十年后李世石再战AI 这一次没有输赢

　　围棋AI创业的“死亡名单”

　　2016年AlphaGo战胜李世石的消息传出后，全球创投圈掀起了一股“围棋AI创业热”。李世当时的石再输赢逻辑看起来无懈可击：围棋是人类最复杂的策略游戏，能下赢世界冠军的年后AI，商业化还会远吗？李世

　　现实很快给所有人泼了一盆冷水。

　　2018年6月，石再输赢北京棋智科技有限公司在北京成立。年后创始团队与中科院、李世清华大学关联深厚，石再输赢实控人由小川是年后清华大学副教授、博士生导师，李世2016年起从事人工智能算法研究，石再输赢主持开发计算机围棋程序“神算子”（后更名为星阵围棋）。年后

　　棋智科技的李世核心业务涵盖职业棋手AI陪练、围棋技术等级证书管理系统、石再输赢电子证书管理系统等，还计划通过与中国围棋协会合资成立的北京弈华科技服务有限公司，搭建“统一的中国围棋行业服务管理平台”，承接围棋定级考试、证书发放等核心业务——这是比单纯陪练更具想象空间的商业化路径。

　　棋智科技的问题在于：

　　其一，核心依赖的职业围棋与行业管理市场体量有限。中国职业棋手总数不足500人，就算全部付费，年收入天花板也看得见；而与中围协的合资模式中，棋智科技持股49%，处于被动地位，56项、总价值数千万元的软件著作权（包括“围棋技术等级证书管理系统”“围棋考试制证及电子证书管理系统”等核心知识产权）赠予合资公司后，失去了业务主导权。

　　其二，巨头免费产品的挤压。腾讯的“绝艺”在2017年上线，免费提供给中国国家围棋队使用，直接冲击了付费训练系统的市场需求。

　　其三，合资治理结构的深层隐患。弈华公司设立后，平台于2020年上线，业务一度快速起量，但随后合资方以规范治理为由收紧管理权，控制公司印章及财务，棋智科技逐步丧失经营参与权和财务知情权。虽经法律程序主张股东权利，但相关权益难以实质落实，核心技术团队被迫解散。

　　棋智科技不是孤例。2016-2018年间，AlphaGo掀起的AI热潮催生了大量围棋AI创业公司，然而存活者寥寥。这些公司的死法大同小异：要么市场太小撑不起商业模式，要么被腾讯绝艺、Facebook ELF OpenGo等开源或免费产品碾压，要么技术实力根本做不出能用的产品，部分企业还因过度依赖单一合作方、控制权失衡等问题加速退场。

　　少儿围棋AI教育赛道的情况稍好一些，但结局同样惨淡。高峰期国内曾涌现大量少儿围棋AI教学APP，到2020年只剩少数几家还在运营。获客成本高、续费率低是通病——“家长让孩子学围棋，主要是想培养专注力。AI教得再好，孩子坐不住也是白搭。续费率远低于K12培训的70-80%，甚至低于少儿语培的50%，根本算不过来账。”

　　为什么围棋AI技术这么难商业化？

　　核心问题在于技术价值与商业价值的错配，叠加场景依赖与资源失衡的双重风险。AlphaGo的技术确实很牛——深度神经网络+强化学习+蒙特卡洛树搜索，这套组合开创了AI的新范式。

　　但围棋本身是一个封闭环境：规则固定、信息完全、目标明确（赢棋）。真实商业世界恰恰相反：规则模糊、信息不完整、目标多元（既要赚钱又要合规还要口碑）。更关键的是，围棋AI的核心应用场景（职业训练、少儿教育、行业管理）要么市场规模狭小，要么依赖行业协会、线下服务等外部资源，技术本身难以独立形成持续盈利的商业模式。

　　从围棋AI到商业AI，中间隔着一道巨大的鸿沟。这道鸿沟，当年的创业者们没能跨过去。

　　技术迁移：从围棋到Agentic AI

　　围棋AI创业失败了，但它的技术正在产生深远的影响。2016年李世石与AlphaGo的五局棋，不仅是一场备受全球瞩目的“人机对决”，更意外验证了强化学习在开放域复杂决策中的工程可行性。

