AI下棋简史：从9吨重的IBM 704，到没看过人类棋谱的AlphaZero

2015年，我在上海创业。有一次和CTO闲聊，我说我之所以喜欢下围棋，是因为在这件事上，计算机永远赢不了人类。

这句话说完刚好一年，AlphaGo来了。

一年多以前，我在很多人身上，看到了当年我自己的那种笃定，只不过对象换成了大模型。那时流行的说法是：大模型不过是读遍了人类的文字，再去预测下一个字。既然是在模仿人类，它给出的答案注定平庸，搞不出真正有创意的东西。再加上训练语料快用完了，scaling law被认为已经见顶，芯片又被卡着脖子，AI的故事好像讲到头了。

这一次，我站在了另一边。经历过AlphaGo，我对这类判断早就有了不同的看法：今天关于大模型的这场争论，答案十年前就在棋盘上演过一遍了。

一年多前，我做了一场TEDx演讲，题目叫《AI能否超越人类的直觉和创造力》，想说的就是这件事。只是演讲没有直接谈大模型，讲的是一段更老的历史：计算机下棋，从1958年的IBM 704，一路讲到2020年的MuZero。

然后就是这一年。AI在编程和数学上接连突破。9月，OpenAI宣布，它的内部模型给千禧年大奖难题之一的纳维-斯托克斯方程交出了一份证明：在某些条件下，这个描述流体运动的方程会在有限时间内「崩溃」。10月，它又一口气公开了几百份论文，声称解决了三百多个悬而未决的数学问题。放在一年多以前，这简直是天方夜谭。

到今天，「AI只会预测下一个字」这句话，已经站不住了。那场演讲时间有限，很多地方没来得及展开，正好借这篇文章，把它完整地讲一遍。

人工智能刚诞生的时候，先驱们普遍很乐观。1958年，赫伯特·西蒙等人预言：十年之内，计算机将成为国际象棋世界冠军。

这件事最后用了四十年。

同样是1958年，伯恩斯坦等人发表了一篇划时代的论文，让计算机第一次完整地下了一盘国际象棋。他们用的是IBM 704，当时最强的计算平台：真空管电子计算机，重近九吨，占地一百五十平方米，速度却不到今天一部手机的百万分之一。

在这台又大又笨的机器上，程序的逻辑非常朴素。每个棋子有固定价值，皇后9分、车5分、马3分。决策分成八个优先级：被将军了先解将，再看能不能吃子、会不会丢子，实在没事干就随便走一步。每一步只挑7个候选点，每个点往前算4步，也就是7的4次方，2401个局面。

计算量其实很小，但704太慢了，每走一步要等八分钟左右。下出来的水平，大概相当于人类的业余初学者：开局中局还像模像样，一到残局就露馅，因为它根本没有复杂的残局逻辑。

这就是把人类下棋的经验，硬生生写进代码。写出来的，只是一个初学者。

但这篇论文奠定了电脑下棋的基本框架。之后几十年，所有进步都沿着这个框架，从三个方向推进：

1997年，这条路走到了巅峰：IBM的深蓝战胜了国际象棋世界冠军卡斯帕罗夫。

深蓝是当时全球排名第259位的超级计算机，装了480枚专门为下棋设计的芯片，里面塞满了极其复杂的人工评估规则和调参，加上庞大的开局库和残局库（当时是完整的五子残局库和部分六子残局库，七子残局库要到2012年才建成）。

这是人类智慧和机械计算共同创造的巅峰时刻。但巅峰也意味着到顶了：靠人类知识加蛮力计算，有一样东西，计算机永远拿不下。

那就是围棋。

说到围棋为什么难，网上最流行的说法是：围棋的变化数超过了宇宙中原子的总数。我当年在演讲里也是这么说的。

但这其实不是关键。国际象棋的博弈树虽然比围棋小得多，也同样远远超过宇宙原子数。两种棋都「算不完」，深蓝照样赢了。

围棋真正难的地方，是写不出一个评估函数。

国际象棋判断局势，数一数子力就能大致看出谁占优，伯恩斯坦1958年就是这么做的。可围棋只有黑子和白子，每颗子都一样，你没法说这颗比那颗值钱。下到中盘，到底谁领先，有时候连职业棋手都说不清楚。

