Chess.com CEO Erik Allebest:机器碾压人类 30 年,象棋反而更流行
对话 Chess.com 联合创始人兼 CEO Erik Allebest:被投资人一致判死刑的利基项目,如何零融资长成 2.5 亿会员、2 亿美元年收的平台;以及机器超越人类 30 年后,国际象棋为何反而更流行。
本文译自No Priors 播客,发布于 2026 年 8 月 13 日;主持人莎拉·郭(Sarah Guo),对话 Chess.com 联合创始人兼 CEO 埃里克·阿拉贝斯特(Erik Allebest)。
这是一个教科书级的“反硅谷剧本”故事:在沙山路的路演室里被一致判死刑的“利基爱好项目”,靠 5.6 万美元买下的域名和“以现金的速度生长”,二十年后长成 2.5 亿会员、2 亿美元年收的行业霸主。更有趣的是 Allebest 作为“人类最长久超人实验”见证者的视角:当机器在一项技艺上碾压人类 30 年之后,为什么这项技艺反而比任何时候都更流行——这个答案,可能是 AI 时代关于“人类技艺价值”最重要的一份田野证据。
▍嘉宾:埃里克·阿拉贝斯特(Erik Allebest)
埃里克·阿拉贝斯特是全球最大国际象棋平台 Chess.com 的联合创始人兼 CEO。
- 连续创业起点:就读斯坦福商学院前已有两次创业出售经历;2005 年与友人以 5.6 万美元在破产拍卖中购得
chess.com域名,想做“象棋版 MySpace”。 - 零融资路径:在斯坦福 GSB 读书期间路演无数,被投资人一致判定“不值得投资”,从此彻底放弃融资,以会员费收入滚动发展;2007 年上线,18 个月内盈利,此后二十年未引入一分钱外部资本。
- 今日版图:带领约 650 人全远程团队,2021 年起仅通过老股交易引入 General Atlantic 与 CVC 作为股东,公司现金流始终自给;个人热爱象棋、围棋与扑克。
▍关于 Chess.com
Chess.com 是全球最大的在线国际象棋平台。
- 规模:超过 2.5 亿注册会员、约 1000 万日活、4000-5000 万月活,2026 年预计收入超 2 亿美元,主要来自会员订阅;旗下产品涵盖对弈、教学、习题、赛事直播与 AI 教练。
- 文化时刻的三级火箭:2020 年 COVID 与《后翼弃兵》、2023 年短视频与 Mittens 机器人及作弊丑闻,两波热潮后用户基线逐级抬升;2026 年推出扑克平台 Gambit,把“为评级而战”的象棋打法复制到更多经典游戏。
5.6 万美元买下的域名
Sarah: 各位听众好,欢迎回到 No Priors。今天做客的是埃里克·阿拉贝斯特(Erik Allebest)——2005 年,他在一场破产拍卖中以 5.6 万美元买下 chess.com 域名,当时几乎每个投资人都告诉他,这是个“不值得投资”的利基爱好项目。二十年后,他把 Chess.com 做成了国际象棋的绝对主导平台:超过 2.5 亿注册会员、年收入 2 亿美元,使命是让十亿人下象棋。
这是一项比任何时候都更受欢迎的游戏——尽管过去 30 年里,计算机在这项游戏上早已碾压人类。我们将聊到:AI 对游戏意味着什么、Chess.com 的未来、如何给扑克设计一套评级系统,以及人类技艺的未来。Erik,欢迎做客 No Priors。
Erik: 非常感谢你的邀请。
Chess.com 的今天
Sarah: 我想先帮听众补一补 Chess.com 的背景和你创业的来龙去脉。不过首先,能不能先描绘一下今天的图景:用户规模、公司与产品的现状?
Erik: 好。我们的体量已经远超我当年的想象,所以报这些数字时我自己都觉得有点不真实:目前日活大约 1000 万,月活大约 4000 到 5000 万——夏天会淡一点,北半球的人都出门玩了。注册会员超过 2.5 亿,收入也远超我当初对一家“象棋公司”的预期:今年大概能做到 2 亿美元出头,坦白说这同样出乎我的意料。团队目前约 650 人,都是热爱象棋的人,我们的使命是三件事:让会员满意、让象棋这项运动长大、以及让这里成为最好的工作场所。
买下与放大:以现金的速度生长
Sarah: 太棒了。你走到今天,走的应该算是一条非典型的创业和创始人-CEO 路径——至少在我眼里你是真正的创始人。你是怎么成为这家公司的主人的?
Erik: 我们一开始拥有的并不是一家公司,只是一个域名——2005 年从一场破产拍卖里买来的。
域名原来的主人在做象棋软件,但资金链断裂、生意失败。我和一个朋友花 5.6 万美元把它买了下来,想做一个象棋社区:那会儿 MySpace 正火,我们想做一个象棋版的 MySpace,让爱好者们聚在一起表达、学习、分享。买了域名,就开干了。
Sarah: 从这个起点到今天这样的社区规模,中间是怎么走过来的?增长靠什么?融资是怎么考虑的?
