不久前，特斯拉CEO埃隆·马斯克近期再次发出警示——他预测，AI将在2026年超越单个人类的智能水 平，并在2030年达到甚至超越全人类智能总和。这一判断并非空穴来风，而是基于AI指数级增长的演 进逻辑：计算能力每提升10倍，智能水平可能翻倍；而最终，地球上的大部分太阳能或许都将被用于支 撑庞大的计算系统。 马斯克的言论令人震撼，也引发广泛思考：超级人工智能真的会在短短几年内到来吗？它究竟是人类文 明的终极助力，还是潜在的终结者？要回答这些问题，需先厘清什么是ASI，以及它与当前AI的本质区 别。 从窄域AI到超级智能 【CNMO科技】近期，科技界对人工智能（AI）发展的讨论再度升温。在ChatGPT、Gemini等"窄域 AI"工具已深度融入日常生活的背景下，行业巨头的目光早已超越当前技术，投向一个更具颠覆性的未 来目标：人工超级智能（Artificial Superintelligence, ASI）。 当前我们使用的AI，如用于写邮件、生成图像或自动化任务的工具，属于"窄域人工智能"（Narrow AI）。它们在特定任务上表现出色，但缺乏通用性，且高度依赖人类提供的训练数据和指令。这类AI 不具备自主意 ...

公司动态与展望 - 埃隆・马斯克预测xAI公司即将推出的Grok 5有10%的可能性实现通用人工智能（AGI）且该概率仍在上升 [1][3] - 马斯克补充称Grok 5将是通用人工智能或至少达到与之无法区分的水平 [3] - Grok 5尚未正式发布但相关言论已大幅提升外界期待 [3] 行业背景与影响 - 截至目前全球尚无任何公司真正实现AGI尽管已有众多人工智能初创企业正积极致力于该目标 [3] - 通用人工智能（AGI）指在思维、推理及其他认知任务方面能够达到甚至超越人类智能水平的AI系统 [5] - 一旦实现AGI从机器人技术到制造业等众多行业均有望迎来显著变革与飞跃 [5] - AGI最终可能为“人工超级智能”（ASI）铺平道路其智能水平可能超过全人类智慧的总和 [5]

交易概述 - 瑞士ABB集团以53.75亿美元（约383亿人民币）估值，将其机器人业务单元整体剥离给软银集团，交易预计在2026年中后期完成[3] - 交易方式为软银集团以“全现金”方式收购新设控股公司100%股权，ABB预计净落袋约47亿美元，并产生约24亿美元的非运营性税前账面收益[5] - ABB机器人业务2024年收入为23亿美元，占集团总营收的7%，交易包括7000人工程师团队、50万台存量装机与全球服务网络和全部知识产权[5] ABB的战略调整 - ABB加速剥离机器人业务的原因包括该业务利润在2024年同比下滑39%，且市场波动性大，与集团专注于电气化和自动化的其他业务协同性不足[6] - 此次调整后，ABB业务将精简为电气、过程自动化、运动控制三大领域，标志着机器人业务不再是其未来发展核心[6] - ABB最初计划在2026年二季度将机器人业务分拆上市，但软银给出的53亿美元估值远高于瑞士投行此前预计的不足40亿美元，因此改为出售方案[5] 软银的战略意图 - 软银集团收购ABB机器人业务是对未来10年技术演进方向的押注，旨在整合世界一流的技术和人才，将人工超级智能（ASI）与机器人技术融合[8] - 孙正义提出让软银成为全球第一的ASI平台提供者，认为机器人是ASI进入物理世界的重要载体，此次收购看中了ABB在AI时代的接口价值[8] - 软银已成立“机器人控股”公司以整合其机器人相关投资组合，与ABB的平台形成互补，推动机器人向具备感知、学习能力的智能体进化[9] 行业格局与趋势 - 此次交易被视为全球工业自动化领域的“地震级”交易，重塑了全球机器人产业格局，传统的工业机器人“四大家族”格局可能成为历史[3][11] - 行业趋势是AI与机器人的深度融合，英伟达CEO黄仁勋指出人工智能的下个浪潮是“物理AI”，这将是第四代人工智能革命[9][11] - 国际巨头如特斯拉目标在2026年实现人形机器人Optimus的量产，首要应用场景是制造业与工业生产，表明工业自动化的游戏规则正在改变[11] 中国市场影响 - 中国作为全球最大工业机器人市场，本土企业市场份额已突破50%，国际巨头的策略调整可能加速本土企业的国产替代和自主创新[12] - 交易也加重了竞争压力，本土企业如埃斯顿、新松机器人等将面对一个拥有全球渠道的巨无霸竞争对手，海外市场竞争将更加激烈[12] - 未来的竞争核心是生态系统和AI能力的较量，智能化转型的窗口期可能只有5-10年，掌握物理AI技术者将在新一轮工业革命中占据主动[12]

