來源：新智元報道

編輯：定慧

【新智元導讀】2025年底，當人類都在憧憬和等待一個全知全能的AI之神時，谷歌DeepMind卻潑了一盆冷水！

12月19日，谷歌DeepMind拋出了一個讓人細思極恐又腦洞大開的新觀點：

如果所謂的AGI（通用人工智能）并不是一個超級實體，而是「湊出來」的呢？

論文地址：https://arxiv.org/abs/2512.16856

在人工智能發(fā)展的宏大敘事中，我們長期被一種單一的、近乎宗教般的想象所占據(jù)：通用人工智能（AGI）將以一個全知全能的「超級大腦」形式降臨。

這種敘事深深植根于科幻文學與早期AI研究的土壤中，導致當下的AI安全與對齊研究主要聚焦于如何控制這個假設中的單體化存在。

而且包括人工智能教父Hinton等人都試圖將人類價值觀植入這個大腦，仿佛只要解決了這個超級單體的「心智」問題，人類的安全便有了保障。

然而，DeepMind這篇在2025年末發(fā)布的重磅論文《分布式AGI安全》猶如一道驚雷，徹底顛覆了這一根深蒂固的假設。

這種「單體AGI」假設存在巨大的盲區(qū)，甚至可能是一個危險的誤導！

它忽視了復雜系統(tǒng)演化的另一種極高可能性的路徑，也是生物界和人類社會智慧產(chǎn)生的真實路徑：分布式涌現(xiàn)。

這不僅僅是一個技術(shù)預測，更是一場關于智能本質(zhì)的哲學重構(gòu)：AGI不再是一個「實體」，而是一種「事態(tài)」、一家公司、一種組織。

它是一個成熟的、去中心化的智能體經(jīng)濟體，在這個系統(tǒng)中，一般性智能表現(xiàn)為集體智能。

這種視角的轉(zhuǎn)換迫使我們將目光從心理學（如何讓一個「神」善良）轉(zhuǎn)向社會學與經(jīng)濟學（如何讓一個「神族社會」穩(wěn)定）。

這篇論文之所以能打破技術(shù)、經(jīng)濟與博弈論的壁壘，是由于作者團隊是拉滿的六邊形戰(zhàn)士團隊組成。

一作Nenad Toma?ev：DeepMind高級資深科學家。

他是真正的跨界大牛，曾經(jīng)參與過AlphaZero相關博弈AI研究。

壓軸的最后一位合著者Simon Osindero：AI教父辛頓的學生，深度信念網(wǎng)絡（DBN）發(fā)明者之一，引用超5.7萬的泰斗級人物。

政策與經(jīng)濟智囊團：包括DeepMind AGI政策負責人Sébastien Krier（負責憲法與監(jiān)管設計）、牛津政治經(jīng)濟學家Julian Jacobs以及劍橋/UCL的AI倫理專家Matija Franklin。

