用，越来越依赖模型之外的系统设计，包括工具调用、上下文管理、权限控制和结果检查。
一篇对峰会的整理引述姚顺雨的判断，当前分化主要出现在两组方向：To C 与 To B，以及垂直整合与模型、应用分层。这两组分化会直接影响公司的技术选择。面向消费者的助手，和进入组织流程的系统，承担的责任、数据边界与交付方式并不相同。
物理世界有自己的时钟
高文对人工智能的定义中包含“行动”，这也是具身智能不能被排除在 AGI 讨论之外的原因。宇树机器人登上央视春晚，让这一方向获得了更高的公众可见度，但舞台亮相还不能回答长期运行、环境适应和安全控制等问题。
软件智能体调用工具失败，通常还有重试的空间。机器人一旦判断错误，影响会直接落到物理环境中。感知、控制、硬件和安全边界叠在一起，评估标准自然更严。
软件 Agent 与具身智能不宜共用一张时间表。前者可以先在设计、办公和信息处理等数字工作流里反复迭代；后者还要接受真实环境的持续检验。
指标别造得太玄，先看任务能不能收尾
2026 年的 AGI 观察指标，可以先收窄到几个具体问题：
- 任务完成度：系统能否从一条指令走到可交付结果，中间是否频繁需要人工接管。
- 失败恢复能力：遇到工具不可用、信息冲突或执行报错时，能否停止、重试或主动请求确认。
- 结果可检查性：输出能否被复核，错误能否被定位，而不只是表述流畅。
- 工作流适配：产品面向 To C 还是 To B，采用垂直整合还是模型与应用分层，必须与实际场景匹配。
- 成本与时延：模型能力需要放进真实流程计算，调用代价和等待时间不能留到上线后再处理。
如果系统进入物理世界，还要单独考察重复执行、安全性和环境变化下的稳定表现。这些问题目前没有一套公认的统一分数，但比给 AGI 设定一个未经证实的到达日期更有参考价值。
沿着高文提出的感知、认知与行动三个层面看，2026 年更像一个检查点。DeepSeek R1 把推理带到台前，Manus 和 Lovart 让任务交付受到关注，宇树机器人展示了行动的一面，AGI-Next 则把 Scaling 与 Agent 的路线分歧集中摆上桌面。
企业需要回答的问题很具体：系统能否在可接受的成本内完成一件事，出错时能否被发现和纠正。能把这两件事讲清楚，AGI 才从口号回到工程。
