一文读ASI、AGI、RSI与Agentic AI，AI进化的四条曲线

• 从ANI到Machine Society：一张图看懂ASI、AGI、RSI、Agentic AI与AI Agent
• 系统解读AI进化的四条曲线：智能、行动、自我进化与组织协作在哪里交汇
• 拆解AI概念迷雾：ANI、AGI、ASI、RSI、Agentic AI到底谁包含谁
• AGI至今没有统一标准，RSI又危险在哪？五个词讲清AI的四条曲线

Gemini 3.8登顶的消息传出没几天，OpenAI就发布了GPT-6 Astra，官方通稿里那句"Welcome to the AGI era"，让整个行业精神一振。

有意思的是节奏。四个月前，谷歌高管层还在给RSI这个概念降温，说递归式自我改进离现实还远。Gemini 3.8一登顶，立刻有人改口，称这是朝RSI迈出的一大步。

立场转得这么快，只能说明一件事：这些词的分量，比大多数人以为的要重。

ASI、AGI、RSI、Agentic AI、AI Agent，这五个词高频出现在各家的发布会通稿和融资PPT里，但能说清它们谁包含谁、谁又是谁的前提条件的人，其实不多。

厂商也乐得模糊处理，概念越玄，留给估值的想象空间越大。

这篇文章想做的，是把这层模糊拆开。

解读每个词是第一步，重要的是看清一件事：AI的进化不是一条从弱到强的单行道，而是四条曲线同时在跑。它们交汇的那一刻，才是真正值得所有人盯住的时刻。

能力阶梯上的三个站点：ANI、AGI与ASI

要分清这五个词，得先回到最基础的那条阶梯。大部分人对AI的直觉认知，其实还停留在ANI（Artificial Narrow Intelligence，人工狭义智能）阶段。

ANI：我们其实还没走出这一站。

图像识别、推荐算法、AlphaGo，包括今天很多被称为"智能"的应用，本质上都是ANI：在某个特定任务里表现出色，换个任务立刻不行。让下棋的AI去写诗，它一句也写不出来。

说这些不是贬低ANI，它已经创造了万亿级的商业价值。它的天花板只有一条：能力不能迁移。这也是行业一直想往上够、够向AGI的原因。

AGI：核心在能力迁移，不在参数规模。

AGI（Artificial General Intelligence）的核心，从来不是"这个模型有多少参数"“训练数据有多大”，而是：

能够跨领域理解、学习、推理，并把在一个场景里学到的能力，迁移到另一个从没见过的场景里去解决问题。

这里有个容易被忽视的陷阱：General-Purpose AI ≠ AGI。

一个模型能写代码、能画图、能做数据分析、能聊天，这叫General-Purpose（通用目的），不等于它拥有了完整的General Intelligence（通用智能）。

一个人会说五国语言、会做饭、会修车，不代表他具备解决任何陌生问题的通用认知能力，他可能只是技能点比较多。

这个区分很关键。市面上很多产品的宣传话术，恰恰是在故意混淆"通用目的"和"真正通用"这两个层次。

真正的AGI应该具备一整套能力：General Reasoning、General Learning、Knowledge Transfer、Long-horizon Planning、Autonomous Problem Solving、Memory、Adaptation。

缺一环，都不算完整意义上的AGI。

Sam Altman在这个概念上的表态一直是行业风向标，只是方向变过好几次。他早年说过AGI可能要等一百年，后来改口说"按我们的定义，2026年底前OpenAI就能实现AGI"。

再后来又承认自己"在时间线判断上一直很错"。

需要留意的是：AGI从来没有一个业界统一认可的判定标准，谁都可以按自己的定义宣布"达成"。这既是学术上的模糊地带，也是商业上的话术空间。

厂商心里都清楚，哪天能官宣实现AGI，那会比任何一份财报都值钱。

ASI：人类认知的天花板之上。

ASI（Artificial Superintelligence）指的是在绝大多数认知任务上，显著超越最优秀的人类个体，甚至超越整个人类群体的智能水平，包括超级科学发现能力、超级工程能力、超级战略博弈能力、超级创造力。

于是我们得到最经典的那条能力阶梯：

ANI < AGI < ASI

这条阶梯逻辑清晰，局限也同样清晰：它只描述了"智能有多强"这一个维度。而在现实世界里，决定AI能不能真正改变行业的，除了聪不聪明，还有另外三件事：能不能自己干活、能不能自己变强、能不能组织协作。关于这些，