交易概述 - 瑞士ABB集团以53.75亿美元（约383亿人民币）估值，将其机器人业务单元整体剥离给软银集团，交易预计在2026年中后期完成 [1] - 交易为全现金方式，软银集团将收购新设控股公司100%股权，ABB预计净落袋约47亿美元，并产生约24亿美元的非运营性税前账面收益 [3] - ABB机器人业务2024年收入为23亿美元，占集团总营收的7%，交易包括7000人工程师团队、50万台存量装机与全球服务网络和全部知识产权 [3] ABB的战略调整 - ABB原计划在2026年二季度将机器人业务分拆上市，但考虑到软银交易能立即提供资金且估值更高（53亿美元对比此前投行预计的不足40亿美元），最终改为出售方案 [4] - 剥离原因包括机器人市场波动性大（2024年业务利润同比下滑39%），且该业务与集团专注于电气化和自动化的其他业务协同性不足 [5] - 交易完成后，ABB业务将精简为电气、过程自动化、运动控制三大领域 [5] 软银的战略意图与行业趋势 - 软银收购旨在整合ABB的世界一流技术和人才，将人工超级智能（ASI）与机器人技术融合，推动颠覆性革命，其战略目标是成为全球第一的ASI平台提供者 [7] - 机器人被视为ASI进入物理世界的重要载体，ABB的加入将填补软银在工业场景应用的关键空白，并与集团已有的机器人投资组合形成互补 [8] - 此次收购顺应了“物理AI”的行业趋势，即人工智能在现实世界中的具身化应用，英伟达CEO黄仁勋也指出这将是第四代人工智能革命 [9][10] 对行业竞争格局的影响 - 交易被视为全球工业自动化领域的“地震级”交易，可能重塑传统的工业机器人“四大家族”格局，标志着行业竞争进入新纪元 [1][11] - 国际巨头如英伟达已与安川电机合作，特斯拉也目标在2026年实现人形机器人Optimus量产，表明所有玩家都在重新思考AI时代的定位 [11] - 未来的竞争核心将从硬件性能转向生态系统和AI能力的较量，智能化转型的窗口期可能只有5-10年 [13] 对中国市场与企业的影响 - 中国作为全球最大工业机器人市场，本土企业市场份额已突破50%，国际巨头的策略调整可能加速本土企业的国产替代和自主创新 [12] - 交易也加剧了竞争压力，拥有全球渠道的软银ABB联盟将使中国企业在出海时面临更激烈的海外市场竞争 [12] - 尽管竞争加剧，但中国企业被认为必将在这场机器人行业的颠覆性变革中占据重要一席 [13]