Erik: 我们当然考虑过融资。当时我正在斯坦福商学院(Stanford GSB)读书,沙山路(Sand Hill Road)就在眼前,课堂上来来往往都是风险投资人——老师是、客座嘉宾也是。我约了大量路演,结果基本是一致的答复:这东西不值得投资。你该去找份正经工作,别在这上面浪费时间。
所以我一分钱都没融到,没有人相信这个愿景。我问几个同学要不要一起干,他们说:不了,我们要去做点“正经事”。于是只剩下我和朋友两个人——他算 CTO,我管产品——就这么搭伙开干。没融资,后来我开始自己掏钱:之前卖过两个小公司,手头有些积蓄,还跟朋友的妈妈借过一小笔钱(后来还上了)。总之,我们完全“以现金的速度”生长。
2007 年产品上线,正好我毕业。大概 18 个月内,我们开始对在线象棋课程收会员费,很快实现了盈利。之后的节奏就是:收入多一点,就多招一个人——社区经理、开发、系统管理员,再后来是设计师——公司随着现金自然长大。从那以后我们再也没动过融资的念头:既然已经盈利,那就继续长呗。
我们曾经总说:“到 50 人就到头了,绝不会超过 50 人。”后来变成“绝不会超过 100 人”。再后来我们干脆不说了——因为象棋一次次超出我们的想象,直到今天依然如此。
不过现在我的野心变了:既然有 2.5 亿人说过他们想下象棋,为什么我们日活不是 5000 万?十亿人本来就应该在下象棋。我们亲眼看到象棋给世界带来的好处:它连接人与人,给人自信,教会你“只要学到了就不算输”——这是一项极适合学习和消磨时光的游戏。所以我们的使命很大,也一定会比今天更大,我们对此非常兴奋。
竞争与增长:用户体验至上
Sarah: 你当时怎么思考竞争,以及“必须以多快的速度增长”这个问题?今天又是怎么想的?毕竟外面还有 Lichess 这样的平台。另外,很多人巨额融资的驱动因素之一——虽然不是全部——正是“想要成为市场主导者”的欲望,就像 Chess.com 之于象棋。你怎么看这种驱动?
Erik: 这个观察很公允。不过先交代一个背景:今天所谓的“象棋产业”,20 年前根本不存在——当时只有几个应用和一两家平台:免费的 FICS、ICC 象棋俱乐部,算是两大玩家,还有一个雅虎象棋(Yahoo Chess)。
我们入场之后,就是死死盯住一件事:我们自己作为玩家想要什么?我们想要一个手感极好的产品:免费能玩、浏览器里就能玩、体验必须惊艳。说白了,就是把用户体验放在一切之上。时间会奖励这种专注,其他玩家慢慢都掉队了。
当然,Lichess 今天还在——我觉得它很像象棋界的 Linux:它的存在有非常重要的意义,对社区是好事,它开源,做好它自己那一块,我们彼此共存。我们负责通过产品和投入推动这项运动的增长——这些投入恰恰来自我们有收入这个事实;他们服务的是另一群人。
Lichess:象棋世界的 Linux:Lichess 是 2010 年由法国程序员 Thibault Duplessis 创建的开源象棋平台,完全免费、无广告、靠捐赠运转,代码全部公开。它与 Chess.com 的关系类似 Linux 与 Windows:一个以社区公地形态服务硬核玩家与开发者(大量第三方工具以其 API 为底座),一个以商业化产品服务大众市场。Allebest 公开承认其存在的价值,这种“商业旗舰+开源公地”的共存结构,在象棋之外的行业(如数据库、浏览器)也反复出现。
有意思的是,象棋这东西是无法申请专利的:应用商店里的象棋 App、象棋网站,没有一万也有几千。但最后赢的,还是产品、社区和内容。所以归根结底,就是近乎偏执地专注在打造最好的体验上。
我也承认,有些市场和生意确实需要融资——要么是为了抢速度,要么是某些环节投资密集,要么涉及硬件和库存。但对我们这样纯粹的软件加内容生意来说,又没有哪家科技巨头在身后紧逼,我们就有条件走一条慢一点的路——这让我们长出了很好的文化,也一直不需要外部资本。
Sarah: 你刚才提到,你们能按自己的节奏长大,部分原因是最初没多少人相信这门生意、这个“行业”能长成一个真正的行业。那是什么时候——是渐进的还是某个瞬间——你意识到“这会是一门大生意”,而不仅仅是“我个人热爱的一件事”?
