黄仁勋官宣AGI已到来 AI代码时代的安全悖论

英伟达 CEO 黄仁勋在财报电话会上表示公司”已实现 AGI”，同时强调应聚焦实际任务表现与经济生产力，而非传统基准测试。几乎同一时间，微软核心工程师 David Fowler 宣布手动编码时代终结，其主导的 Aspire 项目全面转向 AI 原生开发流程。微软内部 20% 至 30% 的代码由 AI 生成，谷歌内部 75% 的新代码由 AI 生成，Meta 要求 55% 工程师的代码改动为 AI 辅助。然而 Veracode 测试显示 AI 代码安全通过率仅 56%，效率狂奔与安全短板同时出现，构成当下 AI 代码时代最尖锐的悖论。

要点速览

• 黄仁勋：英伟达”已实现 AGI”，主张以任务表现衡量而非基准
• 微软：David Fowler 宣布手动编码时代终结，Aspire 全面 AI 原生
• AI 代码渗透率：微软 20%-30%、谷歌 75%、Meta 55% 工程师 AI 辅助
• 安全短板：Veracode 测试显示 AI 代码安全通过率仅 56%

背景：”AGI 已到来”争论再起

“AGI 已实现”是黄仁勋近期最具争议性的表态之一。他在财报电话会上给出的判断标准不是学术界的通用智能定义，而是”实际任务表现与经济生产力”——即 AI 能否在真实工作中创造可衡量的产出。

这一表述将 AGI 争论从实验室拉回了商业现场。支持者认为，AI 已经在代码生成、客户服务、内容生产等场景中承担实质工作，定义本身正在被实践改写；反对者则指出，当前模型仍存在幻觉、推理不稳定与安全缺陷，距离”通用智能”还很远。

黄仁勋的立场带有明显的产业视角：作为 GPU 供应商，英伟达的叙事核心是”AI 已进入规模部署期”，这与其算力销售逻辑一脉相承。但无论立场如何，”AI 已深度介入生产”本身已成为行业共识。

关键进展：代码生产力工具的 AI 化浪潮

代码生成是 AI 落地最成熟的领域之一，科技巨头的内部数据揭示了渗透速度。

微软的 Aspire 项目尤其值得关注。该项目是云原生应用开发的编排框架，全面转向 AI 原生开发流程意味着：从架构设计到代码生成、测试与部署，AI 成为开发链路的核心参与者，人类工程师的角色从”写代码”转向”定目标与审结果”。

David Fowler 宣布”手动编码时代终结”，代表的是主流开发者工具链的范式转移：AI 辅助编程不再只是补全代码的插件，而是重构了整个软件开发方法论。

安全悖论：代码变多了，漏洞也变多了吗

与生产效率同步上升的，是安全隐忧。Veracode 的测试显示，AI 生成代码的安全通过率仅 56%，且安全风险未随模型规模提升而改善。这意味着大约四成多的 AI 代码存在安全隐患，规模更大的模型并不自动带来更安全的代码。

AI 代码的安全问题有几类典型表现：一是训练数据中的历史漏洞被复制，模型学会了”带病的写法”；二是生成的代码缺少上下文约束，在权限校验、输入过滤等关键位置出现疏漏；三是开发者对 AI 输出过度信任，审查流于形式。

企业采用 AI 编程后的安全实践正在分化：领先团队把 AI 代码纳入强制安全扫描与人工审查流程，把”AI 生成率”与”安全通过率”并列考核；激进团队则只追求代码产量，安全债随之累积。

安全通过率仅 56% 的数字提醒行业：AI 提升的是代码生产的”量”与”速度”，而不是”质”与”安全”。效率与安全的平衡，需要工程流程而非模型能力来保障。

影响：工程师角色与软件行业的重构

当科技巨头内部代码多数由 AI 生成时，软件行业的岗位结构正在发生变化。初级编码岗位需求下降，而”AI 代码审查师””提示词架构师””AI 工作流设计师”等新角色兴起。

对个人开发者而言，核心竞争力从”会写代码”转向”会定义问题与验证结果”；对企业而言，软件开发的组织方式从”人力密集型”转向”AI 增强型”，研发管理、质量保障与安全审计的流程都需要重新设计。

这一趋势与素材中 AI 冲击就业市场的讨论相互印证。AI 代码浪潮既是生产力跃升，也是技能重构的起点，开发者需要主动拥抱 AI 工具，同时建立对 AI 产出的批判性审查能力。

展望：从效率竞赛走向安全基建

AGI 的判定标准可以争论，AI 代码的安全短板却需要立刻补课。未来一段时间，行业将看到三类变化：AI 代码安全扫描成为标配；企业建立 AI 代码的生成审计与溯源机制；监管层将 AI 软件供应链安全纳入规范。

对开发者与团队的建议是：把 AI 代码当作”实习生代码”对待——可以大幅提速，但必须经过与资深工程师相同的审查标准。效率与安全从来不是二选一，AI 时代尤其如此。

常见问题（FAQ）

黄仁勋为什么说 AGI 已到来？

黄仁勋在财报电话会上表示英伟达”已实现 AGI”，他主张以实际任务表现与经济生产力衡量 AI，而非传统基准测试。该表态引发业界关于 AGI 定义的争论。

AI 生成代码的比例有多高？

微软内部 20%-30% 的代码由 AI 生成，谷歌内部 75% 的新代码由 AI 生成，Meta 要求 55% 工程师的代码改动为 AI 辅助。

AI 代码安全通过率为什么只有 56%？

Veracode 测试显示 AI 代码安全通过率约 56%。原因包括训练数据中的历史漏洞被复制、生成的代码缺少上下文约束、开发者审查流于形式，且安全风险未随模型规模提升而改善。

AI 编程对工程师有什么影响？

初级编码岗位需求下降，AI 代码审查、工作流设计等新角色兴起。工程师的核心竞争力从写代码转向定义问题与验证结果，需要建立对 AI 产出的批判性审查能力。

参考资料：素材整理（英伟达财报电话会、微软 David Fowler 公开表态、Veracode 安全测试报告）。
相关阅读：GPT-6 Astra正式发布：OpenAI自主执行AI模型的突破与影响、科大讯飞开源百万词元端侧模型：星火X2.5能力与场景解读、AI政策密集落地：商务部中试基地与工信部创业计划解读