信息不全的棋，AI 也下赢了

国际象棋和围棋之后，还有一类棋没被攻破：你看得见对方每个棋子在哪，但不知道它是什么。

2026 年 9 月底，一个叫 Ataraxos 的系统在 20 局系列赛里赢下 15 局，对手是四届世界冠军、长期排名第一的 Pim Niemeijer，另外 4 平 1 负。

赢的方式比赢本身更值得看。

一、发生了什么

Ataraxos 由卡内基梅隆、MIT、纽约大学和斯坦福的研究者合作完成。训练用了 1.63 亿局自我对弈，硬件是 16 块 GPU，成本按报道口径只有几千美元。

难在哪里，两个对比能说明。德州扑克里每人只有两张暗牌，一共 1326 种组合，机器可以慢慢枚举。战棋每人 40 枚棋子，可以任意排布，可能的开局超过 10 的 33 次方种。棋局长度也不一样：国际象棋通常 40 步结束，战棋常常打到 2000 步。

DeepMind 在 2022 年做过 DeepNash，同样靠自我对弈，但没能稳定压住顶尖人类选手。据 Farina 解释，卡点是"走之前先想一步"这件事在战棋里做不起来——搜索空间太大，无法像 AlphaGo 那样在落子前排演。

Ataraxos 的解法是加第二个网络。这个被称作信念模型的网络，专门根据对手走过的步子去猜那些还没翻开的棋子是什么。有了它，搜索不必枚举所有排布，只要采样出一批看起来合理的局面，在每个局面里试走，再按结果挑一步。

名字来自希腊语里的"不动心"。它的下法确实不像人：胜率跌到 2% 的时候不搏命，而是一步步往回磨；对手还没怀疑到某个弱点时，它就放着不动，哪怕从上帝视角看那是个随时会炸的窟窿。

二、跟你有什么关系

做投资和采购的人。 你手里永远没有完整信息，对方的成本、底牌、真实意图都看不见。这个案例的价值不在"AI 会下棋"，而在它示范了一种处理方式：先给未知的部分建一个概率假设，再在假设上推演，而不是等看清了再动。

做运维和安全的人。 告警里大部分是噪声，真正的入侵藏在看似正常的流量里。这和战棋的结构一样：观测多、真相少、时间跨度长。判断不能只看单点，要看行为序列。

做产品的人。 你猜用户想要什么，用户不告诉你。能做的也只有用行为数据更新假设，而不是用问卷替代假设。

三、怎么判断一套方法能不能用在你的场景

1. 先问有没有模拟器。战棋能自学 1.63 亿局，因为规则固定、可以无限重开。你的业务能不能低成本重来一次？不能，就先用小规模仿真。
2. 再问输赢清不清楚。棋局的胜负是一个数，业务的成败往往是半年后才知道，还可能归因错误。奖励信号模糊时，自我对弈会学到错的东西。
3. 最后问隐藏信息能不能被行为推断。战棋里棋子的身份会在碰撞时暴露，露出规律。如果你的对手永远不暴露任何痕迹，信念模型就没有原料。

四、三个别信的说法

"16 块 GPU 就赢了世界冠军，说明大算力已经没用。" 省钱的是这个特定任务的训练环节。规则引擎、评测体系、上亿局对弈的组织、研究者的时间，都不在"几千美元"里。换个没有模拟器的领域，同一套方法可能连起步都做不到。

"它会诈唬，说明 AI 学会了心理战。" 它没有在揣摩对手在想什么。它算的是在当前信念分布下哪一步期望收益最高，恰好有些步子在人类眼里像诈唬。真正的人类诈唬是表演给对方看的，它没有观众。

"战棋被攻克，剩下的同类问题就都能解了。" 战棋恰好同时满足三个条件：规则封闭、胜负唯一、可无限自对弈。现实里的谈判、并购、临床决策，三条里通常只满足一条。方法可以借，结论不能搬。

五、一句话结论

信息不全不是不能决策的理由，但你需要先承认自己在猜，再给猜法定规矩。

信息来源

• With most information hidden, the game Stratego had stumped AI—until now（Ars Technica） 2026-09-30
• AI Ataraxos Beats Top Stratego Player 15-1 on Budget（The Outpost） 2026-10
• 同文镜像（arstechni.ca） 2026-09-30

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。