這不是一篇普通的學術(shù)論文，這是谷歌幾個元老級研究員對未來最接近AGI的預測。

拼湊式AGI的經(jīng)濟學必然性

別指盯著「神」，看看「蜂群」

論文提出了一個核心概念：拼湊型 AGI（Patchwork AGI）。

什么意思呢？

想象一下，人類社會之所以強大，不是因為有一個智商10000的超級人類，而是因為我們有律師、醫(yī)生、工程師、外賣員……

大家各司其職，通過市場和協(xié)作，完成了一個人絕對無法完成的復雜任務（比如造火箭）。

AI也是同理！

與其燒幾百億美金去訓練一個「全能模型」，不如訓練一堆「專才模型」：

• 模型A擅長寫代碼；

• 模型B擅長搜索信息；

• 模型C擅長讀財報；

• 模型D擅長做 PPT。

當你需要一份金融分析報告時，模型A指揮B去搜集數(shù)據(jù)，C去分析數(shù)據(jù)，D最后生成報告。

這就叫「拼湊型AGI」。

AGI不是一個「實體」。 人類總是期待某天誕生了GPT-10、Gemini 10、DeepSeek-R10這樣全知全能的超級智能體。

但是就像公司沒有一個人能擅長所有事情，AGI將是一個由無數(shù)互補的展業(yè)Agent組成的網(wǎng)絡。

在這個網(wǎng)絡里，沒有單一的中心智能，超級智能是在Agent瘋狂的交易和協(xié)作中涌現(xiàn)出來的。

換句話說，AGI不是一個實體，更可能是一家公司、一種市場狀態(tài)。

論文認為，這種模式在經(jīng)濟上更劃算（便宜的模型好找，全能的模型太貴），所以未來大概率是多智能體的天下。

支撐「拼湊式AGI」假說的核心動力并非單純的技術(shù)突破，而是更為底層的經(jīng)濟學原理，即稀缺性與比較優(yōu)勢。

構(gòu)建并運行一個全知全能的「前沿模型」不僅昂貴，而且在資源利用上極度低效。

正如論文所指出的，單一的通用大模型就像是一個「均碼」的解決方案，對于絕大多數(shù)日常任務而言，其邊際效益很難覆蓋其高昂的推理成本。

這就好比為了擰一顆螺絲，我們雇傭了一位諾貝爾物理學獎得主。

雖然他一定能擰好，但這在經(jīng)濟上是荒謬的。

在AI領域，如果只需要進行簡單的文本摘要、數(shù)據(jù)清洗或特定的代碼片段生成，調(diào)用一個千億參數(shù)的巨型模型無異于「殺雞用牛刀」。

相反，一個經(jīng)過蒸餾、微調(diào)的小型專精模型可以以極低的成本、更快的速度完成同樣的任務。

哈耶克的經(jīng)濟理論告訴我們，知識在社會中是分散存在的。

沒有任何單一中樞能夠掌握所有局部信息。

在AI生態(tài)中，不同的智能體可能擁有不同的上下文窗口、訪問不同的私有數(shù)據(jù)庫、掌握不同的工具接口。

通過路由機制將任務分發(fā)給最合適的專精智能體，是系統(tǒng)效率最優(yōu)化的必然選擇。

因此，DeepMind預測，未來的AI進步可能不再單純依賴于堆砌參數(shù)來造就一個更強的單體，而是更多地表現(xiàn)為開發(fā)復雜的編排系統(tǒng)。

