arXiv:2606.12683 | DeepMind 团队 | 2026
探讨后 AGI 世界中 AI 如何沿智能连续体继续发展，从人类水平 AGI 过渡到人工通用超级智能（ASI）的四条路径，以及潜在摩擦与瓶颈。
核心论点
- AGI → ASI 连续体：ASI 指在认知能力上超越大规模人类组织的系统，而非简单的”比人聪明”
- Universal AI（理论端点）已有较好的形式化理解，为报告提供了数学基础
- 不能排除”单一变革性跃迁”的图像是错误的——更可能是 AI 推动多个领域连续突破导致的一系列社会变革
四条 AGI → ASI 路径
| 路径 | 核心机制 |
|---|---|
| Scaling AGI | 持续规模扩展当前 AGI 系统 |
| AI Paradigm Shifts | 全新 AI 范式的突破性出现 |
| Recursive Improvement | AI 自我改进循环 |
| Multi-Agent Collectives | 大规模多 Agent 集群涌现出 ASI |
摩擦与瓶颈
报告讨论了上述路径的潜在阻力，认为这些摩擦影响的量级（可忽略还是实质性）目前仍是开放研究问题。
核心结论
- AGI 实现后 AI 进步可能持续加速，单一变革性跃迁的叙事可能不准确
- 更可能的场景是：AI 在科学技术多个领域持续突破，引发一系列社会变革
- 应对这一前景需要全球范围的跨学科协作
作者
Tim Genewein, Matija Franklin, Alexander Lerchner, Laurent Orseau, Samuel Albanie, Adam Bales, Cole Wyeth, Stephanie Chan, Iason Gabriel, Joel Z. Leibo, Allan Dafoe, Marcus Hutter, Thore Graepel 等（DeepMind）
资源
- 论文：https://arxiv.org/abs/2606.12683
- 配套代码：暂未找到官方开源实现
叹息之墙
AI的发展可能在AGI阶段甚至更早就被迫停滞
- 数据墙（高质量文本快喂完了）、
- 资源墙（算力、电力、芯片的账单指数级膨胀）、
- 范式墙（预训练Transformer这套打法可能撞顶）、
- 研究变难（低垂的果子摘完了）、
- 人为刹车（监管、事故、社会反弹）
- 抽象壁垒（最深刻的哲学拷问，能否发现全新概念）
相关页面
- openreview_agent-harness-engineering-survey — Agent Harness 工程体系，AGI 基础设施视角
- agent-continual-learning — Agent 持续学习，通向更强 AI 的机制