软银集团战略投资与布局 - 公司拟以54亿美元收购ABB的机器人业务部门，作为其押注通用人工智能的最新举措[2] - 公司董事长提出下一个前沿领域是物理人工智能，旨在融合人工智能和机器人技术以推动突破性进化[2] - 公司董事长预测通用人工智能将在未来2-3年内由大企业率先实现，并在十年内全面实现，认为需要巨额资金投入[2] 人工智能与机器人行业前景 - 人工智能正在重塑机器人领域，公司董事长提出人工超级智能理念，认为未来十年内人工智能将比人类聪明一万倍[2] - 行业领导者认为机器人技术的ChatGPT时刻即将到来，人工智能下一波浪潮是能够理解物理定律的物理人工智能[4] - 全球机器人市场目前价值约780亿美元，预计到2029年底将达到1650亿美元[4] 软银在机器人领域的投资历史与行业动态 - 公司此前已拥有包括Agile Robots和AutoStore在内的机器人相关企业投资，通过此次收购ABB机器人进一步充实布局[3] - 公司曾于2012年收购法国Aldebaran多数股权并推出人形机器人Pepper，但最终未获市场认可[4] - 相比于人形机器人，工业机器人的商业化路径更为清晰，是英伟达等科技巨头看好的领域[4] 软银在人工智能领域的其他合作与投入 - 公司加倍押注人工智能领域，与OpenAI展开深入合作，是美国"星际之门"项目的主要参与方[5] - 公司与OpenAI达成协议在日本成立合资企业，为企业客户提供人工智能服务[5] - 公司董事长表示每年将在OpenAI产品部署上投入30亿美元[5]

软银集团战略投资 - 公司拟以54亿美元收购ABB的机器人业务部门 [2] - 此举是公司押注通用人工智能的最新举措 [2] - 公司董事长提出下一个前沿领域是物理人工智能 旨在融合人工智能和机器人技术推动突破性进化 [2] 行业趋势与市场前景 - 人工智能正在重塑机器人领域 工业机器人的商业化路径比人形机器人更为清晰 [3] - 行业领导者认为机器人技术的ChatGPT时刻即将到来 人工智能的下—波浪潮是物理人工智能 [4] - 全球机器人市场价值约为780亿美元 预计到2029年底将达到1650亿美元 [4] 公司战略与布局 - 公司董事长预测通用人工智能将在未来2-3年内由大企业实现 未来十年内全面实现 并认为实现目标需要巨额资金 [2] - 通过投资ABB机器人 公司将进一步充实机器人板块的布局 此前已拥有包括Agile Robots以及AutoStore在内的相关投资 [3] - 公司也在加倍押注人工智能领域 与OpenAI展开深入合作 计划在日本成立合资企业为企业客户提供人工智能服务 每年将在OpenAI产品部署上投入30亿美元 [4] 行业观点与预测 - 公司董事长提出人工超级智能的理念 认为未来十年内人工智能将比人类聪明一万倍 [2] - 公司董事长曾表示未来每个人都会有自己的AI智能体 它像人的第二个身体 可以管理生活日常 [3] - 英伟达已推出全球首个生成式世界基础模型Cosmos 为机器人制造商提供从底层模型到内置芯片的所有环节 [3]

软银的战略投资与愿景 - 公司拟以54亿美元收购瑞士ABB的机器人业务部门[1] - 公司董事长提出下一个前沿领域是物理人工智能，旨在融合人工智能与机器人技术[1] - 公司使命被定义为“推动人类进化”，看好人工智能与机器人结合是通往通用人工智能的重要路径[3] 人工智能与机器人行业趋势 - 行业领导者预测机器人技术的ChatGPT时刻即将到来，人工智能下一波浪潮是物理人工智能[4] - 全球机器人市场价值约为780亿美元，预计到2029年底将达到1650亿美元[4] - 英伟达推出全球首个生成式世界基础模型Cosmos，为机器人制造商提供底层模型[4] 软银的投资布局与合作 - 公司通过投资ABB机器人进一步充实机器人板块布局，此前已拥有Agile Robots及AutoStore等机器人相关企业投资[3] - 公司加倍押注人工智能领域，与OpenAI达成协议在日本成立合资企业，为企业客户提供人工智能服务[4] - 公司每年将在OpenAI产品部署上投入30亿美元[4] 孙正义的预测与理念 - 公司董事长预测通用人工智能将在未来2-3年内由大企业实现，并在十年内全面实现[3] - 公司董事长提出人工超级智能理念，认为未来十年内人工智能将比人类聪明一万倍[1][3] - 公司董事长展望未来每个人都会拥有管理生活日常的AI智能体[3]

