【前瞻】没有“那一刻”：DeepMind 把超级智能写成一条连续谱

要掂出这份报告的分量，得先看清 Shane Legg 走过的那条弧线。1996 年，他的硕士论文叫《Solomonoff Induction》；2002 年，他独立提出、并随后与 Ben Goertzel 一道把“AGI”这个词推广开来（这一术语最早由物理学家 Mark Gubrud 在 1997 年使用）；2008 年，他的博士论文题为《Machine Super Intelligence》，导师正是 Marcus Hutter——通用人工智能理论 AIXI 的提出者，后来在 2019 年被 Legg 拉进了 DeepMind。

二十四年后，给“终点”命名的人，回来画“终点之后”的地图，并且把这张图，锚回了自己学生时代就在钻研的那套理论。给 AGI 命名的人，如今告诉你：AGI 根本不是终点，只是一个路标。

报告的姿态因此格外克制。它不去争论 AGI 何时到来——Legg 的中位预测一贯是 2028 年，DeepMind CEO Demis Hassabis 则说五到十年，称其将带来“十倍于工业革命的影响，却以十倍的速度展开”。报告干脆假定它会到来，然后追问一个更少有人正面回答的问题：到了之后，智能还会怎么长？

这其实是 DeepMind 一条研究线的第三步。2025 年 4 月，它发过一份 145 页的 AGI 安全报告（Legg 联署），警告 AGI 可能在 2030 年前到来、并带来“严重危害”乃至灭绝风险；此后又有一份关于认知框架的论文；如今这份《从 AGI 到 ASI》，是去描摹它身后的地平线。先定义 AGI，再设法让它安全，最后画出它之后的世界。

二、没有“那一刻”

流行的想象里有一个“奇点”——某个清晨醒来，世界从此改变的那一刻。报告对此给出的判断很冷：更可能的不是一次跃迁，而是一连串接踵而至的转变。与其说 AGI 是一道门槛，不如说它是连续谱上的一个刻度。

凭据是一把尺子：Legg-Hutter 智能测度。它把智能定义为一个 agent 在所有可计算任务上的平均表现，越简单（Kolmogorov 复杂度越低）的任务权重越高。沿着这把尺子看，AGI 与 ASI 之间根本没有一条非黑即白的线，只有刻度的高低。接下来是一段很硬、也很可引用的算力算术。

把这串数字落到 AGI 上：就算第一个 AGI 昂贵到只能跑一千个实例，一年后是一万个，五年后是一亿个；或者一百万个、每个还快上一百倍。即便没有任何一个比最聪明的人更聪明，这样一支不眠不休、可被复制的大军本身，可能就是从 AGI 迈向 ASI 的那一步。

然后是两个 Ray 的故事。若 AI 能加速自身的研究，增速本身就会随规模上升，理论上在有限时间内冲向无穷——这就是“奇点”的数学原型，叫双曲增长。它最早由 Ray Solomonoff 在 1985 年于 AI 自我改进的语境下提出；后来另一个 Ray（Kurzweil），用两本书把“奇点”写成了一个时代的图腾。但报告提醒：现实中的有限系统总有摩擦，曲线最终会被掰成一条 S 形。真正的问题不是奇点会不会来，而是把指数掰弯的那些摩擦，什么时候、在哪里起作用。

三、从上往下的尺子

要给 ASI 划界，有两个方向。一是自下而上，从今天的系统往上外推——风险在于，真实的 ASI 可能与外推大相径庭；二是自上而下，借一个理论上界来约束想象。报告的“上界”，就是 Hutter 那套 Universal AI，也就是 AIXI。

AIXI 是什么，尽量说直白：一个理想的 agent，把“世界”当成未知，同时把所有可计算的环境都当作假设来考虑；它依据 Solomonoff 通用先验给每个假设赋一个概率——越简单（Kolmogorov 复杂度越低）的假设，先天概率越高；随着观测不断到来，它以贝叶斯方式更新这个“世界模型”，再据此规划。可以证明：在所有可计算环境的平均意义上，没有别的 agent 能拿到比它更高的期望回报。AIXI 给出了智能的理论天花板；它不可计算，却能被越造越高的近似，从下面一点点顶上去。

报告最锋利的一笔在这里。它把“在互联网规模数据上、对一个巨型序列预测器做对数损失最小化”的预训练，看成是“通用压缩”的一个资源受限近似——而在这套理论里，压缩与预测、预测与智能，本就是同一件事。于是今天这套“预训练＋微调＋测试时计算”的范式，拿到了一张理论通行证：原理上有可能一路通向通用智能，而不必中途撞上一堵根本性的理论墙。

这并不是说今天的模型已经够用——持续学习、超长上下文、稳健决策，仍是公开的难题。它说的只是：沿着现有范式往上爬，理论上没有哪里写明“此路不通”。

四、四条路与六道关

报告把“AGI 之后怎么走”，摊成四条彼此独立、可以并行、互不排斥的路：其一，继续规模化（更多算力、更大模型、更多数据，这是唯一一条还能在历史数据上拟合预测的路）；其二，范式跃迁（全新架构或训练方式，往往要等现范式撞顶才被逼出来，因而最难预测）；其三，递归自我改进（AI 加速 AI 的研发，再回头造出更强的 AI，若能完全自动化，可能“爆炸式”地把 AGI 推到 ASI；AlphaEvolve、FunSearch 与各类“AI 科学家”，是已经亮起的早期信号）；其四，多智能体集体。

