说真的，有时候想起来还挺恍惚的。就在几年前，我们还觉得围棋——这个古老东方智慧的游戏，是人工智能难以逾越的高峰。它太复杂了，变化比宇宙中的原子还多，讲究的是“手谈”与“意境”，远非蛮力计算可以穷尽。可转眼间，棋盘对面坐着的，可能已经不再是一个蹙眉沉思的人，而是一串我们看不见的代码。今天，我们就来聊一聊这个话题：AI围棋的水平，到底是怎么排行的？它们之间，谁更“厉害”？而这场机器的内战与进化，又给我们带来了什么？
要谈排行，总得有个起点。这个起点，毫无争议，就是2016年的春天。谷歌DeepMind的AlphaGo（我们亲切又敬畏地称之为“阿尔法狗”）以4:1战胜了世界冠军李世石九段。那一刻，不仅仅是围棋界，整个人类认知的某个角落，仿佛被撬动了一下。
当时的AlphaGo是个什么水平呢？如果给它一个历史定位，我觉得可以称之为“破壁者”。它打破了“机器在围棋上不可能战胜顶尖人类”的这堵心理和技术的厚墙。它的棋风，已经展现出与人类迥异的特质：一些我们觉得“俗”甚至“无理”的招法，被它下出了全新的意味。但公允地说，那时的AlphaGo虽然强大，棋谱中依然能看出一些对人类棋谱深度学习的痕迹，偶尔也会有让职业棋手觉得“看不懂但好像不对”的局部。
紧接着，就是2017年与当时世界排名第一的柯洁的三番棋。升级后的AlphaGo Master版本，取得了干净利落的3:0。柯洁在比赛中一度离席抹泪的场景，成了那个时代人类面对AI冲击最直观的注脚。这时，AlphaGo的水平已经公认远超所有人类棋手，形成了一个独立的、更高的层级。
这里，我们可以简单给这个阶段的AI围棋能力做一个粗略划分：
| 时期/版本 | 代表AI | 核心特点 | 相对于人类水平定位 |
|---|---|---|---|
| :--- | :--- | :--- | :--- |
| 2016年前 | 传统围棋程序（如Zen、CrazyStone） | 基于蒙特卡洛树搜索，实力约在业余强豪至职业低段徘徊。 | 挑战者，尚无法撼动顶尖职业。 |
| 2016-2017 | AlphaGo（Lee/Celebrity版）、AlphaGoMaster | 深度学习（策略与价值网络）与蒙特卡洛树搜索结合，开创性突破。 | 超越者，稳定超越所有人类顶尖棋手。 |
| 2017年后 | AlphaGoZero、AlphaZero | 摒弃人类棋谱，从零开始自我对弈学习，实现方法论革命。 | 新物种，棋理与人类出现根本性分歧，差距进一步拉大。 |
是的，2017年还有一个真正具有哲学震撼力的版本诞生——AlphaGo Zero。它完全抛弃了人类的历史棋谱，仅凭围棋的基本规则，通过自我对弈，在短短几天内就超越了战胜李世石的那个版本，40天后便击败了Master。这标志着AI围棋进入了“无师自通”的纯自我进化时代。它的棋，对人类而言更加“玄妙”和“本质”，很多定式被彻底颠覆。
AlphaGo功成身退，但它的技术开源和论文发表，点燃了全球AI围棋研究的燎原之火。一大批基于类似架构的AI程序如雨后春笋般出现，比如绝艺（腾讯）、星阵（中国团队）、KataGo、Leela Zero等。围棋AI领域，从一家独大，进入了百花齐放、激烈竞争的“战国时代”。
那么问题来了，这些后来的AI，谁更强？它们之间怎么排名？这成了一个有趣且动态的话题。要知道，AI之间没有情感波动，不会状态不佳，它们的“等级分”可以通过海量的相互对局来相对精确地计算。
一个被广泛认可的衡量方式，是看它们在围棋AI竞赛（如世界人工智能围棋大赛）中的成绩，以及在一些公开的线上对弈平台（如野狐、腾讯围棋）上，使用相同硬件条件进行“盲测”的胜率。
大致上，我们可以梳理出这样一个当前（以近两三年为参考）的顶尖AI梯队格局：