后的第三条曲线会讲到。

第二条曲线：Agency，从"知道"到"能做"

第一条曲线衡量智能的强度，第二条曲线衡量的是行动力。AGI和ASI回答的是"AI有多聪明"，Agentic AI回答的完全是另一个问题：AI能不能为了一个目标，持续地、自主地采取行动？

Agentic AI的核心闭环是：

1GoGoal → Reasoning → Planning → Tool Use → Action → Feedback → Loopal → Reasoning → Planning → Tool Use → Action → Feedback → Loop

这套闭环跟传统Chatbot最大的区别，用JetBrains一篇对比文章的说法就是：Chatbot是"你问它答"，Agentic AI是"给它一个目标，它自己想办法搞定"。

AI Agent与Agentic AI：一个是产品实例，一个是能力范式。

这两个词几乎每天都被媒体和厂商混用，但它们不在同一个层级上。

用Moveworks的定义框架来说：

AI Agent 是具体的产品实例，一个能完成特定任务的自主软件系统，比如一个能自己订机票的旅行助手Agent，或者一个能自己修Bug的编程Agent。

Agentic AI 是一种系统架构范式和能力属性，描述的是"这个AI系统具备多大程度的自主决策、规划和行动能力"这一整套特性。

一个类比就够清楚：AI Agent像一辆特斯拉，Agentic AI像自动驾驶这项技术能力。你可以说这辆车是Agentic的，"Agentic"本身不是一辆车。

Domo在他们的对比文章里给出了更直白的判断标准：看它是单点执行还是多步自主决策。

单个Agent调用一次工具完成一个任务，是AI Agent的基础形态；多个Agent协作、自主规划多步任务、动态调整策略，这才是真正Agentic的系统。

Persistent Agent：Agent正从工具变成数字员工。

这里有个新概念，我认为是2026年下半年最值得关注的变化，就是Persistent Agent（持续在岗Agent）。

普通Agent的生命周期是：

接到任务 → 执行 → 完成 → 结束

Persistent Agent的生命周期是：

持续存在 → 观察环境 → 主动发现任务 → 执行 → 记忆积累 → 继续运行

差别看上去细微，实际上是范式级的转变。普通Agent是被调用一次的工具，Persistent Agent是持续存在的数字主体。

这条演进链条是：

1Agentic AI → Persistent Agent → Autonomous Agent → AI Workforce

一旦Agent不再等你叫它才动，而是7×24小时自己盯着任务队列，企业里很多岗位的设计逻辑就要重写。这不是危言耸听，"AI Workforce"这个词已经开始出现在企业采购清单里。

Agency这条曲线，把AI从"会说话"推向"会做事"。接下来那条曲线更关键：它能不能自己变得更强。

第三条曲线：Self-Evolution，AI能不能让自己变聪明

这一章的主角，正是开篇那场"谷歌降温、又被自家产品追上"的戏眼：RSI（Recursive Self-Improvement，递归式自我改进）。

前面讲的AGI、ASI，本质上都在描述智能的静态水平，不管当前有多强，都是一个固定截面。RSI讨论的是另一件事：

AI能不能改进自己，而改进后的AI又比之前更擅长改进自己？

逻辑链条是：

1AI v1 → 改进AI系统 → AI v2 → 更强的v2改进自身 → AI v3 → ...

这个链条一旦真正跑起来，增长曲线就不是线性的，而是自我加速的。

RSI因此被视为通往ASI最关键、也最危险的一条路径。维基百科在递归自我改进的词条里明确指出，这是"智能爆炸"（Intelligence Explosion）假说的核心机制。

