AI 最后会让一切归于本真

在我围棋成功定段之后的下一年春天，AlphaGo（一款用于下围棋的计算机程序，时译为阿法狗）击败了李世石。

彼时，刚刚放下围棋而去上补习班的我尚不知，AI 早已在这场胜负手的纵横之间初露锋芒，对于围棋的 AI 时刻已然来临。

1 那时他们还平起平坐

我是从幼儿园开始学围棋的，直到我上了小学，AI 好像也还没那么强。

我现在还能忆起的，是两个围棋 AI，一个是日本的银星围棋。我刚开始学围棋的两三年的时候，和它能下得有来有回，我感觉它有点傻傻的——现在哪怕是多年没碰过围棋的我，基本上也能打败这个软件里最高级的 AI 了。

另一个是弈城围棋自带的 AI，它对于那时的我而言强大到让我感觉到一丝机器人那种不讲道理的冷酷。胜负总是没有什么悬念，它经常能赢我30目左右。

嗯——好吧！虽然我打不过它，但小时候的我那时只是坚信，我的水平不够而已嘛，就算 AI 再厉害再无敌，它还是下不过我的老师的啦，更不用说《围棋天地》里面那些西装革履，正襟危坐的棋手了。

我已经忘记我是在哪一角瞥到这个新闻的，但在那时的铺天盖地中已经显得无关紧要。

李世石，我记得在《围棋天地》上看见过他和朴廷桓的棋谱的，曾经的韩国围棋第一人，说是殿堂级人物也不为过。他在公开赛中以4:1败给了我一个从未听说过的 AlphaGo——它不是那种科幻电影里面的超智能机器人——当时还没有现在这种自动下棋的机器人，AlphaGo 只是负责在电脑程序的棋盘里给出下一步，然后由一个拿着看着电脑的人，把 AI 的答案落在棋盘上，就像任何一场寻常的围棋公开赛一样，棋盘对面坐着的，是李世石。

然后新闻铺天盖地，什么 AI 崛起，人工智能危机等等，我当时对这些新闻没什么感觉，或者我不记得有了。

在击败了李世石的来年，听说 AlphaGo 又挑战了柯洁，当时的世界排名第一的中国新锐棋手——围棋圈子里对这个名字一定不陌生，现在更是如雷贯耳——对于它的结果我记得不是很清楚了，AI 大抵是输了吧，因为后来就再也没有关于 AI 在围棋的大新闻了，总之一切如常，我也慢慢长大。只是后来不久，记得曾经从车上的电台听到过，AlphaGo 慢慢在自我进化，一天可以和自己下1000多盘棋，然后不断变强，新的 AlphaGo 通过这样的自我学习，继续超越了上一个版本。

再也没人再提起 AlphaGo 了，它和我都慢慢淡出了围棋世界。

和围棋的结束热恋的往后日子，我自学了国际象棋、日本将棋，得闲的时候，偶尔会和臭味相投的同学饶有兴致地下个一两盘。

不过我依然很喜欢下围棋，偶尔还会登录弈城围棋找人切磋切磋。就是平时在生活中极难遇到会下围棋的人，在学校的棋类社团里，围棋也总是门前冷落鞍马稀的那一个。或许他们都像忍者一样，都藏在五子棋高手里面了，然后下着下着突然问一句”你会下围棋吗“，开启一段难得的缘分。

2022，那时我已经差不多一年也下不了几盘围棋了，ChatGPT 出现在每个人的视野里。那是一个很新颖的事物。我之前用过 Siri，我问它问题，它能给我回复，但还是说“我好像不明白”“在网页上找到了这些”更多，我对它的概念还是停留在那种傻傻的机器人，但 ChatGPT 不一样。他更加聪明，更加会随机应变，真的能够像真人聊天一样的对话 AI，一个大模型。

后来一切都变快了。

2023，在同学的推荐下，我体验了智谱清言；

2025春，Deepseek-R1 发布，“DeepSeek 时刻”引发现象级出圈；

2026夏初，Claude Fable 5 发布，长程任务能力力压前代模型，上线仅3天后美国商务部以网络安全名义将其暂时下线；

2026夏中，Deepseek V4 Flash 正式版发布，通过重做后训练，以0.03%的价格逼近前沿模型约 70% 的综合水平，其模型性价比引爆又一次“DeepSeek 时刻”；

............

