军棋被 AI 攻克，训练花了不到 8000 美元

棋盘上 40 枚棋子全部背面朝下。你知道对手的棋子在哪，但不知道它们是什么。要到两枚棋子撞上，身份才揭晓，弱的那枚直接移除。

围棋、国际象棋、德州扑克都已经被机器拿下，军棋（Stratego）是剩下的一块硬骨头。现在它也失守了，而且攻城的价格低得不像这个时代。

一、发生了什么

9 月底，《自然》刊出论文，作者来自卡内基梅隆大学、麻省理工学院、纽约大学和斯坦福大学。系统叫 Ataraxos，名字来自古希腊语，意思是「平静、不被打扰」。

正式对抗是 20 局，对手是荷兰选手 Pim Niemeijer。他拿过四届世界冠军、15 个荷兰全国冠军、两个线上世界冠军，在世界第一的位置上待了超过 600 周。结果：Ataraxos 15 胜、1 负、4 平。把平局算半胜，有效胜率 85%。比赛分三周进行，避免疲劳。他参与整个系列赛拿到 1000 美元，每赢一盘再加 100 美元，平一盘加 50 美元，所以有动力认真下。他知道对手不会适应他的风格，而他自己可以适应对手——按论文说法，这是 AI 让出的一处结构性劣势。

成本对比更刺眼。DeepMind 此前的 DeepNash 在 1024 个 TPU 节点上训练了两三个月，作者按 2025 年价格估算要 300 万到 450 万美元；DeepNash 在 2023 年世锦赛上 28 局赢 19 局，但输给了包括 Niemeijer 在内的多位顶尖选手。Ataraxos 只用 16 张 H100 跑一周，再加 4 张卡跑四天训练「信念网络」，合计不到 8000 美元。作者称算力约为前者的五百分之一，自对弈局数约为三十分之一。

二、跟你有什么关系

做决策系统的。 军棋的难点不是规则复杂，而是信息缺失且战线很长。仓库补货、报价、排产都有这个味道：你看不到对手的底牌，错误的代价要过很久才显现。

做强化学习的。 这套方法的核心不是「模型更大」，而是「先猜局面，再推演」。猜局面的网络是可以单独训练、单独替换的部件。

评估 AI 能力边界的。 「又一块人类领地失守」这种说法没有信息量。有价值的是成本曲线：同样的问题，三年前要几百万美元，现在几千美元。

三、怎么把「看不见」变成「可以算」

1. 先建一个猜对手的网络。 不要穷举所有可能的布局——军棋的初始摆法超过 10 的 33 次方。用对手的走法反推他手里可能是什么，采样出一批「说得通」的局面。
2. 在每个采样局面上推演。 对候选走法分别模拟，看哪种走法在多数可能局面里都不吃亏。这就是它每步都想一想的来源。
3. 训练时强迫自己换打法。 作者加了一项约束，逼模型把开局和走法摊开，不要过早锁死成一套固定套路。可预测的对手会被针对，军棋尤其如此。
4. 先松后紧。 训练前期大幅变动、快速试错，后期只做小修正。作者把它比作一份能量储备，前期烧太猛，后面就学不动了。

四、三个别信的说法

「军棋被攻克，说明 AI 会打仗了。」 论文自己写得很清楚：这类方法要成立，前提是能造出快速、准确的模拟器。棋盘可以，战场不行。作者把金融市场、军事冲突、谈判列为可能的应用方向，那是研究方向，不是已完成的移植。

「成本低是因为模型小。」 真正的节省来自自研的 GPU 模拟器和更高的样本效率，不是把网络砍小。训练便宜，不等于使用便宜——它每走一步都要做搜索，推理开销另算。

「它比人类更会诈。」 它确实会做出人类觉得太冒险的诈唬，落后时也会拖得很顽固。但这不是性格，是搜索在隐藏信息下算出的均衡打法。把它当成「心理战高手」会误判它的能力边界。

五、一句话结论

信息不全不是死路，只要你肯先猜、再算，并且承认自己猜错的可能。

信息来源

• AI beats Stratego's greatest player, ending one of the last human strongholds in board games，The Decoder，2026-10-01
• 论文原文，Nature，2026-09（DOI: 10.1038/s41586-026-11036-y）

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。