云安全联盟（Cloud Security Alliance）今年发布的白皮书，专门讨论了RSI的系统性风险。

白皮书的基本判断是：一旦AI系统具备自我修改代码、自我优化架构的能力，传统的安全边界和治理框架可能完全失效。

斯坦福法学院的一篇文章直接用"The Ungovernable Machine（不可治理的机器）"作标题，态度已经很鲜明。

这也解释了谷歌高管层4月份为什么给RSI降温：技术可行性之外，治理和安全的问题还没有答案。技术不会等治理想清楚才往前走，这是老规矩。

从Self-Improving AI到Automated AI R&D，中间还有一整条谱系。

RSI是自我改进这条线上最激进的形态，它前面还有一整条渐进的技术谱系：

• Self-Improving AI（自我改进AI）：范畴更宽，包括自动优化Prompt、自动优化代码、自动调优模型、自动改进Agent Workflow，这些现在已经是很多企业级Agent平台的标配功能。
• AI Self-Modification（AI自我修改）：更底层，指系统可以修改自身的代码、架构、参数、工具系统。这跟Agent Engineering里的Agent Loop、Harness Engineering有直接的工程关联，某种程度上，Agent工程正在成为早期Self-Improving System的工程基础。
• Automated AI R&D（自动化AI研发）：AI自己提出研究假设、设计实验、训练模型、评估结果、改进架构，形成一个闭环。arXiv上一篇关于自我进化Agent的综述论文，专门梳理了从"有边界的自我修正"到"自主研究闭环"的演进路径，另一篇的标题则直接点明这是"通往ASI的路径"（链接见文末扩展阅读）。

这条链条最终连接成：

1AGI → AI Research Automation → RSI → ASI

这才是Gemini 3.8登顶被解读为"朝RSI迈出一大步"的真正含义：外界关注的不是它在某个跑分榜上排第几，而是它是否展示出了"用AI能力反过来加速AI自身研发"的苗头。资本市场真正紧张的，是这件事。

这条曲线讲的是单个系统怎么变强。最后一条曲线要问的是：当这样的系统不止一个，它们凑在一起会发生什么。

第四条曲线：Organization，当智能不再只属于单个模型

前三条曲线都在讨论单个AI系统能走多远。第四条曲线要问的是：当无数个这样的智能体、Agent同时存在时，会发生什么？

Collective Intelligence（集体智能）给出的观点是：智能不再来自单一模型，而来自"人类+AI+Agent+组织+网络"共同构成的系统。

这跟Multi-Agent System、AI Workforce、Autonomous Enterprise这些概念，在逻辑上是完全打通的。

当大量Autonomous Agent开始互相协作、分工、协商、甚至竞争时，就不再是简单的Multi-Agent System，而可能形成一种新的组织形态，即Machine Society（机器社会）。

设想一下企业内部：

12345678Agent A → 负责市场研究Agent B → 负责财务分析Agent C → 负责工程排期Agent D → 负责合规审查              ↓        自主协商、分工、交付              ↓       形成一个 Machine Society

这不是遥远的想象。frontiersin.org今年发表的一篇心理学研究，专门讨论了"Instrumental Succession"，即人类把决策权逐步转移给AI系统的过程。

这个转移不会在某一天突然发生，它每天都在企业流程里推进：今天是审批流程交给Agent，明天是决策建议交给Agent，后天可能就是决策本身。

四条曲线各有各的进度。把任何一条单独拿出来看，都还看不清全貌。把它们叠在一起，形状才出来，这个形状正是下一章要回答的问题。

最关键的交汇：四条曲线在哪里相遇

到这里，可以把前面拆开的四条曲线重新拼回去了。

AI的发展路线，从来不是ANI→AGI→ASI这一条单线进化。它其实是四条曲线在同时推进：

• Intelligence曲线： ANI → AGI → ASI，回答"有多聪明"
• Agency曲线： Agentic AI → Autonomous AI → Persistent Agent，回答"能不能自己干活"
• Self-Evolution曲线： AutoML → Meta-Learning → Continual Learning → RSI，回答"能不能自己变强"
• Organization曲线： Collective Intelligence → AI Workforce → Machine Society，回答"能不能组织协作"

过去几年，行业讨论的重心几乎全部压在第一条曲线上，大家比拼参数规模、比拼跑分、比拼谁先喊出"我们更接近AGI"。

我想提醒的是：真正的临界点，从来不在某一条曲线单独达到某个阈值，而在四条曲线的交汇。

这个交汇点可以表示为：

AGI + Autonomous Agent + RSI + Collective Intelligence
                    ↓
          Superintelligent Systems
                    ↓
                   ASI
                    ↓
          Autonomous Organizations

这个图式想说的是：单纯的AGI不会自动导向文明级的影响，单纯的Agentic AI也不会。

真正让所有人紧张的，是"足够通用的智能"（AGI）、“足够自主的行动力”（Autonomous Agent）、“自我加速的进化能力”（RSI）、“多智能体的协同网络”（Collective Intelligence）这四个条件同时成立的时刻。

这也解释了OpenAI在GPT-6 Astra之后为什么敢喊"Welcome to the AGI era"：他们不只是在说模型变聪明了，而是在暗示自己在Agency和Self-Evolution这两条曲线上也有了动作。

