文章核心观点 - 通用人工智能（AGI）已随着“长时程智能体”的出现成为现实，2026年将被视为AGI元年 [1] - 人工智能正从“对话者”向能自主解决问题的“执行者”转型，商业范式将从“销售软件”转向“销售工作成果” [1][2] - 智能体能力正以每7个月翻一番的速度指数级增长，将彻底重塑生产力边界和企业人才结构 [2][3] AGI的功能性定义与核心要素 - AGI被定义为“自行解决问题的能力”，其实现路径比技术定义更重要 [4][5] - 实现AGI的三个核心要素包括：基线知识（预训练）、推理能力（推理时计算）以及迭代能力（长时程智能体） [6] - 长时程智能体是AI的最新突破，使其能像人类一样在数小时内自主工作、修正错误并决定下一步行动 [6] 长时程智能体的能力与工作模式 - 智能体能在模糊环境中通过建立假设、测试、试错来达成目标，例如在招聘场景中，能在31分钟内完成人类专家的复杂心理循环 [8] - 其工作闭环包括自主执行复杂搜索、交叉比对多平台数据、捕捉潜在信号（如离职迹象）并生成最终成果（如起草邮件） [8] - 尽管目前仍会产生幻觉或迷失方向，但其发展轨迹不可逆转，错误正变得日益可修正 [8] 驱动智能体发展的技术路径 - 强化学习是主要技术路径之一，通过在训练中不断引导，教导模型在长时间内保持专注，已在多智能体系统和工具使用可靠性上取得进展 [11] - 代理架构是应用层路径，通过设计特定脚手架（如记忆交接、压缩）来规避模型局限，Manus、Claude Code和Factory's Droids等产品均得益于此 [11] - 根据METR的追踪，智能体能力呈指数级增长，预计到2028年能可靠完成人类专家一天的工作，到2034年能完成一年的工作量 [11] 商业变革与市场影响 - 市场格局正迅速变化，从医药（OpenEvidence）、法律（Harvey）到网络安全（XBOW）等各行业的专用智能体不断涌现 [12] - 对创业者而言，范式已从2023-2024年的“对话者”应用，转向2026年及以后的“执行者”应用，使得“销售工作”成为可能 [12] - 创始人需重新思考哪些持续任务可被智能体接管，并转向针对“结果”而非“工具”进行定价和包装 [12] - 智能体能力增长意味着曾经宏大的路线图（如交叉比对20万个临床试验数据或重构整个美国税法代码）已变得切实可行 [12]