Erik: 我想是 2024 年。没开玩笑,就是那么晚。
因为在 COVID 和《后翼弃兵》(The Queen's Gambit)之前,我们日活大概 100 万,当时已经觉得不可思议了。然后 COVID 来了、《后翼弃兵》火了、几轮新闻周期下来,我们心想:这波大概跟跑步机、酸面包一样,只是宅家期间的昙花一现,热度退了就会掉回原地。结果并没有——峰值之后确实回落了一点,但仍远高于疫情前。
然后 2023 年又来了一波更猛的:短视频内容、Mittens 机器人、还有那场作弊丑闻,一堆因素把全美国的孩子们都卷进了象棋,数据再次飙升。这一波回落之后,我们的基线又抬高了一大截。
到 2024 年我们终于回过神来:这东西是真的留下来了,而且还在复利增长——它比我们以为的大得多。这个发现既迷人,说实话也挺吓人的
三波热潮后的留存才是真金:2020 年 COVID 与《后翼弃兵》让全球象棋搜索量与 Chess.com 日活翻倍,当时几乎所有人都预言“宅家泡沫”会破;2023 年的第二波(短视频、Mittens 机器人、Hans Niemann 作弊丑闻)证明第一波不是偶然——站在 2026 年回看,两次浪潮的峰值都回落了,但基线一次比一次高,这正是 Allebest 直到 2024 年才敢承认“这是大生意”的原因:追逐峰值是危险的,观察峰值过后的“沉淀线”才是判断文化变迁是否真实的正确姿势。这对评估一切“突然爆火”的消费产品都适用。:生意萎缩很可怕,因为你要想怎么增长;生意走平也可怕,因为同样的问题;生意猛涨还是可怕——怎么维持住、怎么接得住?那阵子我们在产品和技术的可扩展性上全是坑,真是捏着一把汗过来的。
反倒是过去一年最平静:团队到位了,增长可预期了,我们也终于摸清了“一家 650 人的全远程公司”在组织上到底意味着什么。现在大家的精力都放在产品实验、基础设施和技术上,当然,还有 AI 的融入以及它正在带来的改变。过去的 12 个月,相当有意思。
象棋的文化复兴
Sarah: 我还想问两个商业向的话题,然后聊聊 AI 与象棋。第一个是:你怎么看《后翼弃兵》以及象棋这些年文化热度的飙升?
Erik: 说实话,这事儿至今让我觉得不可思议。我接触象棋很晚,18 岁上大学才入坑。那个年代没人下象棋、没人聊象棋——它几乎是个地下爱好。我高中时是那种玩滑板、玩单板的人,象棋是我藏起来的秘密——那时候这是“书呆子”的游戏,没人愿意承认自己在玩。
而现在呢?我自己的孩子,他们所有的朋友都在下象棋,象棋变成了“酷”的东西——体育生在下,书呆子也在下,人人都在下。路易威登(Louis Vuitton)甚至把整组时尚大片围绕象棋来拍。我每次看到都觉得恍如隔世。
我觉得自己不完全是搭了顺风车——我们也确实是这股变化的推动者之一。我们重新定义了“象棋玩家”的含义:象棋可以装在口袋里,随时可以来一盘;内容做得有趣、贴近时代。过去的说法是:等级分不到 2000,你就不算真正的象棋玩家,就进不了那个圈子。而我们把这个叙事改掉了——我们为你的失误喝彩:你送掉了皇后?没关系。你等级分只有 500?也很好。你依然是象棋玩家,依然是社区的一员,依然走在自己的路上。
能参与这场文化变迁,是我人生莫大的荣幸。当你看到刘易斯·汉密尔顿(Lewis Hamilton)坐在私人飞机里用手机下象棋的照片——除了“恍如隔世”,我没有别的词。
Sarah: 是啊,我当年就是那个下象棋的高中书呆子。而现在我 8 岁的孩子会下棋、还教别人下棋——他们那个“书呆子小镇”上,大概 20% 的孩子放学后都去参加象棋活动。这事想想都觉得疯狂。象棋变成足球一样的存在了,真的。
PE 进场:只买老股,不拿注资
Sarah: 你们最近还有个大新闻:CVC 的投资。这对公司意味着什么?在一家自力更生了这么多年的企业之后,你是怎么想通和一家私募股权机构合作的?
Erik: 先说明一点:我们至今仍是自力更生的公司——CVC 进来,买的是老股(Secondary),公司账上并没有新增一分钱资本。
故事得从头讲。General Atlantic 是第一家真正相信我们的私募股权,2020 还是 2021 年,他们看到了我们的增长,相信我们是一个有趣市场里的强者。而在他们之前,还有两个有意思的小插曲:先是有人找上门说“我爱象棋,我想投”,我们一直拒绝,最后松口让他买了一点点。他说:“我会永远持有,就想陪着你们。”结果五年后他说:“我得退出了。”我说:你不是说永远吗?“别担心,我给你找好下家了。”
于是第二位投资人进来,开口就要 X% 的股份,我们勉强又放行了一点。他也说:“可我真的爱象棋,我会一直陪你。”三年后,他又要卖。到这个时候,我们的体量已经大到需要另一个量级的投资人了。
于是我们正儿八经见了一圈私募股权。说实话,那个过程我一点都不享受,大多数见面的人关注的东西在我看来都是错的。但见到 General Atlantic 和他们团队里的 Tanzin 时,感觉完全不同:他们真心相信我们的使命,相信只要我们专注使命,就一定能做成一家了不起的公司——这与我们的信念完全一致,于是他们投资了。同样,买的还是老股东手里的股份,公司没有拿一分钱注资。
再后来,他们的基金也到了生命周期,需要给 LP 交答卷。我们只好再一次寻找下家——这次遇到了 CVC,合作得非常愉快。他们在游戏、体育、社区型生意上有极深的积累,而且理念相通:只要你照顾好社区和产品,生意自然会好起来。CVC 从不同的老股东手里接了股份,General Atlantic 也追加跟投了一部分,现在他们还和我们在一起。而公司本身,至今不需要一分钱的增长资本。
Sarah: 这些越来越重量级的场外股东进来之后,你经营公司的方式有变化吗?