自进化智能体综述核心观点 - 大语言模型本质上是静态的 无法在面对新任务 不断进化的知识领域或动态交互环境时调整其内部参数 这已成为开放交互式环境部署的关键瓶颈[2][3] - 自进化智能体代表人工智能领域的范式转变 从扩展静态模型转向开发能够从数据 交互和经验中持续学习与适应的系统 这是通往人工超级智能(ASI)的关键路径[3][4] - 综述首次系统性地围绕三个基础维度组织该领域：进化对象(what) 进化时机(when)和进化机制(how) 为理解与设计自进化智能体提供结构化框架[3][6] 进化对象(What to Evolve) - 智能体系统可分解为四个基本进化支柱：模型(推理和行为参数) 上下文(指令和长期记忆) 工具集(外部技能创建和管理) 以及架构(系统协作结构)[19] - 进化机制涵盖策略 经验 提示 记忆 工具创建与掌握 架构选择等多个维度 不同方法在各维度有不同侧重 例如Mem0在7个维度均有进化 MAS-Zero侧重模型和经验进化[20] 进化时机(When to Evolve) - 按时间阶段分为测试时内自进化(任务执行期间实时适应)和测试时外自进化(任务完成间利用积累经验提升未来表现)[22] - 测试时内进化具有在线性 学习数据动态产生且直接针对当前问题 测试时外进化具有回顾性 作用于历史数据旨在提高任务分布预期性能[23] - 进化依赖三种基本学习范式：上下文学习(ICL) 监督微调(SFT)和强化学习(RL) 在不同时间背景下数据可用性和学习目标存在差异[23] 进化机制(How to Evolve) - 主要方法家族包括基于奖励的进化(标量奖励 自然语言反馈 外部信号) 模仿与示范学习(高质量范例学习) 以及基于群体和进化的方法(选择 变异 交叉等机制)[27] - 不同方法在反馈类型 数据源 奖励粒度 样本效率 稳定性和可扩展性等方面存在显著差异 例如基于奖励的方法对奖励设计敏感 模仿学习受示范质量影响大 群体方法资源密集但可扩展性好[29] 应用场景(Where to Evolve) - 应用系统分为通用领域进化(数字领域各种任务能力扩展)和专用领域进化(特定领域专业知识深化) 前者侧重经验迁移 后者侧重领域深化[31] - 关键应用领域包括自主软件工程 个性化教育 医疗保健和智能虚拟助手等 持续适应和进化在这些领域至关重要[10][38] 评估体系(Evaluation) - 评估需超越传统静态系统 涵盖随时间推移的适应能力 知识积累与保留 长期泛化能力以及技能迁移 同时减轻灾难性遗忘[34] - 现有基准如ScienceAgentBench(102任务) SWE-bench(2,294任务) WebShop(12,087任务)等 在任务领域 核心指标和时空范围上各有侧重[36] - 个性化评估需开发更轻量级 适应性指标和动态基准 传统ROUGE和BLEU等指标无法充分捕捉动态进化特性[39] 技术挑战与研究方向 - 泛化能力面临专业化与广泛适应性矛盾 需可扩展架构设计 跨领域适应技术(测试时扩展 推理时适应)以及持续学习与灾难性遗忘解决方案[40][42] - 安全与可控性需应对用户相关风险和环境风险 通过智能体宪法 安全训练算法和隐私保护措施实现平衡部署[43][44] - 多智能体生态系统需平衡个体与集体推理 开发高效算法和自适应框架 并建立动态评估基准反映持续适应和演变交互[45]

