行业洞察 | GPT-6发布：“AGI时代”，专业能力开始重新定价

9月3日，OpenAI发布GPT-6 Astra。联合创始人、总裁Greg Brockman在媒体简报结束时说：

这句宣言将一次模型更新推向了更广泛的社会议题：当专业能力可以被规模化调用，个人赖以谋生的技能面临重新估价，过去受限于资源的尝试，也可能获得新的实现条件。

通用人工智能（AGI）描绘的是这样一种前景：同一个系统能够自主承担广泛的专业工作，达到甚至超过人的表现。GPT-6所受到的关注，也正来自这些能力开始在具体任务中汇合。

从2分54秒看AGI：专业能力开始被重新定价

数据让这场讨论有了具体依据。OpenAI公布的ARC-AGI-3成绩中，GPT-6 Astra获得99.9%，GPT-5.6 Sol为7.8%。与此同时，在专业自动化工作基准测试AutomationBench上，GPT-6 Astra得分41.4%，高于GPT-5.6 Sol的18.1%。

其中，ARC-AGI-3要求模型在陌生的交互环境中探索规则、解决问题。这与现实工作的一个共同之处在于，行动所需的信息往往并不完整，执行者需要根据反馈不断修正判断。对AGI所指向的通用能力而言，适应新问题的能力，关系到它能够进入多大的工作范围。

这种能力扩展也出现在工程执行中。OpenAI展示的电路板任务里，GPT-6从电路原理图到完成PCB布局，用时2分54秒。模型直接在专业软件KiCad中完成了布局与布线。

GPT-6 Astra正从“给答案”走向“完成专业任务”

它所展示的进展，是模型开始参与知识落地的过程。工程判断过去需要由人逐步落实到软件操作中，现在，其中一部分步骤可以交给模型执行。人交付给AI的工作因而有机会变长，人与软件之间的关系也开始改变。

对需要反复验证的工作，时间缩短会影响整个反馈周期。初步结果更早形成，人就可以更早发现偏差、比较其他方案。模型承担执行的价值，也因此延伸到了人能够进行多少轮有效尝试。

但工作持续得越久，需求变化和信息积累就越难回避。GPT-6此次加强了任务中途调整能力；配合Codex，它可以跨上下文保留笔记、检索此前记录，并在等待关键答复时继续推进不依赖该答复的部分。

当专业推理能够指导操作，操作结果又能进入下一轮判断，AI承担的工作就有机会跨越更多环节。沿着这条路径看，AGI与日常工作的联系会越来越具体：

变化会沿着软件，进入千行百业的分工

Brockman在9月4日刊出的Stratechery访谈中进一步解释，过去AI进入软件往往依赖专门接口，计算机操作能力扩大了它能够使用的工具范围。他同时指出，企业仍需建立相应的监督、管理和追踪机制。

这也是AGI可能跨越行业边界的原因。工程设计、财务分析、内容生产乃至教学准备，都包含通过软件处理信息的环节。相同的基础能力进入不同工具，就可能改变不同岗位的日常。依赖现场操作和人际互动的工作，变化更可能先出现在记录、计划和协调等环节。

国际劳工组织2025年的研究估计，全球约四分之一的就业处于对生成式AI有一定暴露的职业中，并强调，岗位转变是更可能出现的结果。

注释：该数据衡量的是潜在影响，并非GPT-6发布后的失业预测。

这与我们此前讨论客服新国标与盖茨观点时的判断形成呼应：保留人的参与，并不意味着原有的岗位配置会保持不变。

由此看，衡量这一代模型的意义，需要同时考察两件事：它能承担多长、多复杂的工作，以及人能否确认它始终在做被允许、也值得做的事。执行越深入，任务目标、结果标准和责任归属就越不能含糊。

AI可以普及，机会不会自动均等

对个人而言，更值得重新审视的是专业经验的使用方式。熟悉业务的人，可以借助Agent验证更多方案、推进过去无暇处理的问题；刚进入行业的人，也有机会更早接触完整任务。不过，这需要训练和真实反馈，工具给出的结果本身并不会自动变成使用者的经验。

因此，把未来概括为“人人成为管理者”仍然过早。提出合理目标、识别关键错误，都依赖对工作的理解。操作负担减轻之后，专业能力仍需生长，只是它可能更多体现在对问题的选择和对结果的辨别上。

Brockman在同一访谈中还强调，人的价值不能仅由完成任务的能力定义，人的判断、创造力和监督应当持续保留。把这一点与他的AGI表态放在一起，才能看清其主张的完整方向：

这份乐观能否兑现，取决于能力是否真正可获得、学习机会是否充分，以及效率收益如何分配。模型成绩不会自动回答这些问题。

旧有优势可能贬值，但把想法付诸实践的条件也在改善。一个值得欢迎的AGI时代，应当让更多普通人获得创造和选择的余地。