DeepMind研究所发文探讨通用人工智能之后的可能性,提出算力扩张、技术范式转变、智能体协同与递归自我改进四条通往超级智能的路径,并呼吁从现在开始建立测量体系。
2026年11月19日,DeepMind研究所发表文章,认为人工智能可能从人类水平的通用人工智能(AGI)迈向通用超级智能(ASI),并给出四条路径:扩张模型与数据规模、技术范式转变、加强智能体之间的协同、递归自我改进。这篇题为《AGI之后是什么?》的文章由Google DeepMind研究科学家Tim Genewein撰写。文章称,未来十年快速进展是"一种严肃的可能性",但并非确定,并呼吁研究者和政策制定者现在就着手追踪这一进程。
文章把ASI定义为:在几乎所有人类关心的任务上,"用更少的资源和时间,持续超越大群人类专家"的系统——这些任务对人类专家而言可能需要数年才能完成。国际象棋、围棋或蛋白质结构预测等单一领域的超人表现,达不到这一标准。

文章估算,全球"有效算力"每年至少增长十倍。这一数字综合了三项趋势:单位美元算力每年约提升1.5倍,算法训练效率每年提升3至6倍,AI硬件支出每年增长约2.5倍。若该趋势延续十年,今天需要10亿美元算力成本的认知工作,届时成本约为1000美元。文章把这种认知工作走向商品化的转变称为"认知工业化"。
每条路径都有瓶颈。规模扩张可能遭遇高质量数据短缺、收益递减,以及电网和芯片制造的制约。当前模型在持续学习和样本效率上存在不足,因此可能需要范式转变。协调大量智能体仍缺乏"多智能体扩展定律"。递归自我改进若缺乏良好的反馈引导,可能停滞不前;即便推进,也最可能在可自动校验的领域走得最快,例如数学证明。
文章认为,这些路径会相互叠加,因此只限制某一项投入(如训练算力)"不足以阻止整体进展"。文章还警告,压制一项投入而其他投入继续前进,可能积累出能力"悬垂"。
文章的建议是"建模、测量、预测,然后重复",需要前沿实验室与国家和全球机构开展跨学科合作。许多必要指标依赖对前沿模型的访问权限和大量评估算力。文章没有给出AGI或ASI可能出现的时间。
文章依据的是2026年6月12日的技术报告《从AGI到ASI》。报告14位作者包括Genewein和DeepMind联合创始人Shane Legg,描述了同样的四条路径。研究所表示,其文章不应被视为官方观点。
"这些预测没有一项是确定的,"Genewein写道,"但这些路径和情景也远非毫无根据的炒作或虚构。"
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断