AGI未至，ASI先行：万亿算力重塑终点

2026年，AI行业的叙事正在经历一次根本性的转向。当全球科技界还在争论AGI（通用人工智能）何时到来时，一批最具影响力的行业领袖已将目光投向了更远的地平线 —— ASI（人工超级智能）。

软银集团CEO孙正义在2026年6月接受CNBC采访时断言，OpenAI正在推进“AI设计开发AI”，AI已参与设计后续模型，而ASI的到来时间已从10年缩短至2年。他将ASI定义为“比人类聪明一万倍的人工智能”，并坦言此前提出的10年时间表“其实是偏保守的”，真实预期已改为未来2年。

OpenAI CEO山姆·奥特曼的判断同样激进。2026年2月，他表示早期形态的超级智能可能在未来几年内出现；到2026年7月，他更进一步宣告：“我们现在已经身处奇点之中，这就是那个历史时刻。”他甚至开始“思考超级智能之后的事情”。

谷歌DeepMind则用一份57页的报告《从通用人工智能到超级人工智能》（From AGI to ASI）系统性地回应了这一转向。报告由DeepMind联合创始人、首席AGI科学家Shane Legg与其博士导师Marcus Hutter共同领衔撰写，18年前Legg的博士论文就叫《Machine Super Intelligence》。微软AI CEO Mustafa Suleyman也证实，微软已内部组建了专门的超级智能团队。

这些来自全球AI头部厂商的判断指向同一个结论：AI时代的未来，属于ASI。

什么是ASI？它与AGI有何不同？

要理解ASI，首先需要厘清AGI的定义。根据DeepMind报告的界定，AGI（Artificial General Intelligence）是指在大多数认知任务上达到人类中位数水平的通用智能系统，它对应的是“普通人的一般认知能力”，而非顶尖专家的水平。

ASI（Artificial Superintelligence）则设定了截然不同的门槛。它不是在少数任务上超越人类，而是在几乎所有人类关心的领域都整体超过人类。DeepMind给出的参照标准尤为严苛：ASI要在几乎所有任务上，稳定超过“数万名顶尖专家、协调良好、围绕单个问题连续协作十年”的产出。AlphaFold、AlphaGo那种在单点上封神的成就，在ASI的标准下连起评分都算不上。

两者之间的差距，本质上是“普通人”与“数万名顶尖专家协作十年”之间的鸿沟。AGI只是让机器达到人类的一般水平，而ASI意味着机器在所有领域都碾压人类最杰出的集体智慧。

为什么ASI超越AGI成为焦点？

AI行业关注点从AGI向ASI的迁移，并非单纯的概念升级，而是有坚实的技术逻辑支撑。

· 数字智能的先天优势正在显现。DeepMind报告系统梳理了数字智能相较生物智能的六大优势：输入输出速度（AI数秒读完数本书，远超人类阅读带宽）、内部处理速度（电子信号近光速，人类神经元仅约100米/秒）、工作记忆容量（可扩展至整个互联网级别，人类仅4-7个组块）、基底独立性（可在硬件间无缝迁移）、无损复制（培养博士需二十年，复制AI只需瞬间）、高带宽经验共享（AI间可直接共享原始学习信号）。这些优势随着算力增长持续扩大，且AI获益幅度远超人类。

· 算力增长正在制造“量变到质变”的临界点。有效算力年增约十倍。如果维持这一增速，五年后有效算力将是今天的十万倍。DeepMind的推演显示：即便AGI诞生时成本极高，全球只能运行1000个AGI，按年增十倍计算，一年后达1万个，五年后达1亿个AGI。一亿个共享经验、高速思考、瞬间同步的AGI集群，本身即构成ASI，即使单个模型的能力永远停在人类水平。

· 递归自我改进（RSI）的闭环正在逼近。通往ASI的核心机制是AI加速AI研发，AI帮助设计下一代AI，更强的AI再次加速研发，形成智能爆炸的反馈循环。Anthropic在2026年5月披露，Claude已编写了公司超过80%的新代码，而一年前这个数字还是个位数。OpenAI的GPT-5.3-Codex已被确认为首个“参与创造自身”的模型，其团队用早期版本调试训练、管理部署、诊断测试结果。

