剛剛，李世石“再戰”AI

這次沒有輸贏。

剛剛，李世石再次直面AI。

2016年3月，韓國首爾四季酒店，史上最年輕九段棋手李世石以1:4輸給AlphaGo。現場，李世石說出了那句被載入AI史冊的話：“這是我的極限，不是人類的極限。”這場對決中，他僅在第四局憑借被稱為“神之一手”的第78手逆轉取勝，其余四局均不敵AI的精準計算與突破常規的落子思路。

十年后的2026年3月9日，同一個地點，李世石回來了。

這一次，他對面的不再是Google DeepMind的AlphaGo，而是韓國AI初創公司Enhans開發的Agentic AI系統。這場對決的主題和性質也徹底變了——不再是“人類vs.機器”的零和博弈，而是“人類+AI”的協作共創。

這一次，Enhans的AI agent聽李世石用語音描述“我想設計一種全新的圍棋規則”，然后自動完成規則建模、程序編寫、界面生成，最后和李世石一起試玩這個新游戲。Anthropic、NVIDIA、微軟三家全球AI巨頭作為官方贊助商一同見證。

十年間，圍棋AI技術實現了從“炫技”到“產業落地”的跨越。AlphaGo的核心算法——強化學習（RL）和蒙特卡洛樹搜索（MCTS）——已然成為如今Agent創業的核心底層技術支撐。而曾經超越人類棋手的AI，如今也早已跳出單純的對弈范疇——能與人類共創全新游戲規則，也成為了業余棋手的專屬教學工具，讓圍棋這門古老技藝的魅力觸達更多人。

2016“人機對決” vs 2026“人機共創”

2016年的那場對決，是AI發展史上的標志性事件。

彼時，圍棋因101??種可能的落子組合，被稱為“人類智力最后的堡壘”，連科學家都預測AI至少還需十年才能攻克。而AlphaGo的出現，打破了所有預判——它并非依賴蠻力窮舉，而是通過深度神經網絡學習3000萬局人類棋譜，再通過強化學習自我對弈數百萬次，最終形成了超越人類直覺的決策邏輯。

比賽中，AlphaGo下出的第37手“肩沖”，被當時的解說員稱為“違背圍棋常識”，卻讓李世石陷入長達12分鐘的沉思。這一幕也讓全球意識到，AI的創造力已經開始突破人類的認知邊界。

對于李世石而言，這場比賽是職業生涯的“至暗時刻”：賽前他曾自信表示“勝率100%”，首局失利后難掩錯愕，直到第四局以“神之一手”逼出AlphaGo的程序漏洞才扳回一局。

但這場1:4的失利，徹底改寫了圍棋界的生態——職業棋手從質疑AI，到紛紛將其作為訓練工具，傳統的圍棋戰術體系被顛覆，年輕棋手憑借對AI策略的掌握快速崛起，而堅守傳統思路的老將逐漸被邊緣化。與此同時，AlphaGo的勝利讓全球看到了強化學習與蒙特卡洛樹搜索的巨大潛力，直接點燃了AI創業熱潮，也為后續Agent技術的發展埋下了技術種子。

2024年接受谷歌采訪時，李世石坦言：“AlphaGo出現后，我的想法變了很多。圍棋變得和我學的時候完全不同了，連職業棋手的訓練模式都被徹底改寫。如果重來，我不想成為職業棋手，只想把圍棋當作愛好。”而他更提到，如今AI于他的身份已不再是對手，而是可以共創的伙伴——這也為他兩年后的歸來埋下了伏筆。

2026年，李世石與Enhans AI agent在十年前的同一地點展開了“人機共創”。

這位曾在棋盤上與AI激烈博弈的九段棋手，如今已是堅定的AI樂觀派，他直言：“人們會說AI時代到來后工作崗位會消失，但我認為，通過AI，工作崗位會發生變化，而不是消失。通過AI，還會誕生大量新的工作崗位。”他提到，退役后接觸過許多有創意卻因技術門檻無法落地的年輕人，而Agentic AI正是破解這一困境的鑰匙。

共創環節成為整場活動的核心。李世石對著Enhans AI系統清晰描述自己的創意：“我想做一款能適配不同路數棋盤、還有教學功能的圍棋App，既要適合初學者入門，也能滿足有一定基礎的人練習。”

AI啟動規則建模，屏幕實時呈現邏輯拆解與代碼生成進度，從需求分析到界面設計，再到核心功能開發，支持9路、13路、19路棋盤的圍棋App在短時間內成型，還內置了“圍棋老師”模塊——會用通俗的語言講解“棋盤角落是最穩固的落子點”、“連接棋子如同搭建堅固圍墻”等基礎技巧，讓初學者能快速入門。最終，一款集多棋盤適配、入門教學、實時棋局分析與落子推薦于一體的全功能圍棋App落地了。

