热门AI工具推荐

焚书AI多模型聚合平台
AI多模型聚合平台( Claude 系列、GPT 系列)支持聊天、搜索、图片、视频、音乐等多种功能;聚合了 Claude 系列(如 Sonnet 5、Opus 5 等)、Gemini 系列、GPT 系列、DeepSeek(搜索模式默认调用 DeepSeek V4 Pro)以及通义千问、Kimi 等数十款国内外主流模型。
AI编程订阅服务,支持多款国产主流编程模型自由切换。
Seedance 2.0AI视频生成
具备卓越的物理真实性和角色一致性,可生成电影级视频内容。
方舟 Agent PlanAI智能体订阅
火山引擎推出的全场景AI智能体订阅服务,通过一个订阅整合5大主流模型和10+AI工具
SpeedAIAI内容检测降重
AI内容检测与降重工具,能有效帮助用户通过论文AI率检测
秒哒AI工具
不懂代码也能开发应用?百度秒哒:无需编程,快速搭建小程序与网站
有戏AIAI漫剧生成工具
全流程AI短剧创作工具,实现从剧本到成片的自动化生产,让“一人即剧组”成为现实。
沁言学术智能科研平台
一站式文献管理与科研写作工具,支持边写作边搜索文献,高效阅读,文献管理,

谷歌DeepMind给出AGI到超级智能四条路径

时间:2026年11月19日。谷歌DeepMind研究所(DeepMind Institute)在官网发表长文《What comes after AGI? From AGI to ASI》,作者是谷歌DeepMind研究科学家Tim Genewein。 地点:谷歌DeepMind研究所官网,线上发布。 人物:谷歌DeepMind研究科学家Tim Genewein(文章作者);谷歌DeepMind技术报告《From AGI to ASI》的作者团队,其中包括DeepMind联合创始人Shane Legg在内的12位研究者;DeepMind研究所。 事件详情:这篇文章把AGI之后会怎样从哲学讨论拉回到可实证研究的框架,给出四条可能通往人工通用超级智能(ASI)的路径:模型与数据的持续规模化、超越当下基于Transformer的技术范式转移、让大量AGI实例协同组成群体智能体,以及递归自我改进。作者为ASI设了明确门槛:需要在几乎所有人类关心的任务上,用更少资源、更少时间持续稳定地超过成组的人类专家,例如用一小部分时间完成整个研究领域的科学进展,或在芯片设计上达到大公司一年才做得到的水平;仅在象棋、围棋、蛋白质结构预测等窄领域超人并不算ASI。文章同时指出,人类级AGI只是通用智能连续谱上的一个点,其上方还存在难以逾越的物理、逻辑与复杂性限制,比如气候、免疫系统和人类社会的走向无法被任意精确地预测。算力与成本方面给出的推算是:全球有效算力存量的年增速至少10倍,其中最大前沿训练运行的训练算力每年增长超过4倍,十年将放大100亿倍;若该趋势成立,十年后今天能跑一个AI智能体的算力,足以运行数量超过世界人口的同等质量智能体;而仅靠硬件与推理效率的提升,AI工作负载的算力需求每年还能再降约4倍,今天用10亿美元算力token完成的一次认知负载,十年后成本约1000美元。文章还引述一项近期研究称,达到固定基准分数的消费者价格每年下降超过13倍。 背景:这篇长文建立在谷歌DeepMind于2026年6月12日发布的技术报告《From AGI to ASI》之上,该报告由包括DeepMind联合创始人Shane Legg在内的12位研究者共同撰写,首次提出这四条路径及各自的技术瓶颈,公开版本用可靠地超过数万名高度协作的专家、在一道问题上工作十年、且只有2010年前后的技术与文化产物可用来刻画ASI的门槛。11月19日的文章是该框架的进一步展开,并补上了认知工业化视角下的算力与成本推算。 影响:对产业界而言,这篇文章把AGI之后的讨论从理念之争推进到路径与瓶颈之争,四条路径中的三条——规模化、范式转移、智能体协同——正是当前研究与投资正在下注的方向,递归自我改进则是分歧最大的一条;对政策与安全讨论而言,ASI被设定为一个需要跨任务、跨规模长期稳定成立的能力门槛,而不是若干窄领域的刷分结果,这会改变各方判断何时需要治理介入的尺度。作为一篇署名个人观点的文章,它不代表谷歌DeepMind的官方立场,但由DeepMind研究科学家在官方研究所站点发表,其影响力显然超出一篇普通学术随笔。 总结:DeepMind研究所这篇《What comes after AGI?》给出的核心判断是,超级智能不是一个需要等到的奇点,而是当前轨迹的延伸,只要按现在的速度、并且不排除加速,就可能从人类级AGI继续走向人工通用超级智能。为此作者提出四条路径——模型与数据规模化、技术范式转移、大规模智能体协同、递归自我改进——并把ASI的门槛钉死在跨任务、长期稳定地超越成组人类专家上。配套的算力推算同样具体:有效算力每年至少10倍增长,十年放大100亿倍,而硬件与推理效率的改善会让同等认知负载的计算成本从10亿美元降到约1000美元。对行业与政策讨论来说,这篇文章提供的不是预测,而是一张需要被认真对待的路线图。 常见问题: 问:DeepMind所说的超级智能ASI门槛是什么? 答:在几乎所有人类关心的任务上,用更少资源、更少时间持续稳定地超过成组的人类专家。 问:AGI到超级智能有几条路径? 答:四条:模型与数据规模化、技术范式转移、大规模智能体协同、递归自我改进。 参考来源: DeepMind研究所:What comes after AGI? From AGI to ASI(Tim Genewein,2026年11月19日) https://institute.deepmind.com/essays/what-comes-after-agi Unite.AI:DeepMind Institute Maps Four Routes From AGI to Superintelligence https://www.unite.ai/deepmind-institute-maps-four-routes-from-agi-to-superintelligence/ AI Weekly:Google DeepMind's Genewein maps four pathways from AGI to ASI https://aiweekly.co/alerts/google-deepminds-genewein-maps-four-pathways-from-agi-to-asi AI Weekly:Google DeepMind's Tim Genewein Essay Argues AI Trajectory Now Points From AGI to ASI Within a Decade https://aiweekly.co/alerts/google-deepminds-tim-genewein-essay-argues-ai-trajectory-now-points-from-agi-to TMCnet Insight:Four AGI routes to superintelligence mapped https://insight.tmcnet.com/insight/four-agi-routes-to-superintelligence-mapped-67385d arXiv:From AGI to ASI(谷歌DeepMind技术报告,2026年6月) https://arxiv.org/abs/2606.12683

Google · 更多动态

进入专题

同日其他快讯

11月20日 汇总