2 然后它碾了过去

柯洁开起了直播，这几年也在围棋圈外火过不止一两次了，像是之前疫情在微博，还有去年韩国 LG 杯对阵卞相壹的事情。

前几天在 Bilibili 偶然刷到柯洁给粉丝讲棋的直播切片——像柯洁这样的顶尖棋手在网上讲棋打谱是不常有的，如果有什么拿来作比喻的话，大概就是邓煜和王虹给你讲高等数学、巴菲特教你怎么炒股、梁文锋教你做量化、苏炳添给你上体育课…

从他讲棋摆谱的过程中，除了一些很正常的固定走法（我们称之为“定式”）之外，柯洁还频频提到了 AI 给出的种种令人惊叹的可能性。他说，有时 AI 会给出一个很离谱的下法，正常人根本不会这么想——乍一看好像一点章法也没有，但细品之下，却发现这一步真可谓神之一手。而且像他这样的顶尖高手，日常的训练，除了老一套的下棋复盘打谱之外，已经还要开始向 AI 学习，学习 AI 想出的招数。

一切都反过来了。

——AI 大人是无敌的，柯洁他说，AI 大人是无敌的。

对于围棋领域被 AI 攻占这件事，其实我并不是这一刻才知道的。之前就有像和我一起下围棋的同学告诉我，现在人已经下不过 AI 了。第一次听说这件事的时候，我并没有我想象中地那么意料之外。诚然，这有点难以接受——我投身了五年、一直热爱并以后还会接着热爱的东西，那些我曾经以为 AI 无法触及的地方，那座不可逾越的山，有一天也会如履平地。

ChatGPT 之后，AI 在不同领域的攻城拔地进入了一个前所未有的阶段，有目共睹。不仅仅只是聊天，包括绘画、语音、视频，乃至 3D 建模，现在都已经有 AI 不断地在尝试突破这些领域，一直都在突破，并且其中的一些已经取得了很大的进步。

在我熟悉的编程领域，用 AI 搓一些小工具已经根本轻而易举。

高一的时候，因为平时摄影完的底片需要清理、分类、管理。我用 python 手写了一个程序，带简单的 GUI 界面，耗时大概一天，且不说那透出一股水泥毛胚工业风的简陋 Tkinter 页面，开发过程中一些涉及 Windows 底层的接口冷门问题，还需要我自己上网查社区可能的解决方案。

然后有天我用千问，突然想看看现在的 AI 能做到什么程度，于是我在不提供初版的任何代码与经验的前提下，需求输入，清脆地回车，让它在后台自己处理。

一个下午，AI 就做完了这个任务（时长主要耗在编码后的构建测试文件失败上，如果拉低思考强度，最多一两个钟也能完成），功能没毛病，甚至做到了一些旧版没有的功能，UI/UX 上也让它使用了很在我好球区里面的 TUI 设计：

这个小工具只是千千万万座不值钱的 Token 堆出的一栋积木房的一角。

过去的半年，Opus 4.6 把长程任务的大门用敲门砖大力敲飞之后，AI Agent 越来越会思考了，越来越会干活了。Karpathy 提出了 Vibe Coding，有人把 AI 当成“许愿机”。越来越多的东西可以丢给它，让它来帮我干，而且干得不错。

于是我向神许愿。我开始 Vibe Coding，开始忘掉代码，我开始让 AI 跟着我的感觉。我非常舒爽，我天旋地转，我瘫坐在椅子上，仿佛看到核弹爆炸，我看着 AI 行云流水，我看着它用我不可想象的速度，轻松否定掉了我所有学习的必要。

那是一种梦想成真的感觉，我终于可以把我所有天天挤在脑海里的 idea 全部挨个塞给 AI，向它许愿，然后我相信它一定能做到，而且很快，很好。我甚至觉得，我离好的产品之间，只差一个 good idea 了——