核心观点 - 软银正通过大规模资本运作构建完整的AI算力产业链 从IP到应用层进行全面布局 目标是成为全球第一的ASI平台提供者[5][9][23] - 公司采取"跨资产集成"策略 通过投资和收购在半导体制造 CPU AI加速器 数据中心和大模型等关键环节建立影响力[23][34][35] - Arm是战略核心 其IP授权模式提供稳定现金流 且正通过自研芯片强化数据中心领域话语权[26][28][31] 财务数据 - 截至2025年6月26日 软银净资产价值约31万亿日元 市值约14万亿日元 约为资产价值的一半[4] - Arm在2024财年实现40.07亿美元创纪录收入 同比增长25.3% 其中专利收入增长22.7%至21.68亿美元[30] - 全球基于Arm的芯片累计出货量超过3250亿个 预计2025年超大规模提供商50%新服务器芯片将基于Arm架构[28] 战略投资布局 - 向英特尔投资20亿美元 成为其前十大股东 支持其系统代工+AI战略并布局美国本土制造[13] - 领投OpenAI高达400亿美元融资 分两期投入 先投100亿美元 年底追加300亿美元[16][19] - 以65亿美元收购Arm服务器CPU厂商Ampere 补齐CPU自主可控缺口[20] - 收购英国AI芯片公司Graphcore 获得差异化IPU技术路径[21] - 联合OpenAI和Oracle推动Stargate项目 规划投资规模达5000亿美元 在俄亥俄州与富士康合作建设超级数据中心设备产线[14] 产业链整合 - 构建从IP Arm → CPU Ampere → AI加速 Graphcore/NVIDIA → 制造 Intel Foundry → 数据中心 Stargate → 应用 OpenAI 的完整算力栈[23][26][27] - Arm商业模式具有长尾效应 约50%专利收入来自10年前推出的产品 为AI扩张提供稳定现金流[30] - Arm启动自研芯片计划 挖角亚马逊AI芯片负责人 可能推出面向数据中心的整芯片产品[31] 竞争策略 - 区别于英伟达的技术闭环模式和云厂商的垂直整合模式 软银采取跨资产集成策略 通过资本运作聚合各环节最优资源[34][35] - 在Arm/NVIDIA/Intel Foundry等多个生态同时布局 以多点影响替代单点自研[34] - 将社会化生产要素重新组织 在应用层通过OpenAI实现收口 争夺系统集成权[35]

战略转型 - 公司战略重心从元宇宙转向人工超级智能 旨在为全球数十亿用户提供个人超智能系统 [3][4][5] - 该战略被描述为高风险高回报的豪赌 涉及数百亿美元投入和内部组织调整 [1][3] 资本投入 - 2025年资本支出预计达660-720亿美元 大部分用于AI基础设施建设 [6] - 投入方向包括自研芯片和千兆瓦级数据中心（普罗米修斯/海伯利安） [6][7] 技术挑战 - 超过66%训练中断由硬件故障引起 包括SRAM/HBM和网络交换机问题 [7] - 大规模同步训练环境对系统稳定性提出极高要求 [7][8] 开放战略 - 通过Llama系列开放权重实施商品化互补品策略 刺激对云服务和广告需求 [9][10][11] - 但存在为竞争对手做嫁衣风险 下一代Behemoth模型可能转向封闭策略 [12] - 月活超7亿产品需申请商业许可 实际为开放权重而非完全开源 [13][14] 广告业务 - AI广告工具实现自动化创建与精准定位 ROAS提升12% [16][17][18] - Ben & Jerry's案例显示点击率提升7% 单次点击成本降低6.5% [18] - 视频观看总时长同比增长超20% [18] 消费者产品 - AI助手月活超4亿 但市场份额远低于ChatGPT(60.4%)和Gemini(13.5%) [20][21] - 被用户认为缺乏个性化和跨应用记忆 体验像半成品 [21] 元宇宙与硬件 - Horizon Worlds仅20-30万用户 远逊于VRChat(1000万)和Roblox(7770万日活) [22] - 智能眼镜实现语音交互和视觉识别 延伸至可穿戴设备领域 [22] 人才战略 - 高价挖角引发内部士气危机 被视作对现团队的否定 [24][25] - 半年内进行四次重组 新成立超智能实验室分为四个小组 [26][27] - 竞争对手评价其以天价雇佣资质平平的科学家 [27] 系统层级缺陷 - 缺乏自主操作系统 无法像Google/Apple进行系统级AI集成 [28][29] - 导致AI助手功能受限 难以获取全面用户数据 [29] 隐私与合规 - 用户私人查询被意外公开 包括医疗敏感信息 [30][31] - 部分平台缺少端到端加密 面临得州和欧盟监管调查 [32][33] - 计划用AI取代90%人工风险评估 可能加剧伦理风险 [33]