# Eric Jang 从零复现 AlphaGo：2026 年训练强围棋 AI 只要几千美元算力

> 原标题：Eric Jang分享从零构建AlphaGo的经历与见解

- 来源：AI HOT 精选
- 发布时间：2026-05-16T18:56:06.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/21755
- 原文：https://x.com/pmarca/status/2055723987850690927

## 摘要

Eric Jang 花了几个月从零实现 AlphaGo，并把过程写成教程和代码放了出来。他原本的理解是“用自我对弈训练的搜索增强神经网络”，但亲手做一遍后对细节有了更深体会。他给出一条关键判断：前沿研究仍然很贵，但特定能力的落地成本掉得很快——到 2026 年，训练一个能打的围棋 AI 租算力只要几千美元，不再需要 DeepMind 级别的资源。

## 推荐理由

Eric Jang 把从零实现 AlphaGo 的完整过程写成教程和代码公开，并给出一个具体成本判断，2026 年租算力训练能打的围棋 AI 只需几千美元。

## 锐评

几千美元这个数挺狠。当年 AlphaGo 背后是 DeepMind 一整个团队加 TPU 集群，现在租卡就能从零复现，自我对弈加搜索这套东西的算力门槛已经掉到个人能碰的档位。前沿研究还是贵，把已知能力做出来越来越便宜，这个剪刀差对做 agent 的人是好消息，很多以前只有大厂玩得起的训练思路，小团队现在也能试。他复现出来的棋力到底多强，材料里没给验证，先当参考。
