谷歌DeepMind发布AGI路线图：1亿个人类水平AI即构成“ASI”
Alina Collins
DeepMind发布57页报告，核心论断是单个AI哪怕永远停在人类水平，1亿个实例的集体智慧就足以跨入超级智能——关键不在造出更聪明的模型，而在造出更多的模型。
这份报告到底在说什么？
DeepMind联合创始人Shane Legg与AIXI理论发明人Marcus Hutter领衔14人团队完成报告《从AGI到ASI》。
报告将智能分三档：AGI（多数认知任务达到人类中位数）、ASI（超越数万名顶尖专家协作十年的产出）、UAI/AIXI（理论绝对天花板）。
这意味着→ DeepMind给"超级智能"画了一条可量化的红线：不是"比人聪明"这种模糊说法，而是必须稳定碾压一整支顶级专家团队。
"1亿个普通AI"怎么就变成超级智能了？
报告做了一个思想实验：AGI初生时全球只跑1000个实例，按每年10倍增速，五年后达到1亿个。
这1亿个AI共享同一个大脑、思考速度快百倍，集体智慧本身就够跨越AGI到ASI的红线。
用大白话说＝ 一个人解不出的题，一亿个一样聪明的人同时想、互相传答案、速度还快百倍——堆人数本身就是一种超越。
通往ASI的四条路，哪条最现实？
路径一：暴力堆规模——算力、数据、模型继续扩大；报告措辞最笃定，认为数年内AGI可从实验室奢侈品变为基础设施。
路径二：范式跃迁——若现有"预训练+微调+推理"路线撞顶，可能催生脉冲神经网络、神经形态硬件或无限工作记忆架构（如Mamba）。
路径三：群体涌现——数百万AGI专家通过高带宽通信组成数字生态，协同效应涌现出超越个体总和的群体智能。
路径四：递归自我改进——AI自己改自己的代码和硬件来加速研发，AlphaEvolve和FunSearch已是早期实践。
六道"叹息之墙"——什么可能让一切卡住？
前五道墙依次是：数据墙（高质量文本本年代末耗尽）、资源墙（算力电力芯片天文数字投入）、范式墙（Transformer路线可能撞顶）、难度墙（低垂果实摘完后研究难度指数级上升）、社会墙（AGI大规模取代白领引发监管刹车）。
第六道是报告最具原创性的"抽象屏障"：把牛顿以前的全部人类文字喂给AI，它能自行推导出相对论或量子力学吗？DeepMind认为极大概率不行——AI缺少微积分、引力等底层概念基元。
这意味着→ 单个模型可能永远被锁死在人类认知上限之内；但报告紧接着说，这堵墙挡得住一个天才，挡不住一亿个普通实例——集体智能可以绕过个体的抽象瓶颈。
DeepMind自己押注哪种结局？
报告结尾判断相对克制：要让AI进步卡死在人类这条线上，需要六道墙同时变成死路——这种巧合概率不高。
DeepMind押注两种结局：要么在AGI之前就先卡住，要么从AGI到弱ASI走得相当顺畅，中间态反而不太可能。
这反映出DeepMind的核心赌注：瓶颈不在"能不能造出超级智能"，而在六道墙中哪一道会率先成为真正的硬约束。
Content is for reference only, not financial advice.