*第一梯队（领跑者）：通常是那些背靠强大算力与持续研发团队的AI，例如绝艺、KataGo的最新版本。它们在重大比赛中夺冠次数多，在高手云集的AI房对弈中胜率稳定居前。它们的棋被认为最接近“围棋之神”的真理，是职业棋手研究围棋本质最主要的工具。
*第二梯队（强豪）：包括星阵以及一些其他优秀开源AI的强化版本。它们与第一梯队的差距可能非常微小，在某些特定布局或中盘战斗中甚至能有独特见解，但综合稳定性和深度略逊一筹。
*第三梯队（高手）：一些较早版本或配置较低的AI，以及实力强大的开源基准版本（如特定版本的Leela Zero）。它们足以轻松碾压任何人类棋手，但在AI内战中已难以跻身最顶尖行列。
这里必须提一句KataGo。这个开源项目非常活跃，社区贡献巨大，它不仅在绝对棋力上紧追商业顶级AI，更重要的是它在分析功能上做得极其友好，提供了丰富的变化图与胜率评估，成为了全球围棋爱好者乃至职业棋手日常训练的“标配”工具。从某种意义上说，KataGo在推动围棋AI技术民主化和应用普及方面，排名第一。
如果只关注谁输谁赢，那格局就小了。AI围棋的排行，比的不仅仅是胜负率，更是对围棋真理的探索深度和表达方式。
首先，是“围棋定式”的彻底革命。人类总结了几百年的定式，在AI看来很多都是“亏的”。它偏爱一些看似“脱先”（不顾局部）而抢先占据全局要点的下法，强调子效的极致。以前被认为铁亏的“点三三”，现在成了开局标配。这种对棋理的根本性颠覆，迫使所有棋手重新从零开始理解围棋。AI就像一位严苛的物理老师，用实验数据无情地检验着人类凭感觉和经验建立起来的“经典力学”理论。
其次，是胜负观的绝对理性化。AI的世界里没有“棋风”：没有“宇宙流”，没有“地铁流”，没有“力战家”。只有基于胜率计算的最优解或候选解。它不在乎棋形是否美观，不在乎手段是否“羞辱”对手，只在乎最终赢的概率。这带来了一种冰冷而高效的围棋美学。人类棋手在它的影响下，也变得越来越“AI化”，更注重全局的平衡与实地的转化，以往那些天马行空的“名局”构思越来越难出现。这算是进步，还是一种遗憾呢？值得思考。
最后，是围棋教育的平民化与深度化。任何一个业余爱好者，现在都可以用AI复盘，看到自己每一步棋导致的胜率跳水。这种即时、量化的反馈，是过去拜师学艺时代无法想象的。AI成了最无私、最强大的老师。但同时，它也带来了“答案依赖症”——棋手们可能不再敢于进行充满不确定性的深算，而是更倾向于记忆AI的“标准答案”。
那么，AI围棋的进化有终点吗？它的水平排行，最终会收敛到一个“围棋真理”的极限值吗？
从技术角度看，只要算法和算力还在进步，AI的棋力理论上就没有上限。它可以通过无限自我对弈，逼近围棋这个完全信息博弈游戏的理论最优解（如果存在的话）。我们或许可以想象，未来会出现一个“完美围棋AI”，它的每一步都是当前局面下的绝对正解。
但有趣的是，即便到了那一天，“排行”可能就失去了意义。因为当所有AI都无限接近那个理论极限时，它们之间的对局将永远是和棋（执黑贴目下的最优解）。届时，AI围棋的使命，或许就从“争胜”变成了“诠释”——用不同的路径，向我们展示同一种终极之美。
而对于人类来说，面对这个无法企及的“围棋之神”，我们的角色也在悄然转变。从“挑战者”到“学生”，再到“围棋艺术的体验者和传播者”。围棋的魅力，或许不再仅仅在于人类顶尖高手之间电光石火的胜负，更在于我们借助AI这面镜子，前所未有地看清了这个古老游戏的深邃与辽阔。
所以，回到最初的问题：AI围棋水平怎么排行？今天的排行，是技术迭代的赛跑；而明天的终极图景，可能是一场没有输赢、共同抵达的朝圣。机器的铁蹄踏破了人类智慧的旧篱笆，却在废墟之上，为我们建造了一座更高、更宏伟的认知殿堂。这，或许就是这场革命最迷人的地方。
3月23日 
5653 浏览
3月23日 3164 浏览
3月22日 2135 浏览
3月22日 2128 浏览
3月22日 2126 浏览
3月22日 2114 浏览
3月22日 1255 浏览
位置：
版权说明：
