从 AGI 到 ASI：揭秘超级人工智能的演进逻辑与技术终点
From AGI to ASI
本文由 Google DeepMind 团队撰写，深度探讨了从通用人工智能 (AGI) 到超级人工智能 (ASI) 的技术路径。文章通过 Universal AI (AIXI) 框架为智能设定了理论上限，并系统分析了数字智能在超越人类集体能力过程中的核心驱动力与潜在瓶颈。
TL;DR
如果说 AGI 是实现“人类水平”的智能，那么 ASI（人工超级智能）则是要超越人类专家集体的智慧巅峰。Google DeepMind 的最新报告指出，我们正处于从计算规模扩张向研发自动化递归转型的关键期。通过有效算力的指数级增长和多智能体协作，ASI 的出现可能并非一个遥远的时点，而是一系列技术奇点的连续爆发。
历史定位：我们离“奇点”还有多远？
过去十年，AI 的有效算力（Effective Compute）——结合了硬件进步、投资增长和算法效率（Algorithmic Efficiency）——保持了每年 10 倍 的惊人增长。作者指出，即便单一模型的进步放缓，只要算力提速，我们依然可以通过运行“数百万个 AGI 实例”并让其协同工作，来实现 ASI。
核心路径：如何通往超级智能？
报告拆解了通往 ASI 的四条核心赛道：
- Scaling Law 的极限延伸：不仅仅是加算力，更是通过推理时扩展（Test-time Scaling）和合成数据迭代（Synthetic Data Loop）突破物理数据极限。
- 递归自我改进 (RSI)：这是最具爆炸性的路径。当 AI 开始编写更好的代码、设计更高效的芯片时，增长曲线将从指数（Exponential）转向双曲（Hyperbolic），即在有限时间内趋向无穷。
- 多智能体涌现：类似于人类社会的协作，数字智能通过高带宽通信实现的“群体意识”将轻松跨越个体认知的瓶颈。
上表展示了通往 ASI 的核心瓶颈及其应对策略，重点在于如何通过合成数据与模拟环境翻越“数据墙”。
深度直觉：数字智能的降维打击
为什么 ASI 一定会超越人类？作者提出了**数字智能（Digital Intelligence）**的几大先天优势：
- 无损复制 (Lossless Replication)：经验可以瞬间从一个实例克隆到千万个实例。
- 衬底无关性 (Substrate Independence)：AI 可以随时迁移到更强的硬件，不受生物演化速度限制。
- 超高带宽通信：人类沟通受限于语言的低吞吐量，而 AI 之间可以直接共享隐藏层表征或梯度。
技术屏障：不仅仅是算力问题
尽管前景诱人，但报告冷静地指出了**“抽象屏障” (Abstraction Barrier)**。这一直觉认为，目前的 AI 主要是对人类既有抽象概念的重组。如果 AI 不能像牛顿或爱因斯坦那样，从原始感官数据中独立发现物理规律（概念发现），它可能会锁死在人类认知的上限。
表格对比了数字智能相对于生物智能的核心优势，这是 ASI 能够超越人类专家集体协作的物理基础。
结论与展望：后 AGI 时代的科研议程
在通往 ASI 的道路上，作者认为最需要解决的不是“能不能”实现，而是如何**基准测试 (Benchmarking) **。当 AI 已经超越所有人类专家时，传统的测试集将失效。我们需要开发基于“通用压缩率”或“多智能体博弈”的新一代评估体系，以量化那即将到来的、不可感知的智能跃迁。
Summary Takenaway: AGI 只是起跑线，真正的变革源于 AI 对科学研究本身的全面接管。