AlphaGo胜局十年后：李世石宣布复出，他为什么又坐回棋盘前

2026年3月9日，距离AlphaGo击败李世石整整十年，韩国AI初创企业Enhans宣布，李世石将与其旗下的代理式AI再度展开对决，地点仍是首尔。英伟达和微软为这场比赛提供赞助。

这是李世石第三次走上人机对决的舞台。

但和十年前不同，这场比赛几乎没有人在问"谁会赢"。胜负悬念已经不是这件事值得关注的理由。真正值得追问的，是围棋这项运动在过去十年里经历了什么，以及一个退役棋手为什么会在此刻选择重新出现。

一、赛前，所有人都押他赢

2016年3月9日，首尔四季酒店。赛前，几乎所有人都押李世石赢。

这并非盲目的自信。机器学习专家李开复赛前预测李世石每局胜算约为89%，AlphaGo想获胜应该还要一两年。 李世石本人表示，"除非出现严重低级失误，我绝对不会输。我与AlphaGo五盘棋的比分应该不会是3比2，可能是4比1或5比0。" 第一局，李世石输了。第二局，又输了。第三局，还是输了。0比3，五番棋提前结束，人类输了。

到了第二局，一步棋让所有人都震动了。

AlphaGo执黑，在中盘突然在棋盘右侧一个极其罕见的位置落子。解说席上的西方唯一围棋九段迈克尔·雷德蒙把那颗棋子从棋盘上拿起来看了又看，确认AlphaGo没有下错。李世石看着这手棋，起身，离开了对局室，在走廊站了十五分钟。四个半小时后，他败下阵来。

这手棋令人不安，是因为它不是偶然，不是运气，也不是从人类棋谱里学来的。AlphaGo通过价值网络和策略网络，把计算量控制在可以完成的范围内，一边推算一边判断局面，在局面明显劣势时直接抛弃某些路线。它从一个人类从未走过的路径里，独立推导出了正确答案。

第四局，李世石赢回了一分。他执白下出的第78手，被认为是载入史册的妙手。这一挤让AlphaGo的程序出现了概率判断的崩溃，彻底改变了战局。DeepMind创始人哈萨比斯赛后说，AlphaGo在下出第87手后才发现自己出现了误算，在李世石第78手妙手之前，它还以为自己有70%的胜率。

这一分，在日后成了特殊的历史注脚。从2015年AlphaGo开始参加正式比赛，到它退役，人类在正式比赛中赢下过的局数，一共就这一局。

五番棋最终1比4告终。对李世石来说，失败本身还在接受范围内，不过真正让他无法和解的，是另一件事。

二、退役声明里最清醒的一句话

2019年，李世石正式退役。退役的理由，他说得很直接。

"随着人工智能在围棋领域的出现，我意识到即使我通过不懈努力成为第一名，也并不意味着登上巅峰。即使我成为第一名，也有一个不可能被打败的实体。"

这句话经常被引用，但常常被误读为一种绝望。实际上，它是一个棋手对自己处境极其准确的描述。他说的不是"我比不过AI"，他说的是"成为人类第一名这件事，失去了意义"。因为"第一名"这个位置的意义，历来建立在竞争者之间真实的差距比较上。当有一个实体彻底跳出了这个坐标系，坐标系本身就失效了。

对5岁就开始学围棋的李世石而言，围棋是一种艺术，一种棋手个性和风格的延伸。但在AI时代，它却"沦为"了算法的游戏。

退役赛，他选择了与韩国围棋AI Handol对决，理由是担心最后和他下棋的人会有负担。这也是人类棋手第一次与AI下升降三番棋。最终一胜两负，最后一局在第181手投子认输。

然后他消失在职业棋坛，开始做桌游、巡回演讲、教大学生下棋，偶尔谈论AI对人类的影响。七年。直到2026年3月。

三、十年间，AI对棋手做了什么

DeepMind在AlphaGo击败李世石后，于2017年发布了AlphaGo Zero。这个版本训练时完全不接触任何人类棋谱，只靠规则从零开始自我对弈。三天后，AlphaGo Zero以100比0击败了AlphaGo Lee。《大西洋月刊》称其为"不需要从人类身上学习任何东西的AI"。

这意味着人类几千年积累的棋谱，连"起点"的价值都不再具备了。机器从白纸出发，三天后碾压了从人类知识里学出来的前辈。

DeepMind随后宣布AlphaGo退役，转向其他研究方向。但它留下的论文成了全球开发者的蓝图，KataGo、腾讯绝艺、Facebook ELF相继出现。现在很多职业棋手和顶尖业余棋手都会配备一台带有高配GPU的个人电脑，安装AI系统用于自我分析和训练，各国棋院也有更强大的服务器版本供棋手使用。

