当全世界的AI实验室还在为“何时实现AGI”争论不休时，谷歌DeepMind已经宣布：AGI已经过时了。

6月13日，由DeepMind联合创始人、首席AGI科学家Shane Legg领衔的14人团队，发布了一份长达57页的重磅报告，标题只有四个字：《从AGI到ASI》。这是该团队18年来对“机器超级智能”理论推演的系统性总结——而他们得出的结论，比大多数人的想象激进得多：AGI不是终点，甚至不是半场，只是起跑线。

🧠 重新定义AGI与ASI：人类水平的AI，不等于终极智能

报告首先对智能进行了三级划分：

• AGI：在大多数认知任务上达到人类中位数水平。一个普通人的智力，就是门槛。

• ASI：在几乎所有任务上，稳定超过“数万名顶尖专家、良好协作、连续攻关十年”的产出。AlphaFold那种单点突破不算，必须是在广泛领域持续输出顶级成果。

• Universal AI（UAI）：智能的理论上限，一个在所有可计算环境中都能最大化预期收益的绝对最优解。

DeepMind明确指出：即便模型的能力永远停留在“普通人”水平，只要算力持续增长，超级智能也会被硬生生挤出来。

💥 一亿个“普通人AI” = 一个ASI

报告中最具冲击力的思想实验是这样的：

假设AGI刚问世时成本极高，全球只能同时运行1000个实例。按每年10倍的算力增速，一年后是1万个，五年后是1亿个，十年后是100亿个。

一亿个普通人水平的AI，同时运行、共享知识、高速协作——这个集群本身，就已经是ASI。

为什么？因为硅基智能拥有碳基生物无法企及的先天优势：

• 无损复制：培养一个博士需20年，复制一个AI只需粘贴。

• 零延迟共享：一个AI学会解题，一亿个分身瞬间同步。

• 百倍思考速度：让一个AI的推理速度提升100倍，人类十年的科研工作量对它来说只是一个多月。

DeepMind的结论很干脆：量变直接重塑智能的形态。就算单个AI永远达不到天才水平，集群智能也能碾压人类。 这不是科幻，而是算力增长曲线的必然推论。

🛤️ 四条通往ASI的黄金路径

报告勾勒了四种可能并行发生的演进路径：

1. 大力出奇迹：继续扩大算力、数据和模型规模。这也是目前正在发生的主线。

2. 范式跃迁：当Transformer撞墙，可能催生出全新架构（如神经形态硬件、无限记忆模型）。

3. 多智能体协作：数百万AGI通过高速通信形成“数字生态”，群智涌现远超个体之和。

4. 递归自我改进（RSI）：AI自己写代码、设计芯片、生成训练数据，形成自我加速的闭环。

其中第四条火力最猛，也是最容易引发“智能爆炸”的路径。

🧱 六道“叹息之墙”：什么可能锁死未来？

但前途并非一片坦途。报告诚实地列出了六道可能让AGI止步的障碍：

1. 数据墙：互联网高质量人类文本即将耗尽，模型可能退化。

2. 资源墙：算力、电力、芯片成本指数级膨胀，投资泡沫可能破裂。

3. 范式墙：预训练+Transformer这套打法可能撞到天花板。

4. 研究变难：低垂的果子已经摘完，突破所需努力急剧增加。

5. 人为刹车：监管、社会反弹、恶性事故可能导致政策强行“拉电闸”。

6. 抽象壁垒：最深刻的哲学拷问——AI能否脱离人类语料，独自发明出如“微积分”“相对论”这类全新的概念基元？如果不能，单个模型将被锁死在人类认知的上限。

不过，报告指出：即便单个模型被第六道墙拦住，集群智能依然可以靠堆实例冲过去。 墙挡得住一个天才，挡不住一亿个普通人。

📌 结语：我们这代人，可能见证AI的终极夙愿

DeepMind的报告没有给出明确的时间表，而是描绘了一幅充满变量的路线图。其押注的两种结局：要么在AGI之前就被某道墙卡住，要么从AGI到弱ASI走得相当顺畅。

但有一个判断是确定的：我们这代人，极有可能见证人工智能领域自1956年达特茅斯会议以来，终极愿景的实现。

AGI不是天花板，而是地板。当一亿个“普通人AI”在云端无声协作、百倍速思考时，“超级智能”将不再是一个遥远的概念，而是一个每天都在发生的算力事实。