那人类是怎么下围棋的？靠的不是计算，是棋感。

下棋的人常说「我的第一感是哪里」。高手看一眼棋盘，就能直接锁定最可能的几个选点，根本不需要把每个点都算一遍。在这个意义上，围棋是一门直觉的艺术。

心理学家Chase和Simon做过一个经典实验：让国际象棋大师看一个真实对局的棋盘，只看五秒钟，然后让他摆回来，他能摆得八九不离十。但如果棋子是随机摆放的，大师的记忆力就和新手差不多。

围棋也一样。很多人好奇职业棋手怎么能记住那么长的棋谱，原因是每一步都有逻辑、有直觉在里面。换成一个随机棋谱，高手也背不下来。高手记住的不是一颗颗棋子，而是模式。

而识别图像中的模式，恰恰是神经网络最擅长的事。

于是问题来了：直觉，真的是人类独有的天赋吗？

到2015年前后，卷积神经网络已经能很好地处理224×224甚至更大的图片了。从计算的角度看，围棋复杂得吓人；但换个角度，一张19×19的棋盘，不就是一张很小的图吗？

一个天才的想法出现了：让AI把围棋当成图片来看。

普通图片有RGB三个通道，输入网络的是三张叠在一起的图。AlphaGo的团队给围棋设计了48个通道：黑子一张、白子一张，还有专门表示「气」的、表示落子后能提掉几颗子的、表示征子的……这48个通道里，装的全是人类对围棋的理解。最后输入网络的，是一张19×19×48的「图」。

训练数据来自海外围棋平台KGS上6到9段（平台段位，不是职业段位）的16万盘对局，拆成大约3000万个局面。注意，这不是最强人类棋手的棋谱，而是业余高手的。

AlphaGo用一个13层的卷积网络，看一眼棋盘，预测人类棋手下一步会落在哪里，准确率达到57%。这就是它的监督学习策略网络。

看到这里，你有没有觉得眼熟？看人类的棋谱，预测人类的下一步。这和「读人类的语料，预测下一个字」，几乎是同一件事。 这一点先记住，后面会回来。

但只靠模仿，AI永远赢不了顶尖的人类。就算预测准确率到了100%，它也只是一个KGS上的业余高手。

于是AlphaGo开始自己跟自己下。50块GPU，海量对局，每盘棋奖励赢的一方、惩罚输的一方，赢棋的下法以后被选中的概率就更高。这是强化学习策略网络。从这一步开始，AI不再只是模仿人类，而是形成了自己的偏好。

接下来更妙。用这个已经变强的网络再下3000万盘棋，每盘只随机截取一个局面，结局是谁赢早就知道。训练时先不告诉AI答案，只让它看这一个局面，直接判断谁会赢，再拿真实结局去纠正它。

练完之后，AI看一眼棋盘，不用一步步往下推演，就能说出这盘棋的胜率。这是价值网络。在「判断局势」这件人类觉得只能靠棋感的事情上，AI也有了直觉。

最后，AlphaGo再配上一个下得快但比较粗糙的「快棋手」，短时间内模拟成千上万盘棋直到终局，作为价值网络的补充；用蒙特卡洛树搜索把这些整合在一起。直觉和计算相辅相成，这和人类高手下棋的方式非常像。

2016年3月，AlphaGo以4比1战胜李世石。

我一直觉得，人工智能像一列呼啸而来的火车。它在远处的时候，你根本不信它会来，就像2015年的我。然后它在站台上和人类擦肩而过，那就是2016年的李世石。再然后，它飞速远去，人类再也没有追上的机会。

2016年底到2017年初，一个叫Master的神秘账号在网上横扫中日韩高手，取得60连胜，古力甚至悬赏10万元找能赢它的人。后来大家才知道，那是新版的AlphaGo。2017年5月，它对阵柯洁，柯洁没有任何机会。按照DeepMind公布的等级分换算，对阵李世石的那个版本，如果和对阵柯洁的这个版本下，胜率只有0.16%左右。

2019年，李世石宣布退役，理由之一就是AI。一个棋手即便成为世界第一，头上也永远有一个赢不了的对手。更难受的是，一步棋下得好不好，现在由AI说了算，世界第一也没有了话语权。

AlphaGo告诉了我们两件事。第一，AI可以拥有下棋的直觉。第二，AI的上限，并不取决于它学到的人类资料。 它学的只是业余高手的棋，最后却碾压了顶尖职业棋手。

2017年10月，和柯洁那场比赛之后五个月，AlphaGo Zero发表了。论文标题叫 Mastering the game of Go without human knowledge，不依赖人类知识，学会下围棋。