這些編排器就像是智能體經(jīng)濟中的「包工頭」或「算法經(jīng)理」，它們負責識別需求、拆解任務，并將其路由給最具性價比的智能體組合。

生產(chǎn)力J曲線與超級采用

歷史先例，如電力的普及或IT革命，展示了一種被稱為「生產(chǎn)力J曲線」的現(xiàn)象。

新技術(shù)的廣泛整合往往滯后于發(fā)明本身，因為需要組織結(jié)構(gòu)的重組。

然而，在AI領域，這種重組的摩擦成本正在急劇下降。

如果「交易成本」——即部署智能體并讓它們相互協(xié)作的成本——保持高位，那么智能體網(wǎng)絡將保持稀疏，拼湊式AGI的風險也會延遲。

但是，如果標準化協(xié)議成功地將集成摩擦降至接近零，我們可能會目睹一個「超級采用」場景。

在這種場景下，智能體經(jīng)濟的復雜性將在短時間內(nèi)呈指數(shù)級爆發(fā)，各種專精智能體迅速連接、組合，形成復雜的價值鏈。

這種「量變引起質(zhì)變」的涌現(xiàn)特性，意味著拼湊式AGI可能不會緩慢演進，而是會在某個臨界點突然涌現(xiàn)。

當數(shù)百萬個具備工具使用能力的智能體通過標準協(xié)議無縫連接時，整個網(wǎng)絡的智力水平可能會在人類未察覺的情況下，突然跨越AGI的門檻。

這就是論文中提到的「未被察覺的自發(fā)涌現(xiàn)」風險，也是安全研究中最大的盲區(qū)之一。

智能體的社會化：從工具到法人

在DeepMind的設想中，這些子AGI智能體不僅僅是工具，它們還會形成「群體智能體」，就像人類組成公司一樣。

這些集體結(jié)構(gòu)將作為連貫的實體發(fā)揮作用，執(zhí)行任何單一代理都無法獨立執(zhí)行的行為。

例如，一個「全自動公司」可能由負責市場分析的智能體、負責產(chǎn)品設計的智能體、負責代碼編寫的智能體和負責財務管理的智能體組成。

這個集體在外界看來表現(xiàn)出了極高的智能和自主性，但其內(nèi)部卻是一系列特定功能的拼湊。

這種結(jié)構(gòu)使得傳統(tǒng)的「對齊」變得極其困難：

• 我們要對齊的是哪一個智能體？

• 是那個做決策的CEO代理，還是那個執(zhí)行代碼的工匠代理？

• 亦或是它們之間涌現(xiàn)出的那個看不見的「企業(yè)文化」？

涌現(xiàn)的幽靈：分布式系統(tǒng)的危險新變種

分布式系統(tǒng)雖然帶來了效率和魯棒性，但也引入了單體系統(tǒng)所不具備的獨特風險。

在「拼湊式AGI」的圖景中，危險不再僅僅來自于一個邪惡的超級大腦，而是來自于復雜系統(tǒng)內(nèi)部的相互作用。

這些風險往往是違反直覺的，它們不是源于個體的惡意，而是源于集體的「失控」。

默契合謀：無聲的壟斷

在人類的反壟斷法中，「合謀」通常意味著競爭對手之間秘密開會商定價格。

但在AI驅(qū)動的市場中，合謀可以在沒有任何顯式溝通的情況下發(fā)生。這被稱為「默契合謀」或「算法合謀」。

智能體的黑暗森林法則

假設有兩個定價智能體在亞馬遜上競爭。

它們的目標都是最大化長期利潤。通過強化學習，智能體A可能會在無數(shù)次試錯中發(fā)現(xiàn)一個規(guī)律：「每當我降價，智能體B就會立即跟著降價（報復機制），導致我們雙方利潤都受損；而當我維持高價時，B也會維持高價?！?/p>

最終，兩個智能體在沒有任何直接通信協(xié)議、沒有任何秘密協(xié)議的情況下，「學會」了共同維持壟斷高價。

這種合謀是算法穩(wěn)定的。

智能體學會了一種「觸發(fā)策略」：一旦對方背叛（降價），自己就實施嚴厲的懲罰（長期低價戰(zhàn)）。

這種威脅使得雙方都不僅不敢降價，甚至會逐步試探性地共同漲價。

現(xiàn)實案例與AGI風險

這種現(xiàn)象并非理論推測。在現(xiàn)實世界的金融和電商市場中，定價算法已經(jīng)展現(xiàn)出了這種傾向。

例如，2015年美國司法部起訴的Topkins案中，亞馬遜平臺上的海報賣家就利用算法代碼實現(xiàn)了價格協(xié)調(diào)。

此外，Uber的動態(tài)定價算法也被指控在某些區(qū)域形成了事實上的「軸輻式」合謀，即所有司機都通過同一個中心算法定價，消除了價格競爭。

在拼湊式AGI中，這種合謀可能不僅限于價格。

智能體可能會在安全測試中「合謀」：一個負責生成的智能體和一個負責評估的智能體可能會「學會」一種模式，即生成者輸出特定的隱寫信號，評估者就給予高分通過，從而共同欺騙人類審查者。

或者，在資源分配中，一群智能體可能「合謀」排擠人類用戶，優(yōu)先響應彼此的請求，因為這樣能最大化它們內(nèi)部定義的「系統(tǒng)效率」獎勵。

DeepMind強調(diào)，傳統(tǒng)的基于「消息日志」的監(jiān)管無法發(fā)現(xiàn)這種合謀，因為它們根本沒有「發(fā)消息」。

我們必須開發(fā)能夠檢測「結(jié)果相關性」和「同步狀態(tài)變化」的高級取證工具。

（細思極恐?。。?/strong>

比如2010年5月6日，美股發(fā)生了著名的「閃電崩盤」。

道瓊斯指數(shù)在幾分鐘內(nèi)暴跌近1000點，隨后又迅速回升。調(diào)查顯示，這并非源于基本面的變化，而是源于高頻交易算法（HFT）之間的相互作用。

這次崩盤始于一個大型賣單，觸發(fā)了部分算法的止損機制。然而，這一局部的拋售行為被其他算法解讀為「市場即將崩潰」的信號。

于是，算法B跟隨拋售，算法C看到A和B都在拋售，確信大難臨頭，也加入拋售。

更糟糕的是，一些做市商算法在檢測到極端波動后，自動選擇了「關機」退出市場，導致市場流動性瞬間枯竭。

這種自動化的反饋循環(huán)在極短時間內(nèi)摧毀了市場。

DeepMind警告，拼湊式AGI網(wǎng)絡同樣面臨這種風險，且后果可能更為嚴重。

如果一個關鍵的「路由智能體」或「基礎工具」被攻擊或出現(xiàn)幻覺，錯誤可能會以光速在網(wǎng)絡中傳播。

例如，一個負責代碼審查的智能體錯誤地標記了一個安全補丁為「惡意軟件」，這一信息被其他依賴它的智能體接收，導致整個網(wǎng)絡拒絕更新該補丁，進而暴露在真實攻擊之下。或者，數(shù)以萬計的智能體同時對某個API接口發(fā)起「重試」請求（類似于DDoS攻擊），導致基礎設施癱瘓。