啊，AI 大人果然是无敌的。

但不到一个月之后，各种问题接踵而至，而且还有很多债要还。

3 这里还需要内行的理由

Midjourney, Stable Diffusion 出来之后，似乎能听到绘画行业越来越多的抱怨。

我们好像又快到了一个平起平坐的时刻。只需要输入一串提示词和一些参考图， AI 就能生成出一些好看的图片。

确实从买方的视角看来，有一些简单的、要求不高的绘画需求已经可以被 AI 胜任，那么自动化的车轮滚滚向前，带走一些市场是理所当然的。

那为什么还有车轮触达不了的地方呢？

我尝试过用 GPT 的 image 2.5 制作插画，给定了一长串的提示词和角色三视图之后，作为目前优秀的生图模型，它的的确确让我感觉到了惊艳，人物的表情、姿势和光影都很生动，几乎无可挑剔，AI 在这一道问题里拿到了我心目中的95分。

可当题目接着往下生长，扣分点越来越多：首先是各种的不统一，场景的不统一、画风的不统一、色调的不统一…其次，仔细一看，在一些装束等细枝末节上，也往往出现能一眼识破的错误；不仅如此，画面总是透出一种我说不出来的 AI 味，和真人画出的插画、真实渲染出的感觉相去甚远。

怎么改？很难改，生图模型本身就有“抽卡”的不确定性，更何况我也不知道从哪里开始下手。

我只知道“这里怪怪的”，但不知道具体是透视、人体结构、色彩、构图哪里出了问题。我只能说“美”或“不美”，缺乏对结果的具体分析能力，我并不理解人物、空间、光影等等要素是如何流转，如何构成一幅美的作品。我唯有拿着薛定谔的锤子，对我能用“美”或“不美”判断到的地方修修补补，却看不见更加抽象、上层的，能终极诠释“画师在干什么”的东西。

AlphaGo 之后，随着开源项目（如 Leela Zero、KataGo）以及商业化引擎（如绝艺）的普及，普通爱好者与顶级国手拥有了几乎同等水平的陪练工具。AI 掌握了“正确答案”，我们每一步落子的孰优孰劣，AI 如今已经可以迅速地给出胜率判断——下完之后胜率上升，代表这是一步妙着；胜率下降，则有可能是一步俗手。

但有趣的是，不少职业棋手并不会追求每一步都下出胜率提升的棋。有时某个选点胜率明显要比另一个高1~2%，但棋手可能会放弃这个胜率更高的点。为什么这样选择？并不是因为棋手不知道正确答案是什么，而可能是因为，棋手觉得他自己所选择的下法更容易掌控——人类棋手是要看到一手棋背后的目的和思路，才会选择这样下。而盲从 AI，只能下出一步之内的妙着。

职业棋手之所以是职业棋手，他们的厉害之处在于，他们能看懂 AI 的判断，或者说能够对 AI 的判断做出一种解读。AI 是很强，但你依然得知道接下来这一步应该落在哪里，怎么落下，为什么要在这落下，更多更多。

我在 vibe coding 里撞上的墙，大多落在这一层。我究竟是内行，还是外行呢？说不清。

那些逻辑简单，边界清晰的小工具，落在了现如今 AI 的甜点里，哪怕是一窍不通的外行，也能做得七七八八。但继续深入到长期的、工程的级别，真实的技术和经验积累，具体的分析落实能力的重要性就会越发凸显，而外行往往迷失在这一层，因 know-why 的缺失不断陷入认知缴械的漩涡之中。

4 成为最大的黑盒

想要触达商业级、复杂、工程的水平，vibe 在现在是行不通的，我们还需要驾驭它，还需要学习一些驾驭它的上层知识。

但 AI 已经在不断成长。为了解决 AI 生图跨场景一致性和人物稳定性的等等问题，AI 也在通过多种方式不断地进化自己的能力，Agent 的编码能力在这短短的一年来也得到了肉眼可见的提升。

假以时日，当 AI 的能力能够达到商业长期可用的级别，我们会迎来它碾过一切的时刻：AI 会变得无比准确、无比稳定，每个人都可以轻松地 vibe，把 idea 直接落成自己想要的东西——

那画师们，开发者们还剩下什么呢？

当 AI 的速度、质量与细节都商业可用时，B 方为了什么理由，不带着更内行的 context 与 taste，自己做产品呢？

C 方又为了什么理由，不节省需求对齐和购买的成本，直接用 AI 快速构建呢？

现在能和 vibe 拉开差距的护城河，到那时还能坚固，或者转移吗？

这可能是又一场从手工织布进化到机器织布的革命。

机器还是需要人来管理，来监督，织布的专业壁垒还是在的，而当一个几乎掌握行业事无巨细，精准挖掘需求和做出判断，并且通用、廉价、快速的全能 AI 出现后，那就是一个机器最终的形态，最大但最简单的黑盒，直接让每个人都有织布的能力。