围棋的训练生态就此重塑。影响是全面的，但有两个方向格外值得注意。

一个方向是棋力的整体上移。顶尖职业棋手在AI帮助下，大约进步了一个让先的水平。用AI训练越多、研究越深入的棋手，进步越大，成绩越好，这已成为棋坛公认的事实。申真谞是这个逻辑最极端的体现。他因落子风格与AI高度契合被称为"申真智能"，2022年韩国棋院联赛的研究显示，他的落子与AI建议的吻合度达37.5%，远高于同组棋手平均水平的28.5%。

另一个方向是棋风的同质化。棋局的重心已转移到中盘，布局阶段棋手们记忆的是同一套由AI建议的高效精算型套路，在那里纯粹的计算能力比创造力更为重要。2023年的研究显示，顶尖棋手超过三分之一的落子与AI建议相同，很多棋手表示每局棋的前50手往往与AI建议如出一辙。

这两件事放在一起，画面非常奇特：整体棋力提升了，但棋的"味道"正在收敛。柯洁2021年说，"看着同样的布局套路被无休止地重复，令人疲惫，我和场下的观众感受完全一样，看着很累，很痛苦。"

还有一个副产品更直接：围棋比赛已经全面禁止电子设备，很多比赛取消了午休，韩国围棋联赛甚至在比赛场地的洗手间安装了信号屏蔽器，防止棋手"遛狗"。两千年来以品格和礼仪著称的运动，开始需要信号屏蔽器来维护纯洁性。

不过AI也带来了一个真实的平权效应，这一点常被忽视。过去围棋训练意味着在顶尖男棋手门下学艺，最具竞争力的对局集中在女棋手难以涉足的男性圈子里。而现在，AI通过帮助所有棋手打磨布局套路，缩小了棋手之间的差距，近年来女棋手排名持续攀升。 金彩瑛说，"以前无法判断顶尖男棋手的实力究竟有多强，他们感觉无坚不摧。现在我知道他们也会犯错，AI打破了心理上的壁垒。"

四、AI教练的下一个问题：赢棋之外

KataGo和同类工具解决了"告诉你该下哪里"的问题，但同时暴露出另一个问题：它只能告诉你该下哪里，说不清楚为什么。

韩国明知大学围棋教授南志贤说，顶尖棋手至今仍未能归纳出AI落子背后的一般性原则。棋手可以模仿AI的落子，但由于其推理过程如同黑箱，他们尚未从中提炼出围棋新的范式。美国职业棋手迈克尔·雷德蒙2017年表示，人类学围棋的一个重要方式是搭建故事，"那是我们沟通的方式，是非常人性的事"，但AI的棋里没有故事，只有胜率数字。

金彩瑛描述用AI学习时的感受："与其说是理性地推敲每一步棋，不如说是在培养一种直觉。"这句话揭示了围棋AI教练目前的一个结构性局限：它能传递"什么是对的"，很难传递"为什么是对的"。棋手从AI身上学到的，更像是一种感知模式，而不是一套可以言说和教授的原则体系。

上海AI实验室2025年发布的InternThinker，尝试打破这个黑箱。它不只输出最优落点，还能用自然语言解释每一步棋背后的推理过程：为什么这手棋好、它解决了什么威胁、为后续的哪些变化做了铺垫。这是国内首个同时具备围棋专业水平和透明思维链的大模型。这个方向，本质上是在把"神谕"变成"教材"。从一个只输出答案的系统，变成一个能够解释推理过程的系统。

而萧山明仕棋院引入的"小明围棋机器人"，则是把这套逻辑落地到儿童启蒙教育场景。人类教练负责讲解基础知识，机器人负责一对一实战陪练，还能在孩子下对好棋时用语音说"太棒了"。这不是围棋界的孤立现象，而是AI教练从职业棋手群体，向更大规模的学习者渗透的一个缩影。

回到李世石。他在宣布这场比赛时说，"下出一局完美棋局，是每一位围棋棋手的梦想。也许AI能帮我们下出那样一局完美的棋。"

这句话的重心，在"帮我们"这三个字上。七年前他离开的理由，是AI让"成为人类第一名"这件事失去了意义。

七年后他回来，似乎是在探索另一种可能性：人和AI的关系，不一定是竞争结构里的输赢，也可以是协作结构里的共同创造。

Enhans这场比赛的设计，本身就是这个想法的体现：胜负不再是答案，比分也不重要，重要的是当一个曾经因为AI而放弃围棋的人，选择重新拿起棋子，他在那个棋盘上寻找的究竟是什么？

（微信公众号：Tahou_2025）

关注「塔猴」，扫码下载塔猴APP

查看更多干货，别忘了点赞、转发、推荐~