　　AlphaGo的核心技术框架——强化学习（RL）+蒙特卡洛树搜索（MCTS）——正在成为全球Agent创业的底层基础设施。这套算法组合的本质是”在复杂状态空间中寻找最优决策路径”，而这就是Agent的核心能力：自主规划、多步推理、动态调整。

　　生命科学领域率先验证了该技术的迁移价值。2021年，DeepMind发布AlphaFold 2，成功破解困扰生物学界50年的蛋白质结构预测难题。该系统直接沿用了AlphaGo的技术架构——深度神经网络与强化学习的结合，将应用场景从棋盘策略转向分子结构预测。2024年，Demis Hassabis与John Jumper凭借此项贡献获得诺贝尔化学奖。目前，全球超过200家制药企业与科研机构正基于AlphaFold加速药物研发与疾病诊断工作，标志着AlphaGo技术框架在基础科学领域实现了实质性的商业与社会价值。

　　软件开发领域紧随其后。2024年3月，前DeepMind核心研发人员Ioannis Antonoglou（AlphaGo项目主要贡献者）与Misha Laskin（Gemini强化学习负责人）联合创立Reflection AI，致力于开发具备自主能力的智能编码系统。区别于传统的代码补全工具，Reflection的Asimov系统能够分析完整代码库、理解设计文档，并独立进行代码规划与生成。2025年3月，该公司完成1.3亿美元种子轮融资，由红杉资本、Lightspeed与CRV联合领投。资本市场对“RL+LLM”技术路线的认可，也是对AlphaGo在代码生成领域延续性的肯定——通过强化学习增强大语言模型的自主决策能力。

　　在企业自动化领域，韩国AI公司Enhans开发的ACT-1模型在Mind2Web全球权威评测中表现领先。作为技术迁移的典型案例，该公司将围棋AI的结构化决策能力应用于工作流自动化场景。其系统通过Ontology模块理解行业上下文，借助CUA（Computer Using Agent）实现人机界面操作，并通过LAM（Large Action Model）完成从认知到执行的转化，形成了完整的智能体技术闭环。

　　值得关注的是，近期受到广泛关注的OpenClaw项目展现了另一条技术演进路径。该框架采用“网关+运行时”架构，强调本地优先与多Agent协作能力。其设计理念延续了AlphaGo所验证的高维状态空间自主决策思路，但在技术实现上已转向以大语言模型为核心，通过工具调用（Tool Use）与记忆系统实现任务执行。围棋AI所体现的自主决策精髓，正通过多样化的技术路径渗透至Agentic AI开发的各个层面。

　　如今，人们的投资重点已从单纯的自动化工具转向具备深度决策能力的自主系统——能够在开放环境中完成规划、推理、执行与策略调整的数字化劳动力。从李世石当年与AlphaGo的“人机大战”，再到今日OpenClaw的通用Agent架构，AlphaGo的技术基因正以不同形态持续演进。

　　结语

　　2016年，AI是对手。人类想证明的是自己比机器强。

　　2026年，AI是伙伴。人类想证明的是，和AI一起能做成更多事。

　　这也是人类心态上的转变——我们必须和AI共存了。灯光依旧，棋盘却已不再是战场。当李世石向Enhans的Agent描述那个关于“新围棋规则”的构想时，他不再需要计算目数，不再担忧算力碾压，只是在等待——等待那个曾将他逼入绝境的技术框架，如何将一个模糊的创意转化为可运行的现实。

　　2016年，我们震惊于AI能思考；2026年，我们习惯了AI能执行。

　　从“人机对决”到“人机共创”，变的不仅是技术应用场景，更是人类对自身价值的重新定义。那些曾在围棋AI创业浪潮中沉没的公司，那些因市场太小或巨头挤压而夭折的产品，并非是失败者，而是探路者——它们证明了单纯的算力展示无法构成商业闭环，却也证明了那套棋盘的算法框架，需要找到合适的土壤。

　　从AlphaFold解析的蛋白质结构，到Reflection生成的代码库，再到李世石此刻与Agent共创的新游戏规则，AlphaGo当年在首尔的棋局，都在为今天的Agent时代铺设轨道。

　　李世石2019年退役后离开了职业赛场，却从未放下过围棋。十年后，他不再与AI争胜负，而是并肩设计新规则。这是他找到的相处之道：机器穷尽可能，人类选择方向。

　　新规则的雏形正在屏幕上逐行显现。十年一梦，棋局已新。