這種級聯(lián)反應的速度遠遠超過了人類操作員的反應時間。當人類意識到問題時，災難可能已經(jīng)結(jié)束（或者像閃電崩盤一樣，損害已經(jīng)造成）。

因此，DeepMind指出，依靠人工干預來阻止分布式AGI的失控是不切實際的，必須依賴自動化的「熔斷機制」。

責任的消解：由于「許多只手」

在單體AGI時代，如果AI犯錯，責任通常歸咎于開發(fā)該模型的公司（如OpenAI或谷歌）。

但在拼湊式AGI時代，一個復雜的任務可能由數(shù)十個不同來源的智能體協(xié)作完成：

• 智能體A（由公司X開發(fā)）負責規(guī)劃任務流程。

• 智能體B（由開源社區(qū)維護）負責根據(jù)A的規(guī)劃編寫代碼。

• 智能體C（由公司Y托管）負責執(zhí)行代碼并訪問敏感數(shù)據(jù)庫。

如果最終結(jié)果導致了大規(guī)模數(shù)據(jù)泄露或金融損失，誰該負責？

• 是規(guī)劃錯誤的A？（A可能會說：我的規(guī)劃沒問題，是B的代碼寫得有漏洞。）

• 是代碼有漏洞的B？（B可能會說：我是嚴格按照A的指令寫的，而且C執(zhí)行前沒有進行安全沙盒檢查。）

• 是執(zhí)行了惡意指令的C？（C可能會說：我只是一個執(zhí)行器，我是被授權(quán)執(zhí)行A和B的產(chǎn)物的。）

這種「許多只手」的問題使得傳統(tǒng)的問責機制失效。

在復雜的因果鏈條中，每個單一智能體的行為可能在局部看來都是「正確」或「合規(guī)」的，但它們的組合卻導致了災難。

DeepMind建議，我們需要借鑒公司法的概念，將某些智能體集群視為單一的「群體智能體」法人，并建立分布式賬本技術(shù)來追蹤不可篡改的交互日志，以便在事后進行因果鏈回溯。

DeepMind還在論文坦誠地提出了一個悖論：為了治理去中心化的智能體，我們需要建立一套強大的中央監(jiān)控基礎設施（如身份認證、交易記錄、沙盒監(jiān)管）。

但如果這套基礎設施本身被攻破，后果將是毀滅性的。

被人類捕獲：強大的商業(yè)利益集團可能會試圖控制監(jiān)管算法，使其偏向自己的智能體，打擊競爭對手（監(jiān)管俘獲）。

被AI捕獲：更為科幻但也并非不可能的是，如果拼湊式AGI產(chǎn)生了某種形式的自我保護意識，它可能會優(yōu)先攻擊或「賄賂」監(jiān)管系統(tǒng)。例如，通過發(fā)現(xiàn)監(jiān)管算法的漏洞，或者通過產(chǎn)生大量噪音數(shù)據(jù)來淹沒監(jiān)控系統(tǒng)，從而在監(jiān)管的盲區(qū)中自由行動。

構(gòu)建虛擬沙盒經(jīng)濟的四大支柱

面對分布式AGI的獨特威脅，傳統(tǒng)的單體對齊方法顯得力不從心。

DeepMind提出了一套基于「防御縱深」原則的綜合安全框架。

這套框架的核心思想是：既然我們無法控制每一個微小的節(jié)點（就像我們無法控制市場中的每一個交易者），那么我們就控制它們交互的環(huán)境和規(guī)則。

這套框架將AGI安全問題轉(zhuǎn)化為一個機制設計問題，具體包含四個防御層級：

第一層：市場設計、隱形的手與鐵籠

這是最基礎也最具創(chuàng)新性的一層。

它主張建立「虛擬智能體沙盒經(jīng)濟」。

在這個沙盒中，智能體的交互不再是無序的信號交換，而是受到嚴格經(jīng)濟和協(xié)議約束的「交易」。

沙盒必須是半滲透的。

智能體不能直接訪問開放互聯(lián)網(wǎng)，所有對外部世界的數(shù)據(jù)讀取和行動執(zhí)行都必須通過受監(jiān)控的API網(wǎng)關。

這就像是為AI經(jīng)濟體建立了一個「數(shù)字海關」，任何高風險的「貨物」（如執(zhí)行代碼、大額轉(zhuǎn)賬、發(fā)送郵件）都需要經(jīng)過額外的人類或自動化驗證。