李世石與Enhans CEO一同試玩新APP，過程中他臨時提出“增加棋局分析與落子推薦功能”，AI迅速響應優化，短短幾分鐘便完成更新。試玩結束后，李世石由衷贊嘆：“真的很神奇，10年前我要花幾天時間研究一盤棋的最優解，現在短短一小時，就能和AI一起打造出一款功能完整的圍棋App，這就是技術進步的意義。”

整場活動持續了一個多小時。盡管活動或許帶有一定的商業推廣屬性，但它也通過李世石，讓觀眾直觀感受到了AI代理助手的執行能力。

圍棋AI創業的“死亡名單”

2016年AlphaGo戰勝李世石的消息傳出后，全球創投圈掀起了一股“圍棋AI創業熱”。當時的邏輯看起來無懈可擊：圍棋是人類最復雜的策略游戲，能下贏世界冠軍的AI，商業化還會遠嗎？

現實很快給所有人潑了一盆冷水。

2018年6月，北京棋智科技有限公司在北京成立。創始團隊與中科院、清華大學關聯深厚，實控人由小川是清華大學副教授、博士生導師，2016年起從事人工智能算法研究，主持開發計算機圍棋程序"神算子"（后更名為星陣圍棋）。

棋智科技的核心業務涵蓋職業棋手AI陪練、圍棋技術等級證書管理系統、電子證書管理系統等，還計劃通過與中國圍棋協會合資成立的北京弈華科技服務有限公司，搭建“統一的中國圍棋行業服務管理平臺”，承接圍棋定級考試、證書發放等核心業務——這是比單純陪練更具想象空間的商業化路徑。

棋智科技的問題在于：

其一，核心依賴的職業圍棋與行業管理市場體量有限。中國職業棋手總數不足500人，就算全部付費，年收入天花板也看得見；而與中圍協的合資模式中，棋智科技持股49%，處于被動地位，56項、總價值數千萬元的軟件著作權（包括"圍棋技術等級證書管理系統""圍棋考試制證及電子證書管理系統"等核心知識產權）贈予合資公司后，失去了業務主導權。

其二，巨頭免費產品的擠壓。騰訊的“絕藝”在2017年上線，免費提供給中國國家圍棋隊使用，直接沖擊了付費訓練系統的市場需求。

其三，合資治理結構的深層隱患。弈華公司設立后，平臺于2020年上線，業務一度快速起量，但隨后合資方以規范治理為由收緊管理權，控制公司印章及財務，棋智科技逐步喪失經營參與權和財務知情權。雖經法律程序主張股東權利，但相關權益難以實質落實，核心技術團隊被迫解散。

棋智科技不是孤例。2016-2018年間，AlphaGo掀起的AI熱潮催生了大量圍棋AI創業公司，然而存活者寥寥。這些公司的死法大同小異：要么市場太小撐不起商業模式，要么被騰訊絕藝、Facebook ELF OpenGo等開源或免費產品碾壓，要么技術實力根本做不出能用的產品，部分企業還因過度依賴單一合作方、控制權失衡等問題加速退場。

少兒圍棋AI教育賽道的情況稍好一些，但結局同樣慘淡。高峰期國內曾涌現大量少兒圍棋AI教學APP，到2020年只剩少數幾家還在運營。獲客成本高、續費率低是通病——“家長讓孩子學圍棋，主要是想培養專注力。AI教得再好，孩子坐不住也是白搭。續費率遠低于K12培訓的70-80%，甚至低于少兒語培的50%，根本算不過來賬。”

為什么圍棋AI技術這么難商業化？

核心問題在于技術價值與商業價值的錯配，疊加場景依賴與資源失衡的雙重風險。AlphaGo的技術確實很牛——深度神經網絡+強化學習+蒙特卡洛樹搜索，這套組合開創了AI的新范式。

但圍棋本身是一個封閉環境：規則固定、信息完全、目標明確（贏棋）。真實商業世界恰恰相反：規則模糊、信息不完整、目標多元（既要賺錢又要合規還要口碑）。更關鍵的是，圍棋AI的核心應用場景（職業訓練、少兒教育、行業管理）要么市場規模狹小，要么依賴行業協會、線下服務等外部資源，技術本身難以獨立形成持續盈利的商業模式。

從圍棋AI到商業AI，中間隔著一道巨大的鴻溝。這道鴻溝，當年的創業者們沒能跨過去。

技術遷移：從圍棋到Agentic AI

圍棋AI創業失敗了，但它的技術正在產生深遠的影響。2016年李世石與AlphaGo的五局棋，不僅是一場備受全球矚目的“人機對決”，更意外驗證了強化學習在開放域復雜決策中的工程可行性。