我第一次看到这个标题，是感到有点可怕的。

前面说过，AlphaGo的48个输入通道里装满了人类的围棋知识，某种程度上，是人类在手把手教AI这个棋盘该怎么看。而AlphaGo Zero的输入只有黑白子的位置，加上最近8步的历史（因为处理打劫需要知道之前下过什么，这是规则本身的要求），一共17个通道。负责计算的快棋手也去掉了，架构简洁得多。它不看任何人类棋谱，从零开始自己摸索。

结果呢？只用神经网络、完全不做前瞻搜索，也就是只凭「第一感」落子，它的等级分就到了3055，已经是职业棋手的水准。加上搜索之后，是5185，一个超人的数字。

人类下了两千多年围棋，理论一代代往前推。1930年代，吴清源和木谷实掀起新布局革命，小目托退的下法因为木谷实下得多，被叫作木谷定式。AlphaGo Zero从完全不懂围棋开始，不到二十个小时就自己重新发现了它。

更有意思的是，一些久经考验的人类定式被它发现之后，很快又被它否定了。我当年学棋时，某个定式里黑11就下在一个固定位置，AI告诉我们：你们以为的定式，其实是错的。

AlphaGo Zero训练36个小时，就超过了击败李世石的那个版本。想象一个人，以前从没下过棋，你只告诉他规则，他没看过一本棋书、一张棋谱，自学36个小时，就能赢李世石。

而且和很多人想象的不同，它下棋时并不靠堆算力，只需要4块TPU。当然，训练阶段它花的算力比AlphaGo多得多。算力花在了「学」上，学会之后，用很少的计算就能下得更好。它是真的更聪明了。

几个月后，团队发现这个围棋AI只要稍加改动，就能学会国际象棋和日本将棋。于是他们把名字里的Go（围棋）去掉了，AlphaZero诞生。

当时最强的国际象棋程序是Stockfish，实力远超当年的深蓝。AlphaZero只训练了9个小时，就以压倒性优势击败了它。Stockfish每秒评估7000万个局面，AlphaZero每秒只看8万个，却赢得非常轻松。（公平起见补一句：两者硬件不同，不好直接比；而Stockfish后来也引入了小型神经网络，如今已经比当年的AlphaZero强得多。）

但棋类毕竟是规则明确的游戏，计算机可以完美地模拟棋盘。现实世界里，我们面对的大多数问题，既不知道明确的规则，也没有完美的模拟器。

2020年，MuZero回答了这个问题。它不需要知道规则，而是在和环境的交互中，自己学出一张「够用的脑内地图」。

打个比方。一座城市的真实地图非常复杂，但坐地铁时，你只需要一张地铁线路图。线路图的距离、角度、比例尺全是失真的，却保留了换乘需要的全部信息，对坐地铁来说反而更好用。区别在于，地铁图是人画的，而MuZero的地铁图是它自己画的：它只保留对决策有用的那部分。

于是MuZero不光能下棋，还能玩Atari电子游戏，比很多专门为这些游戏设计的程序玩得更好。后来它还被用来给YouTube的视频压缩调节码率，平均节省了约4%的带宽。在YouTube的体量上，这是一个非常大的数字。

金庸在《倚天屠龙记》里写过一段：张三丰演示完太极剑，问张无忌记住了没有。张无忌说忘了一半；再问，说已经全忘了。这时候，他才真正学会了太极剑。

回看AI下棋这条路：

现在回到开头那句话：AI只会预测下一个字。

2016年的AlphaGo，起点就是一个「只会预测人类下一步」的模型。如果故事停在那里，它确实注定平庸，最多和KGS上的业余高手一样。但它没有停。

这些年大模型的发展，几乎是把围棋AI的路重走了一遍：

DeepSeek-R1-Zero名字里的Zero，明显就是在致敬AlphaGo Zero。它在训练中还出现了「顿悟时刻」：模型自己学会了停下来、回头检查、换一种思路。

AlphaProof是Google DeepMind的数学证明系统，相关论文2025年11月发表在《自然》上。它有一个特别像人的做法：碰到一道很难的题，它会自己生成几百万道这道题的变体，专门针对这道题再跑一轮学习。就像你遇到难题，先自己出一堆类似的题做一做，把感觉练出来，再回头去攻那道难题。

所以，「预测下一个字」只是起点，不是天花板。AlphaGo只学了业余高手的棋，最后碾压了职业棋手。说大模型「只是在拟合语料，所以注定平庸」，和2015年的我犯的是同一个错误：把起点当成了终点。

