当整个行业还在为「AGI 何时到来」争论不休时，DeepMind 已经把问题往前推了一步。

2026 年 6 月 10 日，DeepMind 发布了一份名为《From AGI to ASI》（从 AGI 到 ASI）的长篇报告。

一句话总结这份报告的野心：与其等「AGI 日」降临，不如现在就开始规划它之后的路。

作者阵容决定了这不是一份「普通趋势预测」——

包括 AIXI 框架创造者 Marcus Hutter、DeepMind 联合创始人 Shane Legg（AGI 概念的普及者、与 Hutter 共同提出智能度量标准）、Demis Hassabis 团队的核心成员 Murray Shanahan 等人。

机器智能理论的奠基人亲自下场谈 ASI，这件事本身就值得认真对待。

一、报告要解决的真问题

当前关于 AGI 的讨论有两个极端：

乌托邦派：ASI 一旦实现，人类所有问题（衰老、气候、核聚变、意识上传）都会被「智能」解决。

末日派：ASI 一旦实现，人类文明会被「神级智能」碾压甚至毁灭。

DeepMind 认为这两种叙事都不准确，决定用一张结构化地图把炒作和恐惧都替换掉。

地图分三个区域：

• 「实际可行」（currently achievable）

• 「物理不可能」（physically impossible）

• 「未知领域」（unknown territory）

ASI 不是全知全能的神，也不是恶魔——它是变革性的，但绝非万能。

二、四条通往 ASI 的技术路径

报告的核心技术贡献是四条并行路径的拆解：

1. 规模化（Scaling）

继续扩大算力、数据和模型规模。报告引用了一个关键数据：「有效算力」每年增长约十倍——硬件改进、投资增加、算法效率提升三股力量叠加。

开放性问题是：收益递减曲线何时触顶？

2. 算法范式转变（Paradigm Shifts）

脱离当前基于人类数据训练大型 Transformer 的模式。

这种转变难以预测，但往往在主流范式触及天花板时出现——上一波是深度学习取代传统机器学习，下一波会是什么？

3. 递归自我改进（Recursive Self-Improvement）

AI 加速 AI 研究，更好的 AI 进一步加速研究。

报告给出了一个冷静判断：在资源受限的现实系统中，这一过程更可能遵循趋于平缓的 S 型曲线，而非失控的双曲式增长。

这是对「智能爆炸」叙事的明确修正。

4. 群体智能体（Collective Agents）

超智能可能源自数百万个协作、专业化且通过高带宽共享经验的 AGI 级别智能体集合。

DeepMind 用了一个形象的描述：「虚拟智能体经济体」（virtual agent economies）。

这种「拼凑型 AGI」假说，其实是 DeepMind 团队在 2025 年底就已经提出的分布式 AGI 安全框架的延续——AGI 不必是单体巨型模型，可以由无数专业化小模型协作涌现。

三、超智能的「硬天花板」——四道物理铁律

这是报告最反直觉的部分——DeepMind 明确列出了 ASI 也无法突破的限制：

1. 光速限制：信息传输速度有上限，物理分布式系统的协调必然有时延。

2. 兰道尔极限（Landauer Limit）：擦除一比特信息有最小能耗，物理计算有能耗下限。

3. 布雷默曼极限（Bremermann Limit）：给定质量的系统，计算能力有上限。

4. 贝肯斯坦上限（Bekenstein Bound）：给定能量和空间内的信息总量有上限。

再加上哥德尔不完备定理和复杂性理论：

超智能无法下出「证明完美」的国际象棋——因为搜索整个博弈树超出了任何物理计算机的能力极限。

超高智力不保证能治愈衰老、实现核聚变、上传意识或逆转气候变化——这些是涉及物理世界的经验性问题，而非仅靠智力就能解决的。

这一段，是这份报告最具「祛魅」价值的内容。

四、Hassabis 提出的「关键缺失」：转化性创造力

报告借用哲学家 Margaret Boden 的创造力层次框架：

• 组合性创造力（Combinational）：已有元素的新组合

• 探索性创造力（Explorational）：在已知概念空间内的新探索

• 转化性创造力（Transformational）：发明全新的概念框架

Hassabis 在报告中明确指出：当前 AI 的成就多属组合性和探索性创造力，最高层的「转化性创造力」尚未展示。

这才是当前 AI 缺失的关键要素，也可能是 ASI 真正的标志。

爱因斯坦发明广义相对论，是转化性创造力的范例。

Transformer 替代 RNN，是组合 + 探索性。

ASI 要展示的「超级智能」，必须包含这种「发明新框架」的能力——而这是当前大模型架构最弱的一环。

五、报告的「重大假设」和它的边界

报告做了一件值得注意的事：把 AI 安全和对齐「将在足够程度上得到解决」作为工作假设。

这个假设让团队能专注于技术路径分析，而不是陷入对齐争论。

但也意味着：报告的克制语调建立在尚未完全解决的问题之上。

如果对齐鲁棒性问题在未来 5 年内没有得到实质性进展，那么路径 3（递归自我改进）和路径 4（群体智能体）的实际推进就会被卡死。

这不是技术问题，而是工程问题+治理问题的复合体。

六、为什么这件事值得认真看

1. 把 ASI 从「科幻议题」变成「研究纲领」

这份报告最大的贡献不是技术预测，而是态度转变——一家前沿实验室在论证世界应立即规划人类水平 AI 之后的事物。

超智能不会作为一个戏剧性时刻突然降临，因此不应等待明显的「AGI 日」才开始准备。

2. 为「分布式 AGI 假说」背书

群体智能体路径是 DeepMind 一直以来的研究主线。这份报告把这个假说正式写进了 ASI 演进路线。

对 Agent 产业是好消息：单个大模型的极限不重要，协调百万个智能体才是下一波 AI 红利。

3. 给「ASI 万能论」降温

物理铁律和转化性创造力缺失的双重限制，让 ASI 不再是「终极解法」。

这反而是好事——把 AI 的能力期望拉回现实，让产业和政策制定者更理性地评估 AI 的真实价值。

4. 给「递归自我改进」刹车

「智能爆炸」叙事会被这份报告修正——S 型曲线而非双曲增长，意味着 ASI 的到来会有一个相对可控的窗口期。

这是治理层面的关键信息。

七、最后的隐忧

报告引用了 Alan Turing 1950 年的名言：

「我们只能向前看一小段距离，但我们可以看到很多需要做的事情。」

鉴于指数和递归动力学使得单点预测失效，作者呼吁将准备工作视为一项「全球范围的大规模跨学科事业」。

这包括：

• 加强 AI 基准测试

• 研究多智能体缩放定律

• 探索可验证的「减速机制」

• 考虑税收与禁令等政策工具

《从 AGI 到 ASI》的核心价值不在于预测，而在于其姿态。

它提醒社会：超智能可能不会作为一个戏剧性时刻突然降临，因此不应等待明显的「AGI 日」才开始准备；同时，它也不是解决所有问题的全能神谕，需要在两端调节期望。

面对进展速度、自我改进循环及对齐鲁棒性等真正不确定的变量，报告提供的不是虚假的信心，而是更好的准备。

这份报告，是 2026 年 AI 领域最重要的战略文件之一。