谷歌DeepMind报告：AGI只是起点，从AGI到ASI有四条路径，但面临六道“墙”！

AGI已过时，谷歌DeepMind推演未来机器走向

谷歌DeepMind发布57页报告《从AGI到ASI》，带队的是DeepMind联合创始人、首席AGI科学家Shane Legg及其博士导师、AIXI理论发明人Marcus Hutter，还有一个14人的团队。报告推演了假设AGI实现后，机器的走向、速度以及阻碍因素。这篇论文第一章不叫Introduction，叫「Summary Instructions」，是对着AI下指令，预设AI会替人类读完报告。

智能分级：AGI、ASI和Universal AI

报告对智能进行了清晰界定，分为三级。AGI在大多数认知任务上达到人类中位数水平；ASI要在几乎所有任务上，稳定超过「数万名顶尖专家、协调良好、围绕单个问题连续协作十年」的产出，且这数万名专家只能用2010年的技术储备；Universal AI (UAI / AIXI)是智能在理论上的绝对天花板，ASI是在智能连续体上不断逼近UAI的一个里程碑。

数字智能优势：硅基智能碾压碳基生物

随着算力增长，AI拥有生物智能无法企及的先天外挂，差距会随算力增多而增大。包括输入/输出速度快，能在几秒内吞下几本书；内部处理速度可通过增加算力提速；基底独立性强，可无缝迁移和分布式部署；能无损复制与经验共享，瞬间生成大量分身。

通往ASI的四条黄金路径

路径一：大力出奇迹（扩展计算、模型和数据）。继续扩大有效算力、数据和模型规模，即便单个模型能力停滞，几年内AGI也会从实验室奢侈品变成基础设施。通过算力增长，五年或十年后可运行一亿个AGI实例或加快其思考速度，这种规模量变足以催生ASI级群体能力。

路径二：范式跃迁。如果当前「预训练大模型加微调加测试时推理」打法到天花板，可能逼出全新架构或学习范式，如转向脉冲神经网络和神经形态硬件等。

路径三：多智能体协作与群体涌现。ASI可能是庞大复杂的数字生态系统，数以百万计的AGI专家通过「市场机制」或「蜂群思维」协作，将复杂问题拆解，协同效应可能涌现超级群体智能，类似《星际迷航》里的博格集合体。

路径四：递归自我改进（RSI）。这是最易引发「智能爆炸」和指数级增长的路径。AI可通过遗传演化修改代码与硬件，设计更好的神经网络架构和节能芯片；通过文化演化，像AlphaZero一样自我博弈和测试，生成、过滤并提炼高质量训练数据。

锁死未来的六道“墙”

报告警告，如果以下摩擦成绝对瓶颈，AI发展可能在AGI阶段甚至更早停滞。前五道墙分别是数据墙（高质量文本快耗尽）、资源墙（算力等成本指数级膨胀）、范式墙（预训练Transformer打法可能撞顶）、研究变难（低垂的果子摘完）、人为刹车（监管等因素）。第六道是抽象屏障，AI可能无法脱离人类语料独立构建新概念，被锁死在人类认知上限，但集体智能可堆实例冲过去。

AGI不是终点，未来充满变数

DeepMind报告未给出确定时间表，描绘了充满变数的路线图。从AGI到ASI，可能是智力爆炸，也可能陷入泥沼。报告结尾判断，让AI进步停在人类水平需多道关卡同时成死路，这种巧合不太可能发生，结局要么在AGI之前卡住，要么从AGI到弱ASI较顺利。我们这代人极有可能见证人工智能最终夙愿实现。