Erik: 有,但变化的方式非常美好。
Sarah: 展开讲讲——这可是和“私募股权进场”的世俗成见对着干的。
Erik: 我完全理解你的意外。大家听多了那套私募的刻板剧本:投钱进来,然后只会冲你喊“更努力点”“做得更好点”。但 General Atlantic 和 CVC 完全不是这样。
他们带来的是整个行业视野里的真知灼见,和我们做的事形成互补:他们真的钻进产品和社区的细节里,推着我们成为最好的自己——不是空喊“做得更好”,而是具体指出“这几个方向你们看过没有?”这一切让我们变得更强。还有运营层面的一整套功夫:财务预测、运营纪律——这些都是我们“长大成人”必须补的课。他们带来的这些东西太宝贵了,让我们变得更好、更强。而随着我们的报表和预测体系越来越好,我们对自己的生意理解也越来越深——这不只是为了向投资人汇报,而是实实在在用于经营。
所以我发自内心地享受和 General Atlantic 共事的这段时间,它成就了更好的我们。作为 CEO 我也学到了太多:带着两三个、五个人的小团队创业是一回事;做一家几百上千人、几十亿美元估值公司的 CEO,是另一个世界。我很感激他们一路在场,帮着我一程一程地长成这些新角色。
“PE 很美好”是一种可被选择的幸存者叙事:Allebest 与两家 PE 的愉快合作是真实的,但它成立的前提恰恰是他最独特的资本结构——公司从不需要 PE 的钱,PE 只是老股买家,没有任何经营杠杆可以要挟。一旦企业真到了需要资本续命的那天,剧本里“喊你更努力点”的那一面才会登场。两位“我会永远持有”然后五年就退出的早期股东,才是这类关系更常见的样子。创始人能借鉴的不是“PE 都是好人”,而是他始终保持的议价位置:只有当你不需要对方的钱时,对方的钱才最友善。
机器超越人类之后,游戏向何处去
Sarah: 太好了。除了我本身热爱象棋之外,我特别想和你聊的原因是:象棋可能是人类持续时间最长的一场实验——当机器在一项人类活动上超越人类之后,这项活动会变成什么样?深蓝(Deep Blue)战胜卡斯帕罗夫(Kasparov)已经是 30 年前的事了。
刚才我们也聊到,驱动这项运动的因素有很多:社区的文化取向、工具、《后翼弃兵》这样的内容时刻。但一个事实是:今天的人类比 30 年前更关心象棋。当年深蓝获胜时,很多人预言“象棋完了”。大家觉得人们误解了什么——人类到底为什么玩游戏?
Erik: 这个问题太有意思了。根本原因在于:人类就是想做“人”的事——人和人较量、人动手创造、人解决问题。
确实有一些领域,机器已经比人强了。但就象棋而言,机器的出现反而推着人类在自己的领域里变得更强。很早的时候,特级大师和世界冠军们就在用早期计算机帮自己产生想法,再把这些想法带回“人对人”的棋盘。
后来计算机强到某个程度——比如 Stockfish 这种象棋引擎——它一度让象棋变得有点无聊,因为它太完美了:选手们都试图模仿“最佳机器下法”,磨出一盘盘索然无味的残局。然后神经网络来了——这是 AI 的下一次迭代,就像围棋界的 AlphaGo 和 Leela 那样——人们开始在棋局上训练神经网络,让自我强化学习跑出成果,于是有了 Leela Chess Zero 这个引擎。它开始以出人意料的方式击败 Stockfish:棋风极具攻击性,走出各种非常规的招法,实实在在地把这项游戏向前推进了一大步。
所以很有意思:计算机先是让象棋变无聊了一点,然后又让它变得前所未有地精彩。今天的选手更强了,而计算机正在帮我们以各种方式解锁这项游戏,让我们享受得更好:比如对局复盘里的 AI 教练,帮你从每一盘里学到东西;比如和计算机对弈;比如为你量身生成的习题。总之,AI 实实在在地让人类更享受象棋了。
Stockfish 与 Leela Chess Zero:两代象棋 AI 的分野:Stockfish 代表传统暴力搜索+手工评估函数的时代,招法精确但风格趋同;Leela Chess Zero(LCZero)则复刻 DeepMind AlphaZero 的路线——不输入任何人类棋谱,仅凭规则自我对弈数百万局,靠神经网络+蒙特卡洛树搜索进化出极具攻击性与“直觉”的棋风。2019 年起 LCZero 在 TCEC 等引擎大赛中多次与 Stockfish 互有胜负,职业棋手从“学 Stockfish 的正确”转向“学 Leela 的想象”——这就是 Allebest 所说“先变无聊、再变精彩”的技术背景。
“不需要资本”的复利机器:Chess.com 是巴菲特最欣赏的那类生意——靠用户预付的订阅费滚动发展,增长所需的每一分钱都来自经营现金流而非股东注资,资本回报率趋近无穷大(因为分母约为零)。对照绝大多数“融大钱、抢速度、赌退出”的硅谷剧本,Allebest 证明了另一条路:利基市场+极致产品+会员订阅,可以让“以现金的速度生长”在二十年后跑赢所有同期拿到巨额融资的对手。缓慢的代价是确定的,烧钱的代价是或然的——多数人高估了后者、低估了前者。
至于这股浪潮最终会走到哪里,我说不好。我知道现在“AI 与数学”是个大事——它会不会把问题都解完了?但另一边,AI 又在解析蛋白质、攻克癌症。当然,人类也还在做研究。所以未来更像是一种“手拉手”的伙伴关系:人类最好的创造力,加上 AI 最好的能力,一起把人推得更远。所以整体上,我对未来是乐观的,真的。
Sarah: 我也被这个想法深深鼓舞:AI 能帮助人类以远超过去的速度把事情做得更好。拿一个今天有天赋的 10 岁孩子和 30 年前的相比,你觉得他达到 2000 分或大师水平能快多少?