AlphaGo的核心技術框架——強化學習（RL）+蒙特卡洛樹搜索（MCTS）——正在成為全球Agent創業的底層基礎設施。這套算法組合的本質是”在復雜狀態空間中尋找最優決策路徑”，而這就是Agent的核心能力：自主規劃、多步推理、動態調整。

生命科學領域率先驗證了該技術的遷移價值。2021年，DeepMind發布AlphaFold 2，成功破解困擾生物學界50年的蛋白質結構預測難題。該系統直接沿用了AlphaGo的技術架構——深度神經網絡與強化學習的結合，將應用場景從棋盤策略轉向分子結構預測。2024年，Demis Hassabis與John Jumper憑借此項貢獻獲得諾貝爾化學獎。目前，全球超過200家制藥企業與科研機構正基于AlphaFold加速藥物研發與疾病診斷工作，標志著AlphaGo技術框架在基礎科學領域實現了實質性的商業與社會價值。

軟件開發領域緊隨其后。2024年3月，前DeepMind核心研發人員Ioannis Antonoglou（AlphaGo項目主要貢獻者）與Misha Laskin（Gemini強化學習負責人）聯合創立Reflection AI，致力于開發具備自主能力的智能編碼系統。區別于傳統的代碼補全工具，Reflection的Asimov系統能夠分析完整代碼庫、理解設計文檔，并獨立進行代碼規劃與生成。2025年3月，該公司完成1.3億美元種子輪融資，由紅杉資本、Lightspeed與CRV聯合領投。資本市場對"RL+LLM"技術路線的認可，也是對AlphaGo在代碼生成領域延續性的肯定——通過強化學習增強大語言模型的自主決策能力。

在企業自動化領域，韓國AI公司Enhans開發的ACT-1模型在Mind2Web全球權威評測中表現領先。作為技術遷移的典型案例，該公司將圍棋AI的結構化決策能力應用于工作流自動化場景。其系統通過Ontology模塊理解行業上下文，借助CUA（Computer Using Agent）實現人機界面操作，并通過LAM（Large Action Model）完成從認知到執行的轉化，形成了完整的智能體技術閉環。

值得關注的是，近期受到廣泛關注的OpenClaw項目展現了另一條技術演進路徑。該框架采用"網關+運行時"架構，強調本地優先與多Agent協作能力。其設計理念延續了AlphaGo所驗證的高維狀態空間自主決策思路，但在技術實現上已轉向以大語言模型為核心，通過工具調用（Tool Use）與記憶系統實現任務執行。圍棋AI所體現的自主決策精髓，正通過多樣化的技術路徑滲透至Agentic AI開發的各個層面。

如今，人們的投資重點已從單純的自動化工具轉向具備深度決策能力的自主系統——能夠在開放環境中完成規劃、推理、執行與策略調整的數字化勞動力。從李世石當年與AlphaGo的“人機大戰”，再到今日OpenClaw的通用Agent架構，AlphaGo的技術基因正以不同形態持續演進。

結語

2016年，AI是對手。人類想證明的是自己比機器強。

2026年，AI是伙伴。人類想證明的是，和AI一起能做成更多事。

這也是人類心態上的轉變——我們必須和AI共存了。燈光依舊，棋盤卻已不再是戰場。當李世石向Enhans的Agent描述那個關于"新圍棋規則"的構想時，他不再需要計算目數，不再擔憂算力碾壓，只是在等待——等待那個曾將他逼入絕境的技術框架，如何將一個模糊的創意轉化為可運行的現實。

2016年，我們震驚于AI能思考；2026年，我們習慣了AI能執行。

從"人機對決"到"人機共創"，變的不僅是技術應用場景，更是人類對自身價值的重新定義。那些曾在圍棋AI創業浪潮中沉沒的公司，那些因市場太小或巨頭擠壓而夭折的產品，并非是失敗者，而是探路者——它們證明了單純的算力展示無法構成商業閉環，卻也證明了那套棋盤的算法框架，需要找到合適的土壤。

從AlphaFold解析的蛋白質結構，到Reflection生成的代碼庫，再到李世石此刻與Agent共創的新游戲規則，AlphaGo當年在首爾的棋局，都在為今天的Agent時代鋪設軌道。

李世石2019年退役后離開了職業賽場，卻從未放下過圍棋。十年后，他不再與AI爭勝負，而是并肩設計新規則。這是他找到的相處之道：機器窮盡可能，人類選擇方向。

新規則的雛形正在屏幕上逐行顯現。十年一夢，棋局已新。