跑围棋 AI 对电脑配置有什么要求？显卡、内存怎么选

先搞清楚：AI 到底吃什么

围棋 AI 的计算分两部分，吃的资源不一样：

• 神经网络推理——判断局面、给出候选点。这部分是密集的矩阵运算，主要吃 GPU，占了绝大部分计算量。
• 搜索树管理——组织和遍历搜索树。这部分吃 CPU，但开销相对小得多。

所以结论很直接：显卡决定上限，CPU 影响有限。一台配着顶级 CPU 但没有独显的机器，跑围棋 AI 的速度可能不如一台 CPU 平平但有块中端显卡的机器。

visits：衡量算力的唯一有效指标

看硬件参数不如看一个实际指标：visits / 秒。

visits（也叫 playouts）是搜索树中被访问的节点数，可以粗略理解为「AI 认真考虑过的变化数量」。每秒能跑多少 visits，直接决定了它在给定时间内能算多深。

关键认知：日常对弈和复盘所需的算力，远低于大多数人的想象。需要顶级显卡的是「把引擎榨到极限做深度研究」，不是「下棋」。

显卡：影响最大的一项

另一个常被忽略的因素是显存。神经网络权重要加载进显存，网络越大占用越多。显存不足会导致加载失败或性能骤降——遇到这种情况，换一个更小的权重网络通常就解决了。

Mac 的情况有点特殊

Apple Silicon（M 系列芯片）在这件事上表现相当好，原因是统一内存架构——CPU 和 GPU 共享同一块内存，没有传统架构里数据在内存和显存之间搬来搬去的开销，而且"显存"容量等同于系统内存，不受独立显存大小限制。

实际体验上，M 系列的 Mac 跑围棋 AI 是很流畅的，日常对弈和复盘几乎感觉不到等待。

Intel 芯片的 Mac 是另一回事，而且同为 Intel 差别也极大。M 系列走的是 Metal，Intel 机型只能走 OpenCL，两者能调动的算力完全不是一个量级。更关键的是显卡：2019 款 16 英寸 MacBook Pro 那种带 Radeon Pro 独显的机型仍然够用，而 13 英寸低压机型只有 Iris 系列核显，算力大约只有前者的五分之一，深度分析会等得相当难受。判断方法很简单——「关于本机」里看「显卡」一栏是独立显卡还是核心显卡，这一项比 CPU 型号更能说明问题。

另外苹果已经停止销售 Intel 机型，这批机器最新的也是 2019 至 2020 年的产品，不会再有性能更强的新增。

内存和硬盘

这两项都不是瓶颈，但有下限：

• 内存：建议 8GB 以上。引擎运行时通常占用 1–2GB。8GB 的机器同时开浏览器和围棋软件没问题，4GB 会比较紧张。
• 硬盘：几百 MB 到 1GB。主要是权重文件占地方（几十到几百 MB）。自包含的安装包会大一些，因为把引擎和模型都打包进去了。SSD 只影响启动速度，对下棋过程没影响。

各档配置能干什么

换句话说：如果只是想找个 AI 下棋、下完看看哪里错了，绝大多数在售的电脑都够用。配置成为真问题的场景是深度研究，那是另一个需求层次了。

怎么测自己的机器

KataGo 自带基准测试命令，能直接给出你这台机器的实际算力：

katago benchmark -model <权重文件>.bin.gz -config gtp.cfg

它会输出每秒 visits 数，并推荐合适的线程数。完整的安装和配置步骤见《KataGo 怎么安装配置》。

如果用的是打包好的软件（比如知弈），更简单的判断方法是直接体验：下一盘棋，看 AI 落子是否需要等待；点一次「形势判断」，看要多久出结果。能接受就是够用——数字不重要，体感才重要。

机器慢怎么办

按见效程度排序：

1. 换更小的权重网络。见效最快。小网络棋力略降，但对业余棋手来说仍然远超需求，速度却能快好几倍。
2. 降低对弈时的 visits 上限。陪练本来就不需要满血棋力，压低搜索量同时还能让 AI 更接近人类水平（原理见《用 AI 陪练怎么才能真的涨棋》）。
3. 确认真的在用 GPU。相当一部分「太慢」的案例，实际是下错了纯 CPU 版本的引擎，或者显卡驱动没装好导致回落到 CPU。
4. 复盘时缩小范围。不必分析全局 200 手，只分析你关心的那一段。
5. 更新显卡驱动。老驱动可能不支持所需的计算接口，或者性能明显偏低。