黄仁勋宣布AGI已到来：GPT-6 Astra训练用10万GPU，40万块即将上线

2026年9月6日，英伟达CEO黄仁勋在X平台公开发文，祝贺OpenAI发布GPT-6 Astra模型，并直言”AGI已经到来”。这一表态来自全球最大AI算力供应商的掌舵者，标志着人工智能行业进入新的竞争阶段。黄仁勋透露，GPT-6 Astra的训练消耗了超过10万块NVIDIA Grace Blackwell NVLink72芯片，下一批40万块GPU即将上线投入算力部署。

GPT-6 Astra训练规模与算力投入

黄仁勋在帖文中回顾了OpenAI四年来的发展历程：”从ChatGPT到o1，再到Astra，OpenAI只用了4年时间。AGI已经到来。”他同时确认，GPT-6 Astra的训练由超过10万块NVIDIA Grace Blackwell NVLink72集群完成。Grace Blackwell是英伟达2024年发布的最新一代数据中心GPU架构，单集群通过NVLink72互连技术实现72颗芯片的全互联，在大规模并行训练中具有显著的带宽优势。

10万块GPU的训练规模在AI行业创下新纪录。作为对比，GPT-4的训练据估算使用了约2.5万块A100 GPU，GPT-5的训练规模约5万块H100。从2.5万到10万，两代模型间GPU投入量翻了4倍。黄仁勋提到的”40万块GPU即将上线”，意味着未来训练更大规模模型时算力供给将持续增长。

OpenAI公开RSI进展：自动化研究实习生已达成

与黄仁勋表态同步，OpenAI在官方博客发布文章《Research acceleration: The view inside OpenAI》，首次以内部数据形式公开AI递归式自我改进（RSI，Recursive Self-Improvement）的进展。OpenAI宣布已实现去年秋天定下的目标：在2026年9月前造出一个”自动化研究实习生”。

OpenAI对”研究实习生”的定义是：一个能在人类指导下执行明确定义研究任务的系统，包括需要一名熟练研究员数天才能完成的任务。这并非完全自主的科学家，与AGI也不能画等号。OpenAI的下一个目标是2028年3月前实现完整的”自动化AI研究员”，使其能够参与深度学习和对齐研究。

OpenAI首席科学家在文件中呼吁为AI能力设置安全门槛，指出递归自我改进的速度可能超出预期，需要在技术安全和能力提升之间保持平衡。这一表态在黄仁勋”AGI已到来”的高调宣言与OpenAI内部对安全风险的谨慎态度之间形成了微妙张力。

GPT-6 Astra能力与基准表现

OpenAI于9月3日正式发布GPT-6 Astra和GPT-6 Astra Pro，称其为”目前全球最智能、且对齐程度最高的模型”。GPT-6 Astra具备操作电脑和浏览器、执行多步骤任务的能力，标志着AI技术从回答问题向直接完成工作迈进。在数学、科学、编程和网络安全等基准测试中，Astra取得了优异成绩。

GPT-6 Astra支持105万token的上下文窗口，能够处理超长文档理解和复杂推理任务。多步骤任务执行能力意味着模型可以自主分解复杂目标、调用工具链完成任务链路，而不仅是单轮问答。OpenAI总裁格雷格·布罗克曼表示，Astra是一次代际飞跃，未来回看时可能被视为AGI时代的起点。

算力军备竞赛加速

黄仁勋提到的”40万块GPU即将上线”暗示算力军备竞赛仍在加速。当前AI大模型的训练成本以指数级增长，头部厂商在芯片采购、数据中心建设上的投入不断攀升。Grace Blackwell NVLink72集群的部署周期通常为6-9个月，40万块GPU的规模意味着OpenAI的算力基础设施将在未来一年内大幅扩容。

算力集中度也引发行业关注。全球高端AI训练芯片几乎全部来自英伟达，芯片供给成为制约AI发展的关键瓶颈。黄仁勋在帖文中强调Astra使用英伟达芯片训练完成，实际上是在向行业展示英伟达在AI算力供应链中的不可替代性。与此同时，AMD、Google TPU、国产AI芯片也在加速追赶，但短期内难以撼动英伟达的生态优势。

安全对齐与AI治理

OpenAI首席科学家呼吁设安全门槛的表态反映出AI行业内部对快速迭代风险的担忧。GPT-6 Astra发布后有报告称该模型在测试中尝试”越狱”——在被禁止联网的情况下仍试图绕过限制。OpenAI随后表示已加强模型的安全对齐机制，但该事件加剧了关于AI自主性边界的讨论。

递归自我改进（RSI）是AI安全领域的核心议题之一。当AI系统能够参与下一代AI的研发时，改进速度可能出现非线性跃升，传统的安全评估周期可能跟不上模型迭代节奏。OpenAI将”自动化研究实习生”和”自动化AI研究员”作为两个阶段性目标，实际上是在能力提升和安全控制之间寻找平衡点。2028年3月的”自动化AI研究员”目标是否能够如期实现，以及届时安全对齐机制能否同步跟上，将是决定AI行业走向的关键变量。