第四条最反直觉，也最重要。ASI 未必是一个巨脑；一大群人类级 AGI，通过编排，或像市场那样自组织，可以在整体上超人，哪怕没有任何单个节点越过那条线。报告给了两个意象：像《星际迷航》里高度同质、极致协作的“博格集体”，或一个超高速运转、用价格信号协调海量 agent 的“虚拟智能体经济”。ASI 未必是一个更聪明的脑，而可能是一群人类级智能组成的、整体上超人的组织。

报告对这六道关，态度最克制、也最诚实。每一道关究竟是能绕过的摩擦，还是过不去的死墙，本身就是一个尚未解决的研究问题。它没有替你拍板哪条路会赢、哪道关会要命，而是把判断权，连同一长串具体的研究议题，原封不动地交还给整个领域。

五、既非全知，也非全能

在一片对超级智能的狂想里，报告专门用一张表来踩刹车：就算智能远超人类，ASI 也既不全知、也不全能。它被一组相当确定的极限锁住——物理学（光速决定信息传播的上限，Landauer 原理决定计算的能耗下限，Bremermann 极限决定运算速度的上限，Bekenstein 界决定有限空间里能装多少信息）、真实时间（物理世界按真实时间运行，有些实验快不起来）、物理操纵、认知局限、复杂性理论（P 与 NP），以及逻辑本身（哥德尔不完备定理、停机问题）。ASI 不会是神：它下不出“可证最优”的棋，也未必能逆转衰老，或把气候调回工业革命之前。

一个清醒的例子：要下出“可证完美”的棋，得穷举一棵大到天文数字的博弈树，所以 ASI 不可能做到这一点；但在实践里，靠启发式与近似，远低于这个成本就能下出极强的棋。麻烦恰恰在于——一个问题到底有没有好的近似解、能近似到什么程度，常常无法事先预测，唯一的办法是真的把它跑出来。许多负面的理论结论可以成立，却往往是“空洞”的：它划下了边界，却不告诉你边界之内究竟能做到多好。

六、识神能否成元神

六道关里最深的一道，报告称之为“抽象壁垒”，由作者之一 Lerchner 提出。它的疑问是：今天的 AI 主要在人类已经造好的概念上训练，它极擅长重组这些概念，却未必能从原始世界里“长”出全新的概念原语。报告抛出一个尖锐的思想实验：如果一个模型只在前牛顿时代的知识上训练，给它同样海量的数据，它能推导出广义相对论吗？在缺少微积分、万有引力、电磁学这些概念原语的前提下，几乎不可能。

Hassabis 给过一个类似的“真正的测试”：回到 1900 年的爱因斯坦，用他手里同样的信息，AI 能独立想出广义相对论吗？他说，今天的答案显然是不能——还缺了点什么。报告再借 Margaret Boden 的创造力三层给这件事定位：组合式（把熟悉的东西重新拼接）、探索式（在既有的概念空间里找到新元素）、变革式（开辟一个前所未有的概念空间）。AlphaGo 那著名的“第 37 手”、AlphaFold 解出的新蛋白结构，固然惊艳，但大体属于前两层——是在人类划定的概念空间之内的探索。当年正是这一手，让李世石改了口：他原以为 AlphaGo 不过是台讲概率的机器，看过之后才确信，它是有创造力的，那一手真的很美。

AI 已经走到了探索式创造力；能不能跨进变革式——从原始现实里生出新概念——是通往 ASI 最深的那道未知。读到这里，正好接上《宇宙纪事》一直在用的那对词。识神，是分别、推理、在既有概念之间重组的那个心——今天的大模型，本事全在这里；元神，是从混沌的原始世界里，第一次“立”出一个概念的那个心。报告等于在追问：识神，能否成元神？

而且就算能，前面还横着一道“具身瓶颈”：新概念必须拿到物理现实里去验证才算数，而验证受制于化学反应的速率、制造的速度，受制于天气、生物、经济这类复杂系统无法被足够精确地长期模拟。于是递归自我改进会被按在一条更慢的节拍上。真正的天花板，也许不是算力，而是经验科学的速度——新概念，要等物理世界点头。

七、写给未来的信

报告通篇有一个大前提：它假定“AI 安全与对齐会被足够好地解决”，并坦承这不是轻飘飘的假设，而是为了把视线聚焦在技术轨迹上的一个工作假设。它同样承认这张地图很可能并不完整，需要后来者不断更新；甚至在文末专门标注：全文九成以上由人类亲手写就，语言模型只参与了不到一成的润色与文献整理。一份关于 AI 未来的文件，郑重地标明了人类的笔迹。

报告用图灵在 1950 年的一句话开篇，又用它收尾：我们只能看到不远处，但就在那不远处，有大量工作等着去做。距离 1956 年达特茅斯会议上那群人立下“造出智能”的志向，已经七十年。

所以这份报告才会一开始就对未来的 AI 说话，请它替人评判：这些论断，经受住时间的检验了吗？写下它的人心里清楚，真正读懂这张地图的，或许正是地图尽头的那种智能；而我们这一代人的位置，恰好在地图的起点。看不远，但看得见有很多事要做。这句话，既是图灵留给 1950 年的，也是 DeepMind 留给此刻的——以及，留给那个终将读到它的读者的。

宇宙纪事 · 产业深度 / 2026.06.14

本文系对 Google DeepMind 报告《From AGI to ASI》（arXiv:2606.12683v1，2026 年 6 月 10 日提交）的评述与解读，数据与引述均以报告原文及公开资料为准；原文见 arxiv.org/abs/2606.12683。

转载请注明：《宇宙纪事》。