绝艺和KataGo都是当今世界上最顶尖的围棋AI，但它们的设计理念、目标、技术路径和生态有着显著的差别。

简单来说：

• 绝艺 是一个专业化的、封闭的、以服务顶尖职业棋手和围棋竞技为核心的AI。
• KataGo 是一个开放性的、研究型的、以社区驱动和算法探索为核心的AI。

下面我们从几个维度进行详细对比：

1. 开发背景与目标

• 绝艺：开发者： 由中国腾讯旗下的光子实验室团队开发。目标： 主要目标是达到并超越人类顶尖职业棋手的水平，服务于中国国家围棋队的训练、腾讯围棋平台的在线对弈分析，以及围棋技术的极限探索。它的竞技属性非常强。性质： 商业产品，核心代码和最强权重不公开。
• KataGo：开发者： 由独立开发者David J. Wu主导，是一个开源项目。目标： 旨在创建一个强大、高效且开源的围棋AI，供全球的研究者、开发者和围棋爱好者使用、研究和改进。它更侧重于算法本身的优化和普及。性质： 开源项目，代码和训练好的权重文件对所有人免费开放。

2. 技术架构与算法

两者都基于AlphaGo Zero/AlphaZero 的“从零开始”自我对弈强化学习框架，但在具体实现上有诸多不同。

• 绝艺：网络结构： 早期版本使用残差网络，后续版本不断迭代，其具体的网络架构细节属于商业机密，外界知之甚少。训练数据与算力： 背靠腾讯，拥有极其庞大的计算资源（海量GPU集群）进行自我对弈训练。这使得它能训练出参数极多、深度极深的神经网络。算法细节： 绝艺团队对其算法有大量独到的优化和改进，这些是其在竞技层面保持领先的关键，但很少公开发表。
• KataGo：网络结构： 同样使用残差网络，但其架构和优化策略在论文和代码库中是完全公开的。关键创新： KataGo有几个著名的公开技术创新：全局池化： 更好地捕捉围棋全局的征子等长期依赖关系。更优化的搜索策略： 在蒙特卡洛树搜索中引入了更高效的虚拟损失和并行化方法。对局域规则的完善支持： 从一开始就设计支持各种规则的围棋，如应氏计点制，这在早期开源AI中是一大优势。训练效率： KataGo以其极高的训练效率 而闻名。在同等计算资源下，KataGo往往能更快地达到更高的水平。这使得个人研究者也能在有限的硬件上训练出实力不俗的模型。

3. 棋风与特点

• 绝艺：棋风： 极其精准、强悍、追求最优解。它的招法被认为是当前围棋理论的“标准答案”，尤其是在复杂的中盘战斗中，其计算深度和广度令人叹为观止。人类化程度： 绝艺的团队中有职业棋手参与，其训练过程可能也融入了对人类高手棋谱的理解（尽管主体是自我对弈），因此它的某些判断和选择被认为更贴近顶尖职业棋手的思维。稳定性： 作为商业产品，其表现非常稳定，几乎不会出现低级失误。
• KataGo：棋风： 也非常强大，但有时会展现出与绝艺不同的“AI视角”。由于是纯自我对弈训练，它的某些价值判断和开局偏好可能与人类传统认知或绝艺有所不同。探索性： 开源社区会利用KataGo进行各种有趣的实验，比如训练不同棋风（更激进或更稳健）的权重、研究特定布局等，因此你能看到更多样化的KataGo。可解释性： 社区开发了大量工具来分析和可视化KataGo的决策过程，例如胜率曲线、热点图等，对于棋艺研究和学习非常有帮助。

4. 生态与可及性

• 绝艺：平台： 主要通过“腾讯围棋”（野狐围棋）平台与人类棋手对弈，并为职业棋手提供内部训练版本。可及性： 普通用户只能通过在线平台观看其对局或使用其有限的复盘分析功能。无法下载或本地运行完整版的绝艺。角色： “权威裁判”和“顶尖教练”。
• KataGo：平台： 无处不在。你可以下载其引擎和权重，在多种围棋客户端（如Sabaki， Lizzie， KaTrain）上本地运行，进行对弈、分析和复盘。可及性： 对所有人完全免费开放。任何有个人电脑（甚至树莓派）的人都可以运行它。角色： “全民教练”和“研究平台”。它是业余爱好者、围棋老师、AI研究者的首选工具。

总结对比表

结论：

绝艺和KataGo代表了围棋AI发展的两条路径：一条是追求极致性能的精英化道路，另一条是推动技术普及和创新的大众化道路。两者没有绝对的优劣之分，它们在各自的领域都做到了顶尖。对于职业棋手而言，绝艺是必须研究和挑战的标杆；而对于全世界绝大多数的围棋爱好者和研究者来说，KataGo是他们接触、使用和研究尖端围棋AI的基石，其开放精神极大地推动了整个领域的发展。