Erik: 我们已经在见证了:棋手越来越小——有 7 岁的孩子已经能和特级大师过招;还有个 10 岁的英国小女孩(印度裔),名字我就不念了,怕念错,她正在横扫所有人,强得离谱。
照你的思路,给 10 岁的孩子配上这些工具,看他们能长成什么样——我儿子小时候就有 YouTube 和各种资源,现在他 18 岁,做出来的电子游戏比我这辈子能做得好得多,全靠在 YouTube 和各种 AI 工具上自学。他创作本身不用 AI,但会用 AI 研究怎么解决问题。这种对信息的获取、对“超人智能”的获取,真的在让人学得更快、更好。所以你说得对——这一代从小就在加速学习的孩子,接下来会创造出什么?谁也想象不到。
技艺、天赋与专长的习得
Sarah: 但所有人心里也有那个下坠的担忧:当无所不知的超级智能出现,人为什么还要写一篇文章?为什么还要思考?既然一句话就能让 AI“给我画一张某某的图”,人为什么还要动手?我理解这种观点,我自己也有担忧——确实有研究表明,人们在某些领域使用 AI 后,停止了思考、不再动脑。所以我们必须设置护栏,必须搞清楚哪些用法有效、哪些有害。但我同样相信,它会把人推向更深的学习、做出更好的东西。
那么顺着你的数据问一句:如果人人都拥有你说的这种信息获取能力,为什么我们不是在象棋上一样强?这种“获取”在你们的数据里,对技能分布产生了什么影响?
Erik: 答案和一切技艺一样:你得把重复的次数放进脑子里。光有“获取”是不够的。
所以,说到底还是人得下一点笨功夫。
我特别喜欢一个说法:把你生命中任意一天做的事情乘以一千,大致就是你人生的样子。每天做 5 道象棋题,乘以一千就是 5000 道——你不可能不进步;每天做 100 道呢?每天下 10 盘棋呢?每天练 10 分钟瑜伽呢?真正塑造你的不是某一天做了哪一件事,而是习惯在时间里复利。这在任何领域都成立:每天画一张速写、每天跑一小段、每天就某个主题做一点研究,都一样。
而这恰恰是 AI 特别帮得上忙的地方:你打开任何一个 AI 工具,就能开始研究一个主题,它带你一步步走、帮你接触想法、打磨想法——那种感觉就像随时能走进一位教授的办公室请教问题,只不过它装在你的口袋里。当然,它也有偏见的问题、有一味迎合你、给你过度戴高帽的问题。但对善用它的人来说,你能以惊人的速度深入一个个领域。
Sarah: 你们手里有一个难以置信的数据集:数以百万计、各个等级分的人类学习者,在 Chess.com 上犯错、改进。关于“人类如何习得专长”、怎么让人更快爬上那条学习曲线,数据告诉了你什么?
Erik: 答案既幸运又不幸,简单得让人扫兴——就是重复,对那些最小构件的重复。
做习题、复盘自己的错误、围绕想用的开局做专项训练——这个过程没有捷径。捷径只存在于工具里:我们努力让做题、让各项训练尽可能地顺手,今年晚些时候还有一整套新工具上线,会让这件事更容易。但重复必须亲自放进你的脑子里、存成你自己的东西——这和训练一个神经网络是一个道理:你喂给它大量数据,它可以并行地在无数通道上同时训练;人脑不是这么工作的,我们只能一次次重复。
我觉得今天很多人——被社交媒体的即时性、被整个生活的即时性惯坏了——正在忘掉一件事:练习这件事,真的没有捷径可走。时间就是得花下去。
“练习这件事,真的没有捷径可走。时间就是得花下去。” "You can't really shortcut practice. You have to put in the time."
▍点拨:在一个“AI 三秒生成一切”的时代,这句来自 2.5 亿学习者数据集主人的话,是对“学习捷径论”最硬的回击。Allebest 指出了一个常被 AI 叙事掩盖的区别:信息获取的成本确实降到了零,但“把重复放进脑子里”的生理过程一分钱都没便宜——工具可以缩短的是准备材料的时间,永远缩短不了神经回路形成的时间。理解了这一点,就会明白为什么 AI 教练越普及,“每天 5 道题乘以一千天”的笨功夫反而越值钱。
作弊与反作弊的军备竞赛
Sarah: 我问个有点刁钻的问题,你可以不答:你们内部是怎么看待 Chess.com 上的作弊问题的?因为你们面对的,其实是整个世界正在面对的问题的一个先行版——不管你把它叫不叫作弊:机器能产出超人的成果,并且可以被包装成“人类的表现”。
Erik: 这确实很棘手。我多么希望人类没有那种“想占别人便宜、想压别人一头、想从别人那里偷点什么”的冲动。但总有一部分人——要么为了钱——用 AI 工具和技术去偷去骗;哪怕只是在网上下棋时开个引擎,偷一点等级分、喂一喂自己的虚荣心。这挺让人泄气的,我为此难过:为什么人就不能永远诚实、永远正直?