这些变化叠加在一起，让“ASI何时到来”从一个哲学思辨变成了一个工程问题。

AGI与ASI的关系：必经之路与自然延伸

AGI与ASI并非割裂的两个目标，而是同一条智能连续体上的不同阶段。DeepMind的报告预设了一个核心前提：AGI已经实现，然后推演从AGI走向ASI的路径。报告提出了四条可能并行推进的路径，这四条路径并不互斥，很可能并行推进：

i. 持续规模化：继续扩大算力、模型和数据。这是最符合直觉、也是正在发生的路径。

ii. 算法范式转变：发现具备更高数据效率的新算法，甚至出现全新的AI范式。

iii. 递归自我改进（RSI）：AI自主迭代提升自身智能。

iv. 多智能体协同进化：海量AGI智能体组成类似公司般的自组织和自管理集体智能。

AGI对ASI实现的作用，可以类比为“起跑线”与“终点线”的关系：AGI是跨过人类水平门槛的起点，而ASI是越过这道门槛后指数级加速的自然延伸。DeepMind的推演强调了一个关键判断：要让进步恰好停在人类水平，需要多重条件同时不成立。要么在到达AGI之前就被卡住，要么会走得相对顺利，停在中间是概率最低的情形。换言之，一旦AGI实现，ASI的出现在统计上几乎是必然。

各方对ASI实现时间的预测正在急剧缩短。DeepMind报告虽未给出明确时间表，但其算力推演表明，AGI实现后五年内即可达到ASI的量级；OpenAI离职研究员的《AI 2027》报告则预测到2027年，超人编程智能体将自动化AI研发本身，触发智能爆炸，年底前人类可能面对无法控制的超级智能。

综合各方判断，ASI的早期形态最有可能在2027年至2029年之间出现，大规模ASI则在2030年前后成为现实。

ASI实现前的技术难题

在ASI真正降临之前，还有几道必须跨越的挑战。

· 对齐问题（Alignment Problem）：这是最难、也最紧迫的挑战。一旦系统达到人类专家水平的广泛能力，距离高度超人水平的通用AI只有一步之遥。如何确保一个比人类聪明万倍的智能体其目标与人类价值观一致？OpenAI曾投入20%总算力成立“超级智能对齐”部门，试图训练一个AI研究员来自动解决对齐问题。但这种“以弱胜强”的逻辑本身就存在悖论。

· 递归自我改进的稳定性：RSI的闭环目前尚未完全闭合。瓶颈已经从“生成代码的速度”转移到了“人类审查员的工作量”和“决定朝哪个方向研究的判断力”。AI写代码越快，人类审查的瓶颈越突出。

· 算力与能源的物理极限：有效算力的指数增长依赖于硬件、投资和算法三者的持续叠加。但物理极限、能源消耗和芯片制造能力都可能成为制约因素。

· 模型泛化能力：前OpenAI首席科学家Ilya Sutskever指出，当前真正的瓶颈不在于算力，而是模型的泛化能力远不如人类。如何让AI在从未见过的场景中做出正确判断，仍是未解难题。

· 控制权问题：一旦AI具备自我设计、训练并递归改进下一代模型的能力，人类对发展节奏的最终控制权将永久丧失。正如Bloomberg所警告的：“一旦启动，就再也按不下暂停键。”

ASI将如何改变人类与世界

ASI的实现将带来远超工业革命级别的变革：DeepMind认为，AGI到来后将产生“工业革命十倍的影响，但以十倍的速度发生 ；孙正义的判断更加激进，“AI革命的规模将比2000年代的互联网革命大50倍”。

硅谷已出现“脑力大清算”的迹象，ASI用极低的算力成本替代了大量白领工作，会计、初级律师、数据分析师等职业正处在被替代的临界点。与此同时，科学研究的生产力正在指数级提升，奥特曼透露“科学家的生产力已经提升了2到3倍”。

虽然当AI的智力总和远超人类，工作将不再是生存的必需手段。但奥特曼认为，人类不会因此闲下来，“在超级智能时代，我们每个人都会比自己想象中更加忙碌”。人类独有的价值 —— 真实感、探索精神、创造力以及对他人的奉献，依然不可替代。

UAI：智能的理论极限

在DeepMind的智能分级体系中，AGI和ASI之上还有一个更根本的概念 —— UAI（Universal Artificial Intelligence，通用人工智能理论） ，其数学形式被称为AIXI。AIXI是由Marcus Hutter提出的数学框架，它基于所罗门诺夫归纳和贝叶斯推理，在所有可计算的环境中给出了能够最大化预期累积奖励的终极智能的数学定义。UAI代表了智能在理论上的绝对上限，ASI只是在这条智能连续体上不断逼近UAI的一个里程碑。

然而，AIXI被证明在计算上不可实现，它是智能的“理想气体定律”，指明了极限方向却无法被工程化。但UAI的存在具有重要的理论意义：它告诉我们智能是有理论边界的，ASI并非无限智能，而是在逼近一个可计算框架下的最优解。

从这个角度看，AI的发展路线可以这样理解：ANI（狭义人工智能）→ AGI（人类水平）→ ASI（超人水平）→ UAI/AIXI（理论极限）。我们当前正处于从AGI迈向ASI的转折点，而UAI则如同物理学中的绝对零度：可以无限逼近，却永远无法真正到达。

AGI是起点，ASI是终点，而UAI则像远方的灯塔，提醒我们即使ASI降临，智能的极限依然在那里，等待被无限逼近。