谷歌先降温、后又被自家Gemini 3.8的表现追上，降温降的是RSI这条曲线跑得太快带来的治理风险，被追上则说明技术进展本身不会因为有人担心风险就停下脚步。

一句话概括这个交汇点的意义：当AI不再只是更聪明的工具，而是能自主行动、自我进化、彼此协作的系统集合时，我们讨论的就不再是一个产品迭代问题，而是一个文明级变量。

把上面所有概念整理成一张完整的谱系图，可以分成6个概念群，也就是下面这张AI Intelligence Evolution Concept Map：

AI EVOLUTION
                                   │
        ┌──────────────┬──────────────┬──────────────┐
        │              │              │              │
   Intelligence      Agency      Self-Evolution   Organization
        │              │              │              │
        ▼              ▼              ▼              ▼
       ANI        Agentic AI       AutoML      Hybrid Intelligence
        │              │              │              │
        ▼              ▼              ▼              ▼
       AGI       Autonomous AI   Meta-Learning  Collective Intelligence
        │              │              │              │
        ▼              ▼              ▼              ▼
       ASI      Persistent Agent Continual Learning  AI Workforce
        │              │              │              │
        └──────┬───────┘              ▼              │
               ▼               Self-Improving AI      │
     Superintelligent Agent           │               │
               │                      ▼               │
               │                     RSI               │
               │                      │               │
               └──────────┬───────────┘               │
                          ▼                           │
                Intelligence Explosion                │
                          │                            │
                          ▼                            │
                         ASI                            │
                          │                              │
                          └──────────────┬───────────────┘
                                         ▼
                              Autonomous Organizations
                                         │
                                         ▼
                                  Machine Society

这张图的价值不在把每个术语摆进一个格子里，而在提醒所有从业者和观察者一件事：下次再看到某家厂商喊"我们实现了XX"，先问一句，你说的是这四条曲线中的哪一条？它跟另外三条曲线交汇了吗？

单独一条曲线的突破，是产品新闻。四条曲线的交汇，才是行业分水岭。

写在最后

回到开篇那场戏：谷歌降温、Gemini登顶、OpenAI喊出AGI era。这场戏之所以有看头，是因为它把四条曲线的博弈摆到了台面上。

谷歌担心的是RSI这条曲线跑得太快而治理跟不上，OpenAI赌的是Intelligence和Agency两条曲线同时到位，就能定义一个新时代的开端。

谁对谁错，现在下结论都太早。但可以确定的是：未来两三年，行业的竞争焦点会从"谁的模型更聪明"逐渐转向"谁能让四条曲线率先交汇"。下一个技术周期的霸主地位，大概率要在这个战场上决出。

扩展阅读：

• Sam Altman：OpenAI 将在 2026 年底前实现 AGI（按其内部定义）https://the-decoder.com/sam-altman-says-openai-will-have-agi-by-the-end-of-2026-if-you-accept-his-definition/

• Times of India：Altman 承认自己在时间线判断上"一直很错"  https://timesofindia.indiatimes.com/technology/tech-news/sam-altman-admits-hes-been-very-wrong-on-the-timeline-that-he-always-says-is-the-goal-of-openai-says-i-thought-when-we-got-to-/articleshow/133452067.cms

• Moveworks：Agentic AI 与 AI Agents 的定义与区别  https://www.moveworks.com/us/en/resources/blog/agentic-ai-vs-ai-agents-definitions-and-differences

• Wikipedia：Recursive self-improvement（递归自我改进）https://en.wikipedia.org/wiki/Recursive_self-improvement

• Cloud Security Alliance：AI RSI 系统性风险白皮书（2026.06） https://labs.cloudsecurityalliance.org/wp-content/uploads/2026/06/CSA_whitepaper_ai_recursive_self_improvement_systemic_risk_v1.0-csa-styled.pdf

• Stanford Law School：The Ungovernable Machine（2026.03） https://law.stanford.edu/2026/03/17/the-ungovernable-machine/

• arXiv：自我进化 Agent 综述（2607.07663v1）https://arxiv.org/html/2607.07663v1

• arXiv：自我进化 Agent 相关论文（2507.21046v3）https://arxiv.org/html/2507.21046v3

• Frontiers in Psychology：Instrumental Succession 研究（2026）
  https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1922407/full

文章来自于微信公众号 “王吉伟”，作者 “王吉伟”