谷歌DeepMind發布AGI路線圖：1億個人類水平AI即構成「ASI」
Alina Collins
DeepMind發表57頁報告，核心論點是單個AI哪怕永遠停在人類水平，1億個實例的集體智慧就足以跨入超級智能——關鍵不在造出更聰明的模型，而在造出更多的模型。
這份報告到底在講什麼？
DeepMind聯合創始人Shane Legg與AIXI理論發明人Marcus Hutter領銜14人團隊完成報告《從AGI到ASI》。
報告將智能分三檔：AGI（多數認知任務達到人類中位數）、ASI（超越數萬名頂尖專家協作十年的產出）、UAI/AIXI（理論絕對天花板）。
這意味著→ DeepMind給「超級智能」畫了一條可量化的紅線：不是「比人聰明」這種模糊講法，而是必須穩定碾壓一整支頂級專家團隊。
「1億個普通AI」點解就變成超級智能？
報告做了一個思想實驗：AGI初生時全球只跑1,000個實例，按每年10倍增速，五年後達到1億個。
這1億個AI共享同一個大腦、思考速度快百倍，集體智慧本身就夠跨越AGI到ASI的紅線。
簡單來說＝ 一個人解唔到的題，一億個一樣聰明的人同時諗、互相傳答案、速度仲快百倍——堆人數本身就係一種超越。
通往ASI的四條路，邊條最現實？
路徑一：暴力堆規模——算力、數據、模型繼續擴大；報告措辭最篤定，認為數年內AGI可從實驗室奢侈品變為基礎設施。
路徑二：範式躍遷——若現有「預訓練＋微調＋推理」路線撞頂，可能催生脈衝神經網絡、神經形態硬件或無限工作記憶架構（如Mamba）。
路徑三：群體湧現——數百萬AGI專家透過高帶寬通信組成數碼生態，協同效應湧現出超越個體總和的群體智能。
路徑四：遞歸自我改進——AI自己改自己的代碼同硬件來加速研發，AlphaEvolve和FunSearch已是早期實踐。
六道「嘆息之牆」——乜嘢可能令一切卡住？
前五道牆依次是：數據牆（高質量文本本年代末耗盡）、資源牆（算力電力晶片天文數字投入）、範式牆（Transformer路線可能撞頂）、難度牆（低垂果實摘完後研究難度指數級上升）、社會牆（AGI大規模取代白領引發監管剎車）。
第六道是報告最具原創性的「抽象屏障」：將牛頓以前的全部人類文字餵給AI，佢能否自行推導出相對論或量子力學？DeepMind認為極大概率唔得——AI缺少微積分、引力等底層概念基元。
這意味著→ 單個模型可能永遠被鎖死在人類認知上限之內；但報告緊接住講，呢道牆擋得住一個天才，擋唔住一億個普通實例——集體智能可以繞過個體的抽象瓶頸。
DeepMind自己押注邊種結局？
報告結尾判斷相對克制：要令AI進步卡死在人類呢條線上，需要六道牆同時變成死路——呢種巧合概率唔高。
DeepMind押注兩種結局：要麼在AGI之前就先卡住，要麼從AGI到弱ASI行得相當順暢，中間態反而唔太可能。
這反映出DeepMind的核心賭注：瓶頸唔在「能唔能造出超級智能」，而在六道牆中邊一道會率先成為真正的硬約束。
Content is for reference only, not financial advice.