https://jiajia.fun/qa/eca617a3-agi%E8%BF%98%E6%B2%A1%E5%AE%9E%E7%8E%B0-%E8%BF%9Ersi%E9%83%BD%E6%B2%A1%E5%AE%9E%E7%8E%B0-%E6%80%8E%E4%B9%88%E5%BC%80%E5%A7%8B%E6%83%B3asi%E7%9A%84%E8%AE%BE%E6%83%B3%E4%BA%86-%E8%AE%B2%E8%AE%B2

# https://institute.deepmind.com/essays/what-comes-after-agi/ AGI还没实现，连RSI都没实现，怎么开始想ASI的设想了 讲讲

这篇之前有群友问过，完整解读在这里：https://jiajia.fun/digest/226b3d79921741b9eb477560 至于为什么 AGI 和 RSI 都还没完全实现，DeepMind 就开始认真推演 ASI，文章里其实给出了很实在的三层理由： 第一，研究和治理的时间窗口变了。以前觉得 AGI 还太远，聊 ASI 纯属哲学猜想；但现在 AGI 已经进入射程，而人类水平只是智能连续谱上的一个点，再往后怎么定义指标、怎么测算进展，都需要提前建好实证工具和追踪框架，等真到门口再想就晚了。 第二，通往 ASI 并不完全卡死在「先做出完美 AGI」或「跑通全面 RSI」上。文章专门算了一笔「认知工业化」的账：哪怕前沿能力突破放缓，光靠硬件、算法效率和算力投入的复利，未来十年有效算力也能推高百亿倍。数字智能不像人类，它可以无损复制、高速并行、高带宽共享经验，一旦人类水平的智能能以极低成本海量复制，量变本身就可能跨过从 AGI 到弱 ASI 的质变门槛。 第三，RSI 只是四条路径之一，而且四条路是并行叠加的。就算 RSI 因为缺乏超人类领域的自动验证闭环而卡住，模型与数据规模化、技术范式转移、大规模多 Agent 协同这几条路依然在往前推。正因为路径不止一条，单靠限制某一个环节（比如训练算力）挡不住整体进展，反而容易在其他维度先跑通时攒出「能力悬垂」。