其实每一次，人类都在画一条线：

最开始，我们说机器只能又蠢又慢地下棋，704走一步要八分钟。深蓝赢了卡斯帕罗夫，我们说那不过是暴力计算，机器永远不会有直觉。AlphaGo有了直觉，我们说那还是得学人类的棋谱。然后AlphaGo Zero、AlphaZero、MuZero出现，它们开始自己摸索规律，自己定义什么是对的，甚至什么是美的。

每一次，人类都宣称这条线之后是人类专属的领域；每一次，这条线都被轻易跨过。所谓人类的独特性，也许只是更深层次的模式识别而已。

不过，故事到这里还有一个关键的「但是」。

2025年，David Silver和Richard Sutton合写了一篇文章。Silver是AlphaGo的核心作者，也是AlphaProof的作者之一；Sutton是强化学习的奠基人。文章里说得很清楚：AlphaZero、MuZero这样的智能体，能力几乎可以无限扩展，但它们从来没有跨过从模拟到现实的鸿沟。

原因在于，围棋也好，数学证明也好，都是目标单一、奖励可以精确定义的问题：赢就是赢，对就是对。而现实世界里，我们面对的更多是开放的、多元的、定义模糊的问题。

这也解释了这一年AI为什么偏偏在数学和代码上突飞猛进：因为这两件事有一个可以验证的对错。OpenAI那份纳维-斯托克斯的证明，同时公开了用形式化语言Lean写成的版本，机器可以逐行检查每一步对不对。棋盘上的「赢」，到了数学里就是「证明通过」。有了可验证的奖励，AlphaGo那一整套自我进化的方法就能派上用场。

那么，那些没有标准答案的事情怎么办？

比如视频。现在AI做视频的能力已经越来越强，可什么叫好视频？审美、节奏、情绪、品味，这个奖励函数，该由谁来写？

最直接的答案是：用人类的标准。但这里有一个很少被讨论的坑，人类的评分偏差是真实存在的。

AlphaGo对李世石的第二局，第37手下出来的时候，现场很多解说都以为是失误。今天我们知道那是好棋，但如果当时让人类给AlphaGo的每一步打分，它会被判定为「不会下棋」。那么在视频、艺术这些领域，会不会也一样？AI可能已经做出了更好的东西，而人类出于无知或偏见设定的标准，反而成了天花板。

反过来，AI自己也有问题。2023年，一位业余棋手借助对抗性的方法，找到了顶级围棋AI的漏洞，用一些人类一眼就能看出问题的招法，把AI骗了，正面赢下了它。之后很多人研究怎么给AI打补丁，可打一个补丁，就冒出一个新漏洞。

这说明，即便AI的平均表现已经远超人类，它在异常情况下也未必可靠。但同样，有人类把关也不等于万事大吉：在这个漏洞被发现之前，职业棋手们照样下不过AI。

所以真正难的问题，不再是「AI能不能」，而是两件事：应该设计怎样的规则，来告诉AI它做得好还是不好；以及，怎样检查AI有没有在钻这套规则的空子。

一年前那场演讲，我是这样结尾的：

我们需要把注意力从「机器能不能」，转向「机器该不该」。直觉和创造力也许不再是人类的专利，但梦想、价值和方向，应该掌握在我们自己手里。如果利用得当，结果就不是AI超越了我们，而是我们一起超越了曾经的自己。

后半句，在围棋上已经应验了。围棋AI出现之后，人类的整体棋力明显上了一个台阶。今天一台普通电脑装上AI，你就拥有了世界上最好的陪练，可以随时高强度对练，学习最前沿的理念。我前段时间写过一篇穿越小说，里面有个判断：今天一个业余高手如果穿越回古代，凭着和AI练出来的棋力和理念，大概能赢下当年的国手。

前半句，在台上说出来，难免听着像一句鸡汤。演讲时间有限，它背后的意思我没来得及展开。

其实「价值和方向握在自己手里」，说的是一个非常具体的技术问题：当AI面对没有标准答案的事情时，奖励函数由谁来定义？用人类的标准，人类会看错；完全交给AI，AI会钻空子。人和AI之间该怎么分工，规则该怎么写，漏洞该怎么查，这些都还没有答案。

棋盘上，人类花了几十年才承认机器也能有直觉。下一条被跨过的线会在哪里，我不知道。但我越来越确定，与其继续争论机器「能不能」，不如认真想想，那条线该由谁来画，又该画在哪里。