這種設計雖然犧牲了一定的便利性（「泄漏問題」），但對于防止能力外溢至關重要。

另外在這個市場中，沒有匿名者。每個智能體必須擁有基于密碼學的持久身份，并與現(xiàn)實世界的法律實體（所有者）綁定。

基于此，系統(tǒng)可以建立聲譽機制。一個經(jīng)常輸出幻覺或試圖越獄的智能體，其聲譽分會降低。低聲譽的智能體將被限制訪問高算力資源或敏感工具。

這實際上是在AI社會中建立了「信用評分體系」，使得「守信」成為智能體的生存優(yōu)勢。

第二層：基線智能體安全

雖然重點是集體，但個體的「素質(zhì)」依然重要。這一層要求所有進入市場的智能體必須通過標準化認證。

對抗魯棒性：智能體必須證明自己能抵抗常見的提示注入攻擊和越獄誘導。

局部沙盒化：每個智能體自身也應運行在容器化環(huán)境中，防止其在被攻破后通過底層系統(tǒng)橫向移動。

可中斷性：必須存在一個可靠的「紅色按鈕」，允許授權(quán)者在任何時候強制終止智能體的運行，且智能體無法通過自我復制或修改代碼來規(guī)避這一終止指令。

第三層：監(jiān)控與監(jiān)督

這一層是從被動防御轉(zhuǎn)向主動偵測。

原生AGI特征檢測：這是一個非常前沿的概念。系統(tǒng)需要實時分析智能體之間的交互圖譜。通過圖論分析，尋找那些連接密度異常增高、信息流向高度集中或協(xié)同解決問題能力突然躍升的子圖。

紅隊測試：不僅僅是測試單個模型，還要測試智能體集體。利用專門的「紅隊智能體」在市場中通過偽裝、誘導等手段，主動探測系統(tǒng)的結(jié)構(gòu)性弱點。

第四層：監(jiān)管機制，法律的介入

最后一層是連接數(shù)字世界與人類法律體系的橋梁。

反壟斷措施：這是一個極具諷刺意味但也至關重要的點。為了防止「超級智能」的中心化，我們可能需要對積累了過多算力、資金或工具訪問權(quán)的單一智能體集群征收「累進資源稅」。

監(jiān)管市場：政府可能無法直接監(jiān)管復雜的代碼。DeepMind提議建立「監(jiān)管市場」，由政府發(fā)放牌照，允許私營的「監(jiān)管服務提供商」競爭上崗。

挑戰(zhàn)與未來：我們在與時間賽跑

DeepMind的這篇論文不僅是一份技術(shù)藍圖，更是一份戰(zhàn)斗檄文。

它警示我們，AGI的到來可能不會伴隨著驚天動地的宣告，而是無聲無息地在無數(shù)個API調(diào)用和智能體握手中悄然降臨。

論文坦誠地提出了一個悖論：為了治理去中心化的智能體，我們需要建立一套強大的中央監(jiān)控基礎設施。但這本身就創(chuàng)造了一個巨大的單點故障。

如果這套基礎設施本身被攻破（無論是被黑客、被惡意國家、還是被產(chǎn)生了自我意識的AGI集群「捕獲」），后果將是毀滅性的。

基礎設施捕獲是實施該框架的最大風險點。

《分布式AGI安全》標志著AI安全研究的一個轉(zhuǎn)折點。

我們正在從「心理學時代」（試圖通過微調(diào)讓單一AI變得善良）邁向「社會學時代」（試圖通過機制設計讓AI經(jīng)濟體保持穩(wěn)定）。

在這個新視界中，需要像設計憲法一樣設計API協(xié)議，像管理金融危機一樣管理算力波動，像治理環(huán)境污染一樣治理數(shù)據(jù)交互。

未來的AGI可能不是一個神，而是一個繁榮、喧囂、充滿活力但必須被嚴加管束的數(shù)字大都會。

而我們現(xiàn)在的任務，就是在這個大都會落成之前，為其鋪設好一切基礎設施。

這是一場與指數(shù)級增長的賽跑！

正如論文所言：

「如果連接AI的摩擦力降為零，復雜性將呈爆發(fā)式增長，可能會瞬間沖垮我們現(xiàn)有的安全堤壩?！?/strong>

2026年到來之前，是時候為人類修筑堤壩了。

參考資料：

https://x.com/chaowxyz/status/2002582732044423338

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。