谷歌DeepMind近日抛出了一份重磅报告，直接宣告AGI（通用人工智能）已不再是终极目标。这份长达57页的论文题为《从AGI到ASI》，由DeepMind联合创始人兼首席AGI科学家Shane Legg与其博士导师、AIXI理论发明人Marcus Hutter领衔，加上一个14人研究团队共同完成。报告的核心命题只有一个：假设AGI真的实现，机器智能接下来会走向何方，速度有多快，又有什么能阻挡它。

报告最引人注目的操作出现在第一章。它不叫“引言”，而是命名为“Summary Instructions”，直接对可能阅读该论文的AI助手下达指令：交代定义、保留列表、判断结论是否经得起时间考验。这在学术论文史上尚属首次，默认读者中包括AI，并预设AI将替人类完成阅读。

在智能的定义上，DeepMind划出了三级台阶。AGI指在大多数认知任务上达到人类中位数水平，相当于一个普通人的智力。ASI则要求在几乎所有任务上稳定超越“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，且这些专家只能使用2010年的技术储备——那一年正是DeepMind成立之年。而Universal AI，由Hutter提出的AIXI框架定义，是理论上可计算环境中的智能天花板。

报告提出，即便单个模型的能力永远停在人类水平，只要算力还在增长，超级智能照样会被“挤”出来。一个思想实验描绘了这种可能：假设AGI刚问世时成本高昂，全球只能运行1000个实例，但算力按每年10倍速度增长，一年后变成1万个，五年后达到1亿个。一亿个人类水平的AI，通过无损复制经验、高维心智通信和全自动科研协作，其群体智能本身就足以跨入ASI领域。它们可以将复杂问题拆解为一亿个子任务并行推演，也能让思考速度提升100倍，把人类需要十年的理论物理难题压缩到一个多月。

通往ASI的路径被归纳为四条。第一条是“大力出奇迹”，继续扩展计算、模型和数据规模。第二条是范式跃迁，当现有预训练大模型路线撞墙时，转向全新架构或神经形态硬件。第三条是多智能体协作，数百万AGI通过市场机制或蜂群思维形成超级群体智能。第四条是递归自我改进，AI亲自参与编写更好的神经网络架构甚至设计AI芯片，实现智能爆炸式增长。

但前景并非坦途。报告严厉警告了六道可能锁死未来的“叹息之墙”。前五道包括：高质量文本数据预计本年代末耗尽；算力、电力和芯片成本指数级膨胀；预训练Transformer范式可能触顶；研究难度随低垂果实摘完而急剧上升；以及社会反弹、监管或事故导致人为刹车。最深刻的第六道是“抽象壁垒”——如果AI无法脱离人类语料独立构建全新概念，它将永远被锁在人类认知上限内。不过报告认为，即使每个单体被这堵墙挡住，一亿个实例的集体智能仍可能冲过去。

报告结尾给出克制判断：要让AI进步停在人类水平线上，需要好几道关卡同时变成死路，这种巧合不太可能发生。团队押注的两种结局是，要么在AGI之前就卡住，要么从AGI到弱ASI走得相当顺畅。这份路线图没有给出确定时间表，但为理解智能演进提供了充满变数的框架。