刚刚，李世石再次直面 AI。
2016 年 3 月，韩国首尔四季酒店，史上最年轻九段棋手李世石以 1:4 输给 AlphaGo。现场，李世石说出了那句被载入 AI 史册的话：" 这是我的极限，不是人类的极限。" 这场对决中，他仅在第四局凭借被称为 " 神之一手 " 的第 78 手逆转取胜，其余四局均不敌 AI 的精准计算与突破常规的落子思路。
十年后的 2026 年 3 月 9 日，同一个地点，李世石回来了。
这一次，他对面的不再是 Google DeepMind 的 AlphaGo，而是韩国 AI 初创公司 Enhans 开发的 Agentic AI 系统。这场对决的主题和性质也彻底变了——不再是 " 人类 vs. 机器 " 的零和博弈，而是 " 人类 +AI" 的协作共创。
这一次，Enhans 的 AI agent 听李世石用语音描述 " 我想设计一种全新的围棋规则 "，然后自动完成规则建模、程序编写、界面生成，最后和李世石一起试玩这个新游戏。Anthropic、NVIDIA、微软三家全球 AI 巨头作为官方赞助商一同见证。
十年间，围棋 AI 技术实现了从 " 炫技 " 到 " 产业落地 " 的跨越。AlphaGo 的核心算法——强化学习（RL）和蒙特卡洛树搜索（MCTS）——已然成为如今 Agent 创业的核心底层技术支撑。而曾经超越人类棋手的 AI，如今也早已跳出单纯的对弈范畴——能与人类共创全新游戏规则，也成为了业余棋手的专属教学工具，让围棋这门古老技艺的魅力触达更多人。
2016 年的那场对决，是 AI 发展史上的标志性事件。
彼时，围棋因 10¹ ⁷⁰种可能的落子组合，被称为 " 人类智力最后的堡垒 "，连科学家都预测 AI 至少还需十年才能攻克。而 AlphaGo 的出现，打破了所有预判——它并非依赖蛮力穷举，而是通过深度神经网络学习 3000 万局人类棋谱，再通过强化学习自我对弈数百万次，最终形成了超越人类直觉的决策逻辑。
比赛中，AlphaGo 下出的第 37 手 " 肩冲 "，被当时的解说员称为 " 违背围棋常识 "，却让李世石陷入长达 12 分钟的沉思。这一幕也让全球意识到，AI 的创造力已经开始突破人类的认知边界。
对于李世石而言，这场比赛是职业生涯的 " 至暗时刻 "：赛前他曾自信表示 " 胜率 100%"，首局失利后难掩错愕，直到第四局以 " 神之一手 " 逼出 AlphaGo 的程序漏洞才扳回一局。
但这场 1:4 的失利，彻底改写了围棋界的生态——职业棋手从质疑 AI，到纷纷将其作为训练工具，传统的围棋战术体系被颠覆，年轻棋手凭借对 AI 策略的掌握快速崛起，而坚守传统思路的老将逐渐被边缘化。与此同时，AlphaGo 的胜利让全球看到了强化学习与蒙特卡洛树搜索的巨大潜力，直接点燃了 AI 创业热潮，也为后续 Agent 技术的发展埋下了技术种子。
2024 年接受谷歌采访时，李世石坦言："AlphaGo 出现后，我的想法变了很多。围棋变得和我学的时候完全不同了，连职业棋手的训练模式都被彻底改写。如果重来，我不想成为职业棋手，只想把围棋当作爱好。" 而他更提到，如今 AI 于他的身份已不再是对手，而是可以共创的伙伴——这也为他两年后的归来埋下了伏笔。
2026 年，李世石与 Enhans AI agent 在十年前的同一地点展开了 " 人机共创 "。
这位曾在棋盘上与 AI 激烈博弈的九段棋手，如今已是坚定的 AI 乐观派，他直言：" 人们会说 AI 时代到来后工作岗位会消失，但我认为，通过 AI，工作岗位会发生变化，而不是消失。通过 AI，还会诞生大量新的工作岗位。" 他提到，退役后接触过许多有创意却因技术门槛无法落地的年轻人，而 Agentic AI 正是破解这一困境的钥匙。
共创环节成为整场活动的核心。李世石对着 Enhans AI 系统清晰描述自己的创意：" 我想做一款能适配不同路数棋盘、还有教学功能的围棋 App，既要适合初学者入门，也能满足有一定基础的人练习。"
AI 启动规则建模，屏幕实时呈现逻辑拆解与代码生成进度，从需求分析到界面设计，再到核心功能开发，支持 9 路、13 路、19 路棋盘的围棋 App 在短时间内成型，还内置了 " 围棋老师 " 模块——会用通俗的语言讲解 " 棋盘角落是最稳固的落子点 "、" 连接棋子如同搭建坚固围墙 " 等基础技巧，让初学者能快速入门。最终，一款集多棋盘适配、入门教学、实时棋局分析与落子推荐于一体的全功能围棋 App 落地了。
李世石与 Enhans CEO 一同试玩新 APP，过程中他临时提出 " 增加棋局分析与落子推荐功能 "，AI 迅速响应优化，短短几分钟便完成更新。试玩结束后，李世石由衷赞叹：" 真的很神奇，10 年前我要花几天时间研究一盘棋的最优解，现在短短一小时，就能和 AI 一起打造出一款功能完整的围棋 App，这就是技术进步的意义。"
整场活动持续了一个多小时。尽管活动或许带有一定的商业推广属性，但它也通过李世石，让观众直观感受到了 AI 代理助手的执行能力。
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 "。当时的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 AI，商业化还会远吗？
现实很快给所有人泼了一盆冷水。
2018 年 6 月，北京棋智科技有限公司在北京成立。创始团队与中科院、清华大学关联深厚，实控人由小川是清华大学副教授、博士生导师，2016 年起从事人工智能算法研究，主持开发计算机围棋程序 " 神算子 "（后更名为星阵围棋）。
棋智科技的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、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。
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。
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。
