當大多數關于人工智能的討論仍止步于通用人工智能（AGI）時，谷歌DeepMind已將目光投向了更遠的未來。2026年6月10日，DeepMind發布題為《從AGI到ASI》的報告，系統探討了機器智力在達到人類水平后，如何向人工超智能（ASI）演進。這份由機器智能理論奠基人參與撰寫的報告，試圖用一張涵蓋“實際可行”、“物理不可能”及“未知領域”的結構化地圖，取代當下的炒作與恐懼。

理論架構師領銜，重新定義智能邊界

該報告的權威性源于其作者陣容，其中包括AIXI框架創造者Marcus Hutter以及DeepMind聯合創始人Shane Legg。Legg不僅普及了AGI概念，還與Hutter共同開發了廣泛引用的智能度量標準。報告指出，從人類級AI到超智能的過渡并非科幻小說，而是值得立即規劃的近期研究課題。

報告打破了兩種常規敘事：一是AGI到來并非單一的戲劇性“飛躍”，超智能更可能以一系列科學和技術變革的形式出現；二是超智能強大但有限，既非全知全能的神諭，也非末日論中的惡魔。

在定義上，AGI指系統在大多數認知任務中具備普通人類能力；而ASI則需在幾乎所有領域超越大型協調的人類專家群體。僅在單一領域（如AlphaGo）表現超人并不構成ASI。報告引入理論天花板“通用AI”（形式化為AIXI代理）作為指引，指出人類水平AGI與超智能之間存在巨大差距，這正是報告探索的核心領土。

破除迷信：超智能并非無所不能

報告冷靜地列出了超智能無法突破的物理與計算鐵律。光速限制了信息傳輸速度；蘭道爾極限、布雷默曼極限和貝肯斯坦上限約束了給定能量和空間內的計算量；復雜性理論和哥德爾不完備定理則設定了計算的硬性邊界。

例如，超智能無法下出“證明完美”的國際象棋，因為搜索整個博弈樹超出了任何物理計算機的能力極限。更重要的是，報告強調，超高智力不保證能治愈衰老、實現核聚變、上傳意識或逆轉氣候變化。這些是涉及物理世界的經驗性問題，而非僅靠智力就能實現的魔法。這一觀點刻意平衡了烏托邦與末日愿景：超智能將是變革性的，但絕非萬能。

通往ASI的四條技術路徑

報告闡述了從AGI到超智能的四條并行技術路徑：

規模化：繼續擴大算力、數據和模型規模。得益于硬件改進、投資增加和算法效率提升，“有效算力”每年增長約十倍。開放性問題在于，在收益遞減前，這能帶來多少新能力。

算法范式轉變：脫離當前基于人類數據訓練大型Transformer的模式。這類轉變難以預測，但往往在主流范式觸及天花板時出現。

遞歸自我改進：AI加速AI研究，形成更好的AI進而進一步加速研究。在資源受限的現實系統中，這一過程更可能遵循趨于平緩的S型曲線，而非失控的雙曲式增長。

群體智能體：超智能可能源自數百萬個協作、專業化且通過高帶寬共享經驗的AGI級別智能體集合。這種“虛擬智能體經濟體”的協同行為，可能比任何單個成員都更聰明。

數字智能的加速優勢與缺失環節

支撐上述路徑的是數字智能相對于生物智能的顯著優勢：更快的輸入輸出和處理速度、更大的工作記憶、底物獨立性、無損復制模型及其經驗，以及高帶寬的知識共享。隨著算力增長，這些優勢將不斷擴大，可能導致AI“社會”沿著從超級集體到市場導向專家生態系統等陌生路線演變。

然而，報告坦承前沿AI尚未跨越關鍵界限。借鑒哲學家瑪格麗特·博登的創造力層次，當前AI成就多屬組合性和探索性創造力。最高層的“轉化性創造力”——即發明全新概念框架（如愛因斯坦發明廣義相對論）——尚未得到展示。DeepMind首席執行官Demis Hassabis指出，這是當前AI缺失的關鍵要素，也可能是ASI真正的標志。

風險權衡與全球行動倡議

報告討論了工具性趨同、代理性問題以及“軍事經濟適應主義地緣政治陷阱”等風險。值得注意的是，報告做出一個重大工作假設：AI安全和對齊“將在足夠程度上得到解決”。這一假設旨在劃定范圍，使團隊能專注于技術路徑分析，但也意味著報告的克制語調建立在尚未完全解決的問題之上。

報告結尾引用艾倫·圖靈1950年的名言：“我們只能向前看一小段距離，但我們可以看到很多需要做的事情。”鑒于指數和遞歸動力學使得單點預測失效，作者呼吁將準備工作視為一項“全球范圍的大規模跨學科事業”。這包括加強AI基準測試、研究多智能體縮放定律、探索可驗證的減速機制，甚至考慮稅收與禁令等政策工具。

《從AGI到ASI》的核心價值不在于預測，而在于其姿態：一家前沿實驗室正論證世界應立即規劃人類水平AI之后的事物。它提醒社會，超智能可能不會作為一個戲劇性時刻突然降臨，因此不應等待明顯的“AGI日”才開始準備；同時，它也不是解決所有問題的全能神諭，需要在兩端調節期望。面對進展速度、自我改進循環及對齊魯棒性等真正不確定的變量，報告提供的不是虛假的信心，而是更好的準備。

常見問題解答

AGI和ASI有什么區別？

AGI（人工通用智能）指在大多數認知任務中能力大致相當于普通人類的系統。ASI（人工超智能）指在幾乎所有任務中都超越大型協調人類專家團隊的系統。像AlphaFold這樣僅在狹窄領域超人的系統不算作ASI，因為ASI必須是廣泛意義上的超人。

誰撰寫了《從AGI到ASI》報告？

這是谷歌DeepMind于2026年6月10日發布的報告。作者包括通用智能AIXI模型創造者Marcus Hutter，以及DeepMind聯合創始人Shane Legg。Legg幫助普及了AGI一詞，并與Hutter共同開發了機器智能的正式度量標準。

超智能能解決任何問題嗎？

不能。即使是ASI也將受制于基本物理和計算限制，包括光速、熱力學限制、復雜性理論和哥德爾不完備定理。高智力并不能保證ASI能治愈衰老、實現聚變或上傳意識，因為這些都是關于物理世界的經驗性問題。

從AGI到ASI的四條路徑是什么？

報告確定了四條并行路線：擴大算力、數據和模型規模；超越當前Transformer的算法范式轉變；遞歸自我改進（AI加速自身研究）；以及從大量協作AI智能體集合中涌現出的超智能。作者強調這些路徑并非互斥，很可能會同時推進。

【星途科訊 圖文丨慕容雪】