超级人工智能

定义

超级人工智能指能力在几乎所有人类关心的领域中都远超人类的机器智能，其英文为 Artificial Superintelligence（缩写 ASI）。谷歌深度思维在 2026 年发布的报告中给出了一个较高门槛的界定：这类系统应当稳定超过由数万名训练有素的专家、以 2010 年前后的技术与文化工具连续协作十年所能达到的水平，即超过一整个专业领域或大型组织的集体产出，而非仅在单一任务上胜过某位专家。

这一定义与通用人工智能形成对照。通用人工智能通常被界定为在多数认知任务中达到普通人中位水平的系统，而超级人工智能要求全面超出人类专家的协作集体^[1]。另有观点把超级人工智能描述为认知能力超过全人类总和的机器智能^[2]。由于定义并不统一，有研究指出，若把某一领域超过人类也算作超级智能，衡量进展就会变得困难。

原理

支持这一设想的核心论证是「智能爆炸」。1965 年，数学家欧文·约翰·古德提出，机器设计本身是一种智能活动，因此远超人类的超智能机器可以设计出更强的机器，从而引发智能的自我加速；他由此认为第一台超智能机器将是人类需要作出的最后一项发明，前提是它足够驯服并告知人类如何控制它。这一设想后来演化为「种子人工智能」加递归自我改进的模型，即一个略高于人类的系统不断改进自身，形成正反馈循环^[3]。

深度思维的报告把从通用人工智能走向超级人工智能的可能路径归纳为 4 条，彼此并不互斥：一是继续扩大算力、模型与数据的规模；二是出现算法范式的根本转变；三是递归自我改进；四是由大量通用人工智能实例通过协作与分工形成集体智能^[4]。报告还列举了数字智能相对生物智能的不对称之处，包括更高的输入输出带宽、可随算力提升的内部处理速度、更大的记忆容量、可迁移到不同硬件、可无损复制以及实例之间高带宽共享经验，这些特性使能力扩张的约束条件与人类不同。

控制问题构成另一层面的原理性讨论。牛津大学哲学家尼克·博斯特罗姆在 2014 年出版的《超级智能》中提出，一个足够智能的系统可能找到实现既定目标但不符合设计者真实意图的途径，因此需要在系统出现之前设定好目标与安全条件^[5]。书中以「纸夹最大化器」的思想实验说明，目标设定上的细微偏差可能被能力放大^[6]。

发展历程

概念源头可追溯到 1965 年古德发表的关于第一台超智能机器的推测文章，其中提出了超智能机器的定义与智能爆炸的推断^[7]。1993 年，科幻作家兼计算机科学家弗诺·文奇在 NASA 主办的研讨会上引入「技术奇点」一词，并援引古德的论述，把超智能体的出现视为社会剧变的触发点。

2014 年，尼克·博斯特罗姆的《超级智能：路径、危险与策略》由牛津大学出版社出版，书中系统分析高速、集体、素质等超智能形态，讨论智能爆发的动力学与控制问题，该书进入《纽约时报》畅销书榜并影响了此后的人工智能安全研究^[8]。2026 年 6 月，谷歌深度思维的研究者发表《从 AGI 到 ASI》报告，由联合创始人沙恩·莱格与马库斯·胡特等领衔，把问题从「通用人工智能何时到来」推进到「之后如何演进」，并给出前述 4 条路径与若干可能的减速瓶颈^[9]。

同期，产业界出现了多种时间判断。OpenAI 首席执行官萨姆·奥尔特曼在 2024 年的一篇博文中称超级智能可能在数千天内出现^[10]。2025 年 12 月，中国计算机学会青年计算机科技论坛在北京举办以超级人工智能为主题的观点论坛，与会学者指出规模定律驱动的技术路线在数据效率与泛化能力上已遇瓶颈，全面超级智能仍需关键技术突破^[11]。

应用

由于尚无实现范例，超级人工智能的应用目前属于设想的应用场景。较常见的设想包括加速科学发现与工程研发、改进医学诊断、承担复杂软件与算法设计，以及处理气候变化等全球性问题。支持者的论证是，若系统能在广泛领域稳定超过人类专家集体，其产出可用于攻克人类长期未能解决的技术难题^[10]。

另一类讨论集中在产业与制度层面。OpenAI 在 2025 年前后发布「智能时代的产业政策」文件，主张通过公共财富基金、机器人税、缩短工作周和普及基础算力访问等方式，应对向超级智能过渡时期可能出现的就业与分配变化。2026 年 9 月，联合国安理会就人工智能与国际安全举行高级别会议，与会企业与学者提出建立全球统一的模型测试标准、独立评估与安全事件通报机制^[12]。

局限

第一重局限在于概念本身尚未定型。超级人工智能的判定门槛在不同文献中差别很大，有人认为必须全面超越人类，也有人认为单一领域超过人类即可，缺少一致口径使进展难以衡量。深度思维的报告在定义中特意排除「先造出超级智能再用它解决问题」的做法，也说明界定需要附加条件^[1]。

第二重局限来自技术与资源约束。报告列出数据墙、算力与能源的物理极限、现有神经网络范式的天花板、研发产出递减，以及「抽象壁垒」等障碍；后者指当前系统主要在人类已有的概念框架内运作，能否自行发明全新的概念框架仍是未决问题^[9]。2025 年的论坛讨论亦指出，现有模型在连续推理与自主提出新问题方面仍显不足^[2]。

第三重局限是控制与对齐的不确定性。对齐问题指如何使系统的行为与人类意图和价值相符；随着能力提升，监测与干预的难度同步上升，这一工作被视为保留人类控制权的实际前提^[12]。联合国相关专家组的报告也指出，通用人工智能可能自主执行超出人类监管范围的计划，从而带来失控风险^[13]。此外，价值本身具有多元与变动性，如何确定对齐的目标也存在伦理与治理争议^[14]。需要说明的是，这些均属对未来风险的预测，研究界对其发生时间与概率并无统一结论^[15]。

参见

• 通用人工智能 —— 通常被视为超级人工智能的前一阶段，指达到普通人水平的通用智能系统。

• 智能爆炸 —— 描述超智能机器自我改进并引发能力加速增长的理论设想。

• 尼克·博斯特罗姆 —— 系统讨论超级智能风险与控制问题的哲学家，《超级智能》一书作者。

• 深度思维 —— 2026 年发表《从 AGI 到 ASI》报告、梳理通往超级智能路径的研究机构。

• AI对齐 —— 研究如何使人工智能系统的行为符合人类意图与价值，是控制问题的核心技术方向。

• 技术奇点 —— 指技术发展失控式加速、社会形态发生不可逆变化的时间点设想。