话虽如此,象棋和作弊的斗争史远比 AI 久远——从象棋计算机出现那天起就开始了。当年也有很多人认为这是这项游戏的灭顶之灾。但不幸的是,道高一尺魔高一丈,好消息是我们也有对抗作弊的技术:我们在反作弊上投入了大量的时间、金钱和资源,有一整套工具——具体原理我不会讲,不想给任何人提供灵感。
我只能说,我们追踪非常多的东西:海量数据、统计模型、机器学习模型,持续追踪人们下棋的方式。我们知道人类下棋是什么样子,也知道计算机下棋是什么样子,而我们的识别能力一直在变好。保护这项游戏的公正性——无论是休闲层面还是职业层面——对我们来说是头等大事,我们内部有两条独立的工作线:一条负责日常检测,一条负责有奖金、有职业赛事的场景。作弊无法被彻底预防——你不可能在每个人家里都装摄像头——但我们确实非常擅长抓到它、封禁它,同时也做教育引导。这是我最在乎的事情之一。
作弊丑闻反而成了象棋的免费广告:2022 年 Hans Niemann 击败 Magnus Carlsen 后引发的作弊风波(含 Carlson 退赛、Niemann 起诉 Chess.com 索赔 1 亿美元后和解),是当时象棋破圈的催化剂之一——丑闻没有杀死这项运动,反而让大众第一次意识到“线上象棋的公正性有整套数据科学在守护”。到 2026 年,象棋反作弊已成为行为数据分析的标杆场景:棋着与引擎推荐吻合度、思考时间分布、鼠标轨迹与摄像头行为,多维模型交叉验证。这套“以 AI 制 AI”的方法论,正被教育(AI 代写作业)、招聘(AI 代面试)等领域整体借鉴——凡是“机器产出可被包装成人类表现”的地方,都需要一座 Chess.com 式的检测塔。
为什么是象棋:无限供给时代的经典
Sarah: 既然说到你对象棋这项技艺的热爱——你觉得象棋这项游戏的特殊性在哪里?世界上游戏那么多,为什么偏偏该是十亿人来下象棋?
Erik: 象棋确实有种特别的东西,尤其在一个“一切皆有可能”的时代。
你今天给 AI 一句提示词,明天就能多出一万种新桌游。音乐行业这几十年就是这样:音乐变成了无限供给。而当供给无限时,人们反而会回到披头士(The Beatles)、回到齐柏林飞艇(Led Zeppelin)——因为经典是所有人能围绕在一起、共享同一种体验的东西。
象棋也是一样:没有抽卡箱子,没有新皮肤上架,没有规则改动,没有要重新学的新英雄——就是最简单的一套规则,一个完全信息游戏,没有运气成分。你随时可以打开手机来一盘,或者从抽屉里翻出棋盘摆起来——你正在获得的,是和千百年前的人一模一样的体验。它复杂到足以让你目眩神迷,又简单到一个下午就能学会——恰好卡在“复杂与平易”之间的甜点上,而且 timeless。所以它是“游戏之王”,是进化选择的结果。
我觉得,在这个万物都在爆炸式增殖的时代,人们其实在寻找一些能抓得住的东西。
一家象棋公司的边界
Sarah: 展望未来时,你把 Chess.com 看作一家游戏公司、教育公司、社交网络,还是——你们有那么多创作者和主播——一家媒体公司?除了“让全世界都下象棋”这个使命,你怎么给这门生意定性?
Erik: 我们就是一家象棋公司,这是最直接的答案:我们全都热爱象棋,爱下象棋,所以我们是象棋公司。
但象棋这个游戏本身涵盖了很多侧面,所以我们说过很多版本:我们是游戏公司、是内容公司、是社交网络——都是,因为象棋本身就包含这一切。
最近我们也确实开始往外走了一小步:我们很多人喜欢各种各样的游戏,所以尽管象棋仍然占我们 99.99% 的精力,我们最近上线了 Gambit——在 gambit.com,我们的扑克网站,手机上也能玩。
做扑克,我们用的也是象棋的打法:为评级而战(Play for ratings)——你到底行不行?而不是“谁买的筹码最多”“谁开了机器人”“谁偷的钱最多”。接下来我们还会把这个打法复制到更多经典游戏上,有一批正在筹备中。我们对“游戏应该怎么做”有自己的坚持:纯粹、健康、能学习、有教育意义。
你会看到我们陆续推出更多游戏——不过那是一个小团队在做的探索,不会分散象棋这个使命的精力,但我们确实在往外走。
给创始人的话:别听太多建议
Sarah: 好,最后还有两个关于未来的问题。第一个送给所有创始人:那些正在纠结“我的市场到底对不对——是利基、是太早,还是干脆错了”的人,你有什么智慧可以分享?毕竟当年那么多人告诉你,象棋这个市场太小了。
Erik: 我觉得今天做创始人,有一种“诅咒”:市面上的“创始人建议”实在太多了。
想想 20 年前我起步时的标准剧本:招一个斯坦福技术创始人、融一大笔钱、租个办公室、挑一个大市场、砸钱买用户。而我们每一条都是反着来的:我招的是圣何塞州立大学的老朋友;我们远程办公;一分钱没融;一分钱获客费没花;挑了一个最小最小的市场。
所以我的建议是:听从你的内心,听清楚自己到底想做什么,想清楚你希望这个世界上多出一样什么东西,然后义无反顾地朝它去——而不是天天琢磨“市场在说什么”。当然,你必须倾听客户,不行就得转型。但核心问题是:你对世界的愿景是什么?证明它需要的最少资源是多少?你想和哪些了不起的人一起工作?其他的都不重要。去执行,把一件美好的、独特的、能为人们创造价值的东西放到这个世界上,剩下的你自然会搞明白。还有——别再听那些告诉你该怎么做的建议了。去做就是了。
“全部反着来”的剧本,本质是能力圈与自有资金的组合:斯坦福技术合伙人、融资、办公室、大市场、付费获客——Allebest 把标准剧本的每一条都反了过来,但这不是叛逆,而是清醒:他知道付费获客买来的用户留不下(象棋的留存靠产品力),知道 VC 的钱会逼他追求超出利基的叙事,知道远程与小团队能保住成本结构。这与芒格“告诉我将死在哪里,我就永远不去那儿”同构——把标准答案里的死法逐条排除,剩下的活路自然浮现。对今天的创始人,这帖药依然有效:建议越多,越要回到“我到底想让世界上多出什么”这个唯一问题。
AGI 之问与技术之外的答案
Sarah: 最后一个问题:你相信 AGI 吗?或者说 ASI,以及它即将到来?如果这是真的,你对这个世界还相信什么?
