谷歌DeepMind近日拋出了一份重磅報告，直接宣告AGI（通用人工智能）已不再是終極目標。這份長達57頁的論文題為《從AGI到ASI》，由DeepMind聯合創始人兼首席AGI科學家Shane Legg與其博士導師、AIXI理論發明人Marcus Hutter領銜，加上一個14人研究團隊共同完成。報告的核心命題只有一個：假設AGI真的實現，機器智能接下來會走向何方，速度有多快，又有什麼能阻擋它。

報告最引人注目的操作出現在第一章。它不叫“引言”，而是命名為“Summary Instructions”，直接對可能閱讀該論文的AI助手下達指令：交代定義、保留列表、判斷結論是否經得起時間考驗。這在學術論文史上尚屬首次，默認讀者中包括AI，並預設AI將替人類完成閱讀。

在智能的定義上，DeepMind劃出了三級臺階。AGI指在大多數認知任務上達到人類中位數水平，相當於一個普通人的智力。ASI則要求在幾乎所有任務上穩定超越“數萬名頂尖專家、協調良好、圍繞單個問題連續協作十年”的產出，且這些專家只能使用2010年的技術儲備——那一年正是DeepMind成立之年。而Universal AI，由Hutter提出的AIXI框架定義，是理論上可計算環境中的智能天花板。

報告提出，即便單個模型的能力永遠停在人類水平，只要算力還在增長，超級智能照樣會被“擠”出來。一個思想實驗描繪了這種可能：假設AGI剛問世時成本高昂，全球只能運行1000個實例，但算力按每年10倍速度增長，一年後變成1萬個，五年後達到1億個。一億個人類水平的AI，通過無損複製經驗、高維心智通信和全自動科研協作，其群體智能本身就足以跨入ASI領域。它們可以將複雜問題拆解為一億個子任務並行推演，也能讓思考速度提升100倍，把人類需要十年的理論物理難題壓縮到一個多月。

通往ASI的路徑被歸納為四條。第一條是“大力出奇跡”，繼續擴展計算、模型和數據規模。第二條是範式躍遷，當現有預訓練大模型路線撞牆時，轉向全新架構或神經形態硬件。第三條是多智能體協作，數百萬AGI通過市場機制或蜂群思維形成超級群體智能。第四條是遞歸自我改進，AI親自參與編寫更好的神經網絡架構甚至設計AI芯片，實現智能爆炸式增長。

但前景並非坦途。報告嚴厲警告了六道可能鎖死未來的“嘆息之牆”。前五道包括：高質量文本數據預計本年代末耗盡；算力、電力和芯片成本指數級膨脹；預訓練Transformer範式可能觸頂；研究難度隨低垂果實摘完而急劇上升；以及社會反彈、監管或事故導致人為剎車。最深刻的第六道是“抽象壁壘”——如果AI無法脫離人類語料獨立構建全新概念，它將永遠被鎖在人類認知上限內。不過報告認為，即使每個單體被這堵牆擋住，一億個實例的集體智能仍可能衝過去。

報告結尾給出剋制判斷：要讓AI進步停在人類水平線上，需要好幾道關卡同時變成死路，這種巧合不太可能發生。團隊押注的兩種結局是，要麼在AGI之前就卡住，要麼從AGI到弱ASI走得相當順暢。這份路線圖沒有給出確定時間表，但為理解智能演進提供了充滿變數的框架。