到那时，产品的生产过程会大众化、全民化，不再需要人驾驭机器，机器就能根据我们的意图为我们每一个人商业级生产我们想要的东西，就像许愿机一样。

然后，AI 能像 AlphaGo 一样，成为彻底的神吗？

毫无疑问，这样的 AI 能代替了行业里面的很大一部分人，这样的结论固然是让人沮丧的。

不过回头又想，假设有这么一天，AI 强大到足以穷举出围棋每一步的可能——意思就是，无论你怎么下，AI 都能提前计算好所有的可能性，包括赢棋的走法、和棋的走法——就像人类现在能一眼看穿井字棋那样，毫无悬念。

那么，我们还要不要接着下围棋呢？

答案显然是肯定的，因为 AI 又不是人。

这是围棋的本真，是我们人类为什么要下棋的答案。

那我们为什么要画画，为什么要做开发呢？它们问世的第一天，是被用来作为工具，还是满足人类自己呢？

如果是前者，那一个工具本来就不是永恒存在的。现在人所做的工作，是用自己的经验和努力，为客户架起从需求到产品之间的桥梁，那是不是也可以说，业内人士甚至整个行业本身也是用来把需求变成产品的一个工具呢？既然是工具，那自然会有更快更好的新工具代替掉了旧工具，让想法落地这件事本身，归于更直接简单的样子。

如果是后者，那 AI 作为工具根本不会替代人的体验本身，因为这是本真所在。

希望到那时，共产主义战胜了赛博朋克 2077，AI 真正地变成一个人人可用、好用的许愿机，最终解放我们，彻底丢掉所有落后的过程，让我们的注意力直接一步触达我们想要的本真。

不过这一天依然很远。

附

2015 年 10 月，初代 AlphaGo 在与樊麾的比赛中，成为首个在 19×19 标准棋盘上无让子击败人类职业围棋选手的计算机程序。 [5] [6]

2016 年 3 月，AlphaGo 在五局比赛中 4 : 1 击败李世石 ，这是计算机程序首次在无让子的情况下击败九段（围棋最高段位）职业棋手。 [7] 为了表彰这场胜利，韩国围棋协会授予 AlphaGo 荣誉九段。 [8] AlphaGo 与李世石的比赛过程以及挑战赛被拍摄成一部名为 《AlphaGo》的纪录片， [9] 由格雷格·科斯执导。2016 年 12 月 22 日，《科学》杂志将 AlphaGo 的这场胜利评为年度突破奖的亚军之一。

在 2017 年围棋未来峰会上，AlphaGo 大师版在三局比赛中 3 : 0 击败了当时的世界排名第一的棋手柯洁 ，之后被中国围棋协会授予职业九段。

同年， Google 发表Attention Is All You Need，提出 Transformer，这是一种基于多头注意力机制的人工神经网络架构。之后的变体被广泛用于在大型（语言）数据集上训练大型语言 AI 模型（LLM）。

在 AlphaGo 与柯洁的比赛之后，DeepMind 宣布 AlphaGo 退役，同时继续在其他领域进行人工智能研究。 [12] 自学成才的 AlphaGo Zero 以 100 : 0 的战绩击败了早期竞技版本的 AlphaGo，其继任者 AlphaZero 在 2010 年代末被认为是世界顶尖围棋选手。

注

为方便阅读，本文不严格区分 AI、Agent、LLM、具身智能等相关概念。文中的“AI”作广义统称，泛指能够进行感知、理解、生成、决策或行动的人工智能模型、智能体及相关系统与应用。

灵感来源

• 我不得不把才华埋藏在昨天 — intlsy
• 对《我不得不把才华埋葬在昨天》的补充说明 — intlsy
• 古力专访：人工智能浪潮下的围棋界 — 上海市围棋协会
• 为什么绘圈对 AI 绘画痛恶欲绝，但其他圈子对 AI 创作的态度就比较温和？ — 23Xor 的回答
• 柯洁实战解说如何下围棋棋盘 — Bilibili