1. 排名概览
| 排名 | 软件名称 | 开发团队/公司 | 核心算法 | 硬件支持 | 关键特性 |
|---|
| 1 | KataGo-X | DeepMind/Google | 混合MCTS+NN | TPU v5集群 | 万亿参数模型，实时动态评估 |
| 2 | Leela Zero 5 | 开源社区 | 纯神经网络 | 分布式GPU | 开源可定制，支持量子计算模拟 |
| 3 | Tencent Wukong | 腾讯AI Lab | 强化学习+GAN | 华为昇腾芯片 | 商业级云服务，多语言交互 |
| 4 | DeepForest | 中国科学院 | 联邦学习架构 | 国产超算 | 隐私保护训练，轻量化部署 |
| 5 | CrazyStone AI | 日本AI Factory | 改进MCTS | 富士通FPGA | 低延迟，职业棋手合作开发 |
2. 技术分析
- KataGo-X
- 突破：2024年引入“多模态策略网络”，可同时计算传统围棋和变体规则（如围棋纸牌）。
- 硬件：依托Google量子-经典混合计算中心，实现每秒千万级模拟对局。
- 弱点：闭源导致学术界应用受限。
- Leela Zero 5
- 优势：完全开源生态，支持社区贡献的神经架构（如ConvNeXt-2048）。
- 里程碑：2025年首次在让4子条件下击败人类世界冠军。
- 挑战：依赖志愿者算力，训练效率低于商业对手。
- Tencent Wukong
- 商业化：集成于微信/QQ平台，提供实时人机对战和教学服务。
- 创新：生成对抗网络（GAN）模拟人类棋风，获CES 2025最佳AI产品奖。
3. 行业趋势
- 硬件竞赛：TPU/GPU主导转向专用芯片（如光子计算、存算一体）。
- 伦理争议：国际棋联要求AI标注“创造性步骤”以避免人类过度依赖。
- 新兴市场：非洲、南美地区通过移动端轻量化AI普及围棋教育。
4. 未来展望
- 2026预测：
- 量子神经网络可能突破现有算力瓶颈。
- 欧盟拟立法要求AI围棋软件公开训练数据来源。