KATA GO的开发成本和绝艺，谁的成本更高？

DeepChat

嗯，用户问的是KataGo和绝艺的开发成本谁更高。之前已经详细比较过两者的区别，现在用户可能想从经济角度理解它们的差异。用户可能是围棋爱好者，或者对AI开发成本感兴趣的技术人员。 从对话历史看，用户已经知道绝艺是腾讯的商业项目，而KataGo是开源项目。这个问题其实挺有意思的，因为表面上看绝艺肯定更烧钱，但开源项目的成本计算方式很不同。 绝艺的成本主要在于硬件、人力和运维。腾讯可以调动庞大的GPU集群连续训练好几年，这电费和设备折旧就是天文数字。还有几十个工程师的工资，在北京上海这种地方养一个顶尖团队可不便宜。更别说那些职业棋手顾问的费用了。 KataGo就神奇了，主要成本是创始人的个人时间和一些捐赠的算力。开源社区贡献者都是自愿的，这省了多少钱啊。不过如果真要折算成商业价值，那些志愿者投入的时间也值不少钱，只是没体现在账面上。 其实最核心的是，绝艺追求的是绝对性能，可以不计成本；而KataGo追求的是效率，要用最少的资源做出最好的效果。就像问一艘航空母舰和一辆改装赛车哪个造价高，虽然赛车可能性能接近，但建造思路完全不一样。 用户可能想通过成本理解为什么绝艺不开源，或者好奇开源模式为什么能创造奇迹。可以强调虽然绝艺实际花费更多，但KataGo的成本效益比可能更高，这对技术普及特别重要。

这是一个非常有趣的问题，因为它触及了两种不同开发模式的本质。要比较KataGo和绝艺的开发成本，我们需要从不同的维度来理解“成本”。

总体结论是：绝艺的绝对货币成本远高于KataGo。 但是，KataGo也包含了巨大的、但形式不同的“成本”。

下面我们来详细拆解：

绝艺的开发成本

绝艺的成本是典型的大型商业科技项目的成本，主要以直接的资金支出为主。

1. 顶级人力成本：团队来自腾讯光子实验室，汇聚了中国顶尖的AI研究员、工程师和科学家。这些人才的薪酬是市场顶级的。团队规模相对庞大，涉及算法、工程、运维、产品等多个环节。
2. 巨大的算力成本：这是最大头的开销。绝艺为了达到并维持世界第一的竞技水平，需要使用成千上万个GPU组成的集群，进行长达数年的、几乎不间断的自我对弈训练。这种规模的GPU集群的采购（或云租赁）成本、电力消耗、机房运维成本是天文数字。这背后是腾讯作为互联网巨头的资本实力。
3. 数据与知识成本：虽然绝艺主要通过自我对弈学习，但其团队中很可能有围棋顾问（包括职业棋手），这些咨询费用也不菲。其服务于腾讯围棋平台，产生的海量对局数据也是其宝贵的、有成本的资产。
4. 机会成本：腾讯将如此顶级的团队和算力资源投入到围棋AI项目中，这些资源本可以用于其他更能直接盈利的业务（如游戏、广告推荐等）。这个巨大的机会成本也只有大公司才能承担。

总结：绝艺的成本是“硬成本”，是可以直接用数百万、数千万甚至更高的人民币来衡量的。它的目标是不惜代价达到性能极致。

KataGo的开发成本

KataGo的成本是开源社区项目的成本，其形式更为复杂和隐性。

1. 核心开发者的个人投入：项目的主导者David J. Wu在开发KataGo期间，投入的是他个人的、无薪的、大量的时间和精力。这是一种无法用简单货币衡量的“心血成本”。如果将他投入的时间按照硅谷AI工程师的市场薪资折算，这将是一笔巨款。但这部分成本并没有以现金形式支出。
2. 算力成本：训练成本： KataGo最初和最核心的权重训练，确实使用了捐赠的或研究者自有的算力。这些算力虽然不如绝艺的规模，但同样价值不菲。例如，早期训练可能使用了谷歌云的计算额度或其他研究机构的空闲算力。分布式贡献： KataGo社区有一个“分布式训练”项目，让全世界的志愿者贡献自己电脑的闲置GPU来共同训练一个模型。这极大地降低了中心化的算力成本，但将这些分散的算力加总起来，其总价值也相当可观。
3. 社区智慧成本：开源项目的魅力在于全球社区的贡献。无数开发者、研究者和围棋爱好者为其提交代码、修复Bug、提出建议、编写教程和工具。这种“众包”形式的智力贡献，如果换算成工资，也是一个巨大的数字。但它同样是分散和自愿的，没有直接的现金流。
4. 资金捐赠：项目后期通过像GitHub Sponsors这样的渠道接受社区的小额捐赠，用于支持持续开发和服务器费用。但这与绝艺的预算相比是九牛一毛。

总结：KataGo的成本是“软成本”和“机会成本”的集合。它没有像绝艺那样烧掉巨额的现金，但它消耗了核心开发者和全球社区成员大量的无偿劳动和智力资源。其总体的社会经济成本可能很高，但货币化成本极低。

直观对比

结论

如果问“腾讯为绝艺项目花了多少钱”和“David J. Wu为KataGo项目收了多少钱”，那么绝艺的成本是碾压性的。

但如果将KataGo开发过程中所有参与者投入的时间、精力和算力资源都折合成市场价值，那么其总经济成本也会是一个不小的数字，只是这种成本被开源模式极大地分散和消化了。

绝艺证明了巨额资本在追求单一目标时的强大力量；而KataGo则证明了开源社区的热情和智慧所能创造的奇迹，其成本效益比 很可能是所有顶级围棋AI中最高的。