共计 1957 个字符，预计需要花费 5 分钟才能阅读完成。
① 语言模型如同一位直率的人，过分依赖清晰的全局信息，而缺乏博弈的直觉，这使得它们在面临冒险选择时显得捉襟见肘。这也是为何人们对聊天机器人（chatbot）建立信任，因为它们通常比较坦诚。
通用模型（如大型语言模型）实际上是一种确定性推理机器，擅长在信息完全且规则明确的环境中寻找最佳路径。然而，在《皇室战争》这类非完全信息、实时博弈与心理对抗交织的卡牌即时战略游戏中，AI 的谨慎本性可能会成为其致命弱点。
——此外，人类的强化学习反馈（RLHF）会影响通用模型的某些特性。例如，Claude 3.7 在面对竞争时倾向于避免冲突，它更关注如何退出游戏，而不是如何通过斗争取胜；而 Gemini 2.5 Pro 在遭遇压力时则可能崩溃哭泣，甚至选择删除数据逃避。这些特质使得通用模型在竞争中处于极为不利的境地。
人类玩家经常运用诱骗法术的策略——首先释放一张低费的杂兵，诱导对手使用箭雨或滚木等范围法术，随后迅速跟进高威胁单位，比如皇家巨人和电法的组合。这种以小兵牺牲换取法术空档的操作，实际上是一种心理博弈。
然而，通用 AI 在看到哥布林被箭雨消灭这一过程时，会直接判断为收益减少，从而拒绝采取此行动。它无法理解表面上的损失实际上是战略投资的博弈逻辑。
除非经过海量对局数据与强化学习专门训练出「骗法术识别与对策模型」，否则 AI 始终会选择「稳健发展」，结果便是让人类玩家识破其套路——哦，这个 AI 从不使用诱骗法术，那我只需将法术握在手中，等着它出大单位时再施放即可。
费用节奏的博弈同样致命。《皇室战争》的核心在于圣水节奏——双方每秒增加 1 点费用，最高上限为 10 点。高手会故意压制费用，以创造费用优势窗口。而通用 AI 往往遵循费用满了就出牌的机械逻辑，完全不理解延迟出牌背后的信息差与打乱对手节奏的高阶策略。
人类玩家只需观察 AI 前三局的出牌节奏，便能预测其第四局的进攻波次，提前做好防备并反击，轻松实现反杀。
②《皇室战争》与围棋及其它明牌博弈是截然不同的
信息不对称 + 动态规则 + 卡组克制 = AI 的噩梦
AlphaGo 之所以能在围棋中获胜，是因为围棋属于「完全信息博弈」——棋盘上所有棋子均可见，规则恒定（落子不可悔，且无随机因素），胜负仅依赖于空间计算与长期规划。而《皇室战争》则是动态的非完全信息博弈，其复杂性远超围棋：
你无法得知对手的手牌（除非他们打出），也无从了解他们的卡组构成（除非你经历过大量对局并能作出推测）。人类玩家依赖于「读牌」——通过观察对手的出牌习惯、当前卡组流行趋势以及故意试探牌来推断对手的手牌。通用 AI 缺乏这种「读牌直觉」，只能在对手出牌后再进行反应，始终慢半拍。
游戏中存在复杂的克制体系。比如，矿工克制塔后的单位，塔克制坦克，毒药克制人海。人类能够根据对手的卡组动态调整策略，甚至故意隐藏某些卡片，比如一直不使用大闪，以逼迫对手出牌。通用 AI 则缺乏对克制链的推理能力，常常在循环中被对手打得措手不及。
围棋是静态棋盘上的数学解题，而《皇室战争》则是在动态战场上进行心理战、资源战和信息战的较量。通用 AI 连「战场迷雾」都无法识别，谈何博弈。
③ 不是 AI 不能，而是成本过于高 —— 通用模型存在「低泛化诅咒」，模型缺乏高阶的泛化能力，其通用能力实际上只是表达能力，其他能力则是通过后续训练实现的，这其中有多少人工成分，又有多少智能成分。
根本上并非是 AI 无法战胜人类。
要训练一个专用的《皇室战争 AI》，需要：数千万局对局数据（需标注卡组、出牌时机与胜负关键点）+ 定制化的神经网络架构（处理时序决策、卡牌组合与费用管理）+ 高强度的 GPU 集群持续训练数周。
而通用模型（如 GPT-5、Claude4、Gemini）的「低泛化能力」在这一点上形成了拖累：它能够进行编码、聊天、搜索等，因为在这些高价值领域经过了特殊训练，但面对「现在要不要交大闪？」这种具体决策，它缺乏专用模型所具备的「肌肉记忆」式的条件反射。
戴爵曾举办过通用模型棋类邀请赛，相较于专用模型，这种通用 AI 几乎毫无竞争力，连明牌游戏都难以胜任，何谈暗牌游戏。
在《皇室战争》中，通用型 AI 只能被人类顶尖玩家轻松击败。这并非智力所限，而是缺乏博弈基因及专用训练成本过高。
我认为，通用 AI 有时就像纸上谈兵，言辞犀利却缺乏实战能力（实战能力需要针对性的后续训练，成本极其高昂），在面对老练玩家的计谋、节奏和心理压力时，只能被动应对，最终陷入被动局面，导致失败。
