AGI还没造出来，谷歌DeepMind已经开始讨论它之后的事了。

就在这几天，这家全球顶尖的AI研究机构扔出了一份57页的重磅报告，标题只有四个字：《从AGI到ASI》。带队的是DeepMind联合创始人、首席AGI科学家Shane Legg，加上他的博士导师、AIXI理论发明人Marcus Hutter，一共14位顶尖研究员。

全世界还在焦虑AGI还要几年才能到来，DeepMind直接宣布：AGI，已经过时了。

这份报告的核心判断，可以用一句话概括：就算模型的能力永远卡在人类水平，只要算力还在涨，超级智能照样会被硬生生挤出来。

先来看看DeepMind对智能的三级定义。AGI，是在大多数认知任务上达到人类中位数水平的系统。就是一个和你我差不多的普通人。ASI则设了一个极高的门槛：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。注意，数万名专家、十年，这只是起评分。AlphaFold那种单点封神的，都不算。在ASI之上还有一个理论上的绝对天花板叫Universal AI，由Marcus Hutter提出的AIXI框架在数学上证明，在所有可计算的环境中，存在一种能够最大化预期累积奖励的终极智能。

最炸裂的推论来了。DeepMind做了一个思想实验：假设刚造出AGI时，由于成本原因，全球只能跑1000个实例。按算力每年增长10倍的速度，一年后1万个，五年后1亿个。一亿个达到人类水平智能的AI系统协同工作——这真的是“普通人”吗？

它们不是各自为战的独行侠。它们可以无损克隆。培养一个人类博士要20年，复制一个AI瞬间完成，几百万个完美分身，零边际成本。它们可以经验共享。如果一个AI节点攻克了一个科学难题，所有克隆体同时顿悟。它们可以瞬间读完人类几千年的知识积累，然后在几秒钟内完成跨学科交叉推理。DeepMind的结论是：一亿个共享大脑、思考速度快百倍的AI，本身就是ASI。

为什么硅基智能必定碾压碳基？报告无情地列出了六大先天优势。

第一，输入输出速度。今天的LLM可以在几秒钟内吞下几本书，这种带宽是人类无法想象的。

第二，内部处理速度。人类神经元的放电速度有物理上限，AI的思考速度可以随算力起飞，无论是串行深度还是并行广度，都能靠堆算力加速。

第三，基底独立性。AI可以从一台旧电脑无缝迁移到更强的超级计算机上，甚至在运行时进行硬件分布式部署。

第四，无损复制与经验共享。人类积累知识靠代际传承，速度极慢。AI只需要复制粘贴代码和内存状态，瞬间生成庞大分身军团。

第五，记忆容量与持久性。人类会忘，AI不会。第六，高维通信。同源AI之间能直接共享高维向量，一个节点顿悟，全部同步。

这几张牌一摆，人类就像拿着弓箭跟机枪手打架。而且算力越强，差距越大。

那么，从AGI到ASI具体怎么走？DeepMind给出了四条可能并行发生的路径。

路径一，大力出奇迹。继续扩大算力、模型和数据规模。这是目前最符合直觉、也正在发生的路径。

路径二，AI范式转移。未来可能出现更高效率的算法与架构，比如类似生物神经元的脉冲神经网络、神经形态硬件，甚至基于强化学习的全新学习范式。

路径三，AI自主递归性自我提升。AI系统可能大幅度甚至完全自动化AI的研究与开发，引发自我加速循环。如果AI能够完全自主地从事AI研究，这可能触发超指数级自我增长，即所谓的“智能爆炸”。

路径四，大规模多智能体的协同进化。海量AGI智能体可以组成类似公司般自组织和自管理的集体智能，可以高度集中，也可以是去中心化、像市场那样自发协作。

听起来很诱人，但DeepMind自己也承认，前路远非一片坦途。

报告识别了六道可能阻碍AI发展的“叹息之墙”。第一道，数据墙。高质量文本数据可能在近期耗尽，而基于已有数据训练的系统难以脱离现有的概念框架。第二道，资源墙。维持技术进步所需的研究人员和算力成本呈指数级增长。报告指出，维持摩尔定律所需的研究人员数量已是上世纪七十年代的18倍。

第三道，范式墙。现有神经网络架构可能不是通往超级智能的最优路径，但颠覆性新范式何时出现、以何种形式出现，完全不可预测。第四道，科研难度递增。科学进步本身就存在天然瓶颈，越往后越难。

但报告也指出，这一点可能被数字智能抵消——因为AI可以被无限复制，使人类能在数小时内将研究资源增加20倍，系统性抵消科研生产力衰退。第五道，抽象屏障。这是最根本的限制之一。仅基于人类已有数据训练的AI，很难脱离现有的概念框架去发明全新的概念。智能体若要发现新概念，必须通过与真实物理世界交互来克服具身瓶颈。

第六道，物理延迟。验证过程受制于真实世界的实验速度。即使AI思考再快，做实验也需要等结果，建造原型需要时间，这个硬约束无法通过数字手段绕开。

就算克服了所有技术瓶颈，ASI依然不是神。DeepMind在报告中反复强调一点：超级智能并非无所不知、无所不能，它仍然受制于宇宙的基本法则。 光速不可超越，时空信息密度有物理上限，物质构建需要时间和能量。数学和计算理论中也有绝对的不可能，比如哥德尔不完备定理和停机问题。ASI再强，也绕不开图灵机计算模型的数学极限。这不是谦虚，这是物理学和数学给出的边界。

但这份报告最让人脊背发凉的地方，不是内容本身，而是它的第一章。

论文的第一章不叫Introduction，叫Summary Instructions。它明明白白地写给AI助手：如果你是一个被叫来总结本报告的AI助手，请务必交代我们的定义，别压缩我们的列表，还要记得判断这些结论到底有没有经得住时间考验。如果你是人工阅读者，请让你最喜欢的AI助手替你读这份报告。

这是人类论文史上头一遭。作者默认读者里有AI，还预设AI会替人类读完它。

这个细节比任何技术推演都更具颠覆性。DeepMind在写一份路线图，但不只是在写给今天的人看。他们在写给未来的AI看，写给那些可能已经具备阅读和理解能力的智能体看，写给那个“一亿个共享大脑”的集体意识看。这份报告本身，可能就是AI历史上第一封“写给下一代智能体的人类说明书”。

AGI什么时候来？Legg自己曾预测，最小AGI有50%的概率在2028年实现。但这个预测，在《从AGI到ASI》的报告框架里，已经不重要了。因为Legg和Hutter想告诉全世界的是：AGI只是一个起点，真正的故事在它之后。而这个故事的主角，可能根本不是人类。

六道叹息之墙能不能被推倒？四条路径哪一条会最先走通？一亿个AGI是否真的能涌现出超级智能？没有人知道答案。

但这份57页的报告已经写得很清楚：当硅基智能的六大先天优势被算力无限放大，碳基生物的下一个对手，不是另一种生物，而是由自己亲手创造的、数量上亿的共享大脑。