Erik: 我相信超人智能一定会到来,而且来得会越来越快。如果我们不为它装上护栏、不立好它与人类相处的规则,那会是可怕的,我希望我们能做到。总体上说,我乐观多过悲观:我希望它能帮我们解决气候这样的大问题,乃至政治、教育上的大问题,创造一个更公平的世界。
但我也有担忧,担心它走向反面:我们已经看到大型科技公司造成的经济效应——太多的钱流向太少的人,而作为人类,我们在“分享我们创造的东西”这件事上做得远远不够。所以我认为,这与其说是一个技术问题,不如说是一个文化问题:我们能不能彼此相爱、彼此分享、彼此连接,并且感受到对这个世界更大的托付与责任?
技术本身在某种程度上是次要的——我们早就有核技术、有枪支、有经济体系,关键从来是我们作为一个文化共同体拿它们做什么,而不是工具本身是什么。超人智能、AGI、ASI,可以用来行善,也可以用来作恶,这取决于执掌它的人。说实话,我多么希望自己能对当今执掌这个世界的人更有信心——无论是那些超级富豪,还是政客们。我不知道世界怎么走到了这一步:最不该掌管世界的人掌管着世界,而该掌管的人却不是。我也不知道我们还能不能走出这个局面,但眼下我们只能从这儿出发。我仍希望,我们能在文化上做出改变,建立起保护我们的机制。
Sarah: 我倒觉得,象棋的复兴本身就是对“世界之问”的一个回答,而且是个极其乐观的回答:人们清清楚楚地想要习得人类的技艺——哪怕机器能做得更好;人们也发自内心地欣赏卓越的人类技艺——哪怕机器能强得多。
Erik: 对。不过你可能把范围限定在游戏里了。
Sarah: 也许吧。我确实认为,在一个能力更富余、物质更丰裕的世界里,人们会花大量时间玩游戏。但我同样认为——“在超人 AI 的世界里,人类技艺将不再重要”这种论调,单从技术本身就推导出来,是站不住脚的。这一点上,我想我们是高度一致的;至于护栏,以及技术果实的分配,那背后还有一大堆复杂问题。
“人们清清楚楚地想要习得人类的技艺——哪怕机器能做得更好;人们也发自内心地欣赏卓越的人类技艺——哪怕机器能强得多。” "It is so clear that people, they want to acquire human skills, even when the machine can outperform them."
▍点拨:Sarah 这句话或许是对“AI 取代论”最优雅的反例——象棋是 AI 最早“解决”的人类智力游戏,恰恰在这里,人类对技艺的渴望不降反升。它揭示了“取代论”的一个根本混淆:人类从事一项活动,从来不是因为它是完成某件事的最高效方式,而是因为活动本身就是目的——就像汽车发明百年后,马拉松的观众反而更多了。当然,这个答案目前只在“游戏”这个安全区被验证过,能否推广到写作、编程、诊断这些“生产性技艺”,才是 AI 时代真正的开放问题。
Chess.com 的 AI 投资
Sarah: 嗯。那你们现在在 Chess.com 内部,AI 方面都在投什么?是工具,还是产品形态上的变化?
Erik: 我们几乎在整个组织里都在用 AI。客服部门用自动化帮用户更快拿到答案,同时也有一支出色的真人客服团队在背后建设这些自动化、处理真正需要人对人的需求——两边形成了很好的共生。数据分析团队用 LLM 直接对着数据提问,挖出非常有意思的答案。
我们的 CTO Josh 很有远见,很早就开始搭建一套当时别人还没意识到需要的东西:内部的 GNS 系统——一套横跨全公司的认证与知识层,带着完整的权限体系,把组织里的知识都存了起来。我们还在自研 MarTech 技术栈,好更深入地连接用户和数据。
当然,还有开发和产品流程:写需求文档、越来越多的智能体化开发(Agentic Development)——用我的话说是“有个想法就动手,看见问题就修掉”。我们在拼命压缩从“发现一个机会或问题”到“代码真正上线到用户手里”的时间。过去软件开发周期太长了:先做深度产品论证,排进路线图,开发,再开发,测试,QA——层层交接,东西到用户手里时黄瓜菜都凉了。我们正在把这个周期砍短,而且效果已经很好。说到底,这才是我们存在的意义。
AI 将如何改变产品
Sarah: 你觉得 AI 对 Chess.com 产品最大的改变会是什么?
