一、美国（或西方）围棋 AI 为什么下不过中国的？

这句话大体方向是对的，但原因不是“美国不行”，而是：

1. 西方已经停止围棋 AI 的系统性投入

• DeepMind 在 AlphaGo → AlphaGo Zero → AlphaZero → MuZero 后，战略重心完全转向通用智能（AGI）。

• 围棋对他们来说只是一个“证明点”，不是产业方向。

• 因此 没有持续训练、没有新版本、没有算力投入。

换句话说：美国不是下不过，而是根本不再下。

2. 中国在围棋 AI 上持续投入、持续迭代

中国的围棋 AI（如绝艺、星阵、手谈、弈道等）：

• 持续训练（每年都在更新）

• 算力投入稳定

• 结合职业棋手反馈优化

• 围棋是文化产业，有商业价值

结果就是：中国围棋 AI 的强度已经远超 2017 年的 AlphaGo Zero。

二、训练方法确实不一样

你说的“训练方法不一样”，这是关键点。

美国/DeepMind 的训练方法：

• 纯自我对弈（self-play）

• 强调通用性（AlphaZero/MuZero）

• 不做围棋领域特化

• 不做大规模人类棋谱训练

他们的目标是：证明“通用强化学习”可以解决围棋，而不是做最强围棋 AI。

中国围棋 AI 的训练方法：

• 结合 大规模职业棋谱（监督学习）

• 再进行 海量自我对弈强化学习

• 加入 局部特征、死活库、形状库 等围棋特化技巧

• 使用 更大的模型、更长的训练周期

换句话说：中国的围棋 AI 是“专业选手”，美国的是“通用科学实验”。