Erik: 我们也在把 AI 用进产品研究和用户的实际所得里。比如:把你所有的对局数据聚合成高级统计,再和“像你一样的用户”或者“刚好高你一级的用户”对比,告诉你:想到下一个层级,你最该补什么?这些分析大量借助 LLM 和 AI 来完成。
比如口袋里的 AI 象棋教练。当然,它替代不了真人教练——如果你正儿八经想拜师学艺,请去找一位优秀的真人教练,线下线上都行。但如果你想要更轻量、随叫随到的体验,AI 教练就在口袋里。我们还在原型测试一种更有交互感的形态:AI 教练回看您过去一周的对局,给出反馈和建议,你甚至可以跟它聊上几句。总之,我们正在很多方向上探索,怎么把 AI 以正面方式注入产品,陪你走好象棋这条路。
扑克评级:把象棋打法复制到 Gambit
Sarah: 我再多问一个问题,不一定有好答案,纯属好奇:我自己常玩的三种游戏是象棋、围棋和扑克。扑克跟前两个非常不一样,玩法心态也完全不同——大多数人应该都这样。扑克里有大量人际博弈的成分,而且一旦涉及金钱,还牵涉每个人对财务风险的态度。在这种情况下,你们打算怎么设计扑克的评级系统?
Erik: 问得好,这套系统我们也还在打磨。目前的大致逻辑是:结合牌桌上其他玩家的评级、你赢下的筹码、以及你打过的手数。我们有一套评级算法,未来肯定还会不断调整。
你也点到了一个关键变量:打 100 美元的局和打 1000 美元的局,人的打法差别巨大;打着玩、用 M&M 巧克力豆当筹码的局就更不用说了——我们都见过那种局:有人把把全押,反正输了就再买一把 M&M。所以赌注当然会影响行为。
但我相信,当人们慢慢开始在乎“我的扑克评级”、把它当成一件正经事之后,大家会在乎它像在乎钱一样——因为它反映的是你作为玩家的真实水平和价值。当然,和象棋一样,评级也会有涨有跌、有赢有输。我们自己的体会是:在牌桌上输 100 美元,我虽然不爽,但真没那么在意;可要是扑克评级掉了 100 分,那是真的扎心。所以我认为,这会是一项非常有意思的、属于扑克的创新。
Sarah: 我也觉得特别让人兴奋。我已经迫不及待想上去刷我自己的评级了——这对所有扑克玩家都会是一种“拉平”:到底是 Erik 真的比我强,还是他只是 M&M 比我多、而且是个恶霸?
Erik: 这个说法太妙了。
Sarah: Erik,非常感谢你来上节目。聊得太过瘾了,也祝贺你——这是你倾注热爱一手建起来的事业。
Erik: 聊得非常愉快,谢谢你的邀请,也谢谢这场精彩的对话。
Sarah: 欢迎在 Twitter 上关注我们 @NoPriorsPod;如果想看到我们的对话画面,欢迎订阅我们的 YouTube 频道;也可以在 Apple Podcasts、Spotify 或任何你常用的播客平台关注本节目,这样每周都能第一时间收听新剧集。你还可以订阅我们的邮件通讯,或在 no-priors.com 获取每期播客的完整文字转录。再见。
本期 Erik Allebest 与 Sarah Guo 的对话,收敛出五个可以直接复用的判断:
- 被一致看衰的利基,可能是最好的起点:投资人的共识是噪声而非信号——“不值得投资”的判决只说明这门生意不符合 VC 的规模叙事,不说明它做不大。会员订阅+现金滚动,让利基生意可以按自己的节奏长成巨头。
- 判断热潮看“沉淀线”,不看峰值:任何突然爆火的产品或趋势,峰值回落不可避免,真正的问题是回落后的基线停在哪。COVID 与《后翼弃兵》两波浪潮留给 Chess.com 的逐级抬升,才是“文化变迁”与“昙花一现”的分水岭。
- 不需要资本时,资本才最友善:Allebest 与 PE 的美好合作建立在一个前提上——公司从不缺钱。保持“不需要对方”的议价位置,是所有外部关系(投资、合作、雇佣)里最重要的那条护城河。
- AI 能压缩信息获取的成本,压缩不了重复的次数:工具可以让练习更顺手,但神经回路的形成没有捷径。每天 5 道题乘以一千天的笨功夫,在 AI 教练普及的时代反而是最稀缺的竞争力。
- 以 AI 制 AI,是每一家平台型公司的必修课:机器产出可以伪装成人类表现的时代,数据驱动的公正性检测(行为指纹、统计模型、多维交叉)不再是成本中心,而是平台信任的根基——象棋反作弊的打法,同样适用于教育、招聘与内容社区。