今天和一位大佬聊天的时候，他随口说了一句话：“你知道吗，当年 OpenAI 还打过 Dota。”这句话一下子把我拉回了很多年前。
不是因为 Dota 本身——而是因为提起 OpenAI，我们印象里留下的就是GPT，一次次能力的进化，让人们已经忘记OpenAI也曾经把基石放在一款小众游戏上。
我顺着这句话，重新翻了翻那段历史。
第一节：神降临在遗迹战场
那是2019年4月13日。主角是TI8的世界冠军OG战队和“OpenAI Five”的AI战队。比赛仅10分钟就令人印象无比深刻，AI战队靠一次“精准买活”成功打出漂亮的反击。人类世界冠军都懵了，解说也语塞了：“他疯了吗？这才10分钟！”那个瞬间，AI展现出了远超人类理解的意识——神经网络的算法下，没有教条，只有概率。只要买活的收益大于金钱成本，决定毫不犹豫，决策丝毫没有拖泥带水。通过全新而又疯狂的战术意识，实现降维打击，直接碾碎了OG的防线。
(简化版的 OpenAI Five 模型架构)
随后，OpenAI开放了公众参与的“竞技场”。短短几天，全球玩家贡献了7257场比赛，AI赢下了其中的7215场。胜率 99.4%。数据来源：https://cdn.openai.com/dota-2.pdf
第二节：被Google统治的恐惧
然而，OpenAI在Dota里杀疯了，但如果把镜头拉远，你会发现那个时代的“主角”并不是他们，而是Google的DeepMind。那时候的AI圈，是属于AlphaGo的剧情。
当时的Google，是一支逐渐让围棋人绝望的存在。2016年初出茅庐，AlphaGo 4:1 击败李世石，虽互有胜负，但实力已经远超人类水平。当我们以为这就是AI的全部，Google戏耍了一众职业选手。2017年初，一个ID叫“Master”的神秘账号出现在弈城和野狐围棋平台。数日，在职业棋手云集的平台取得了60胜0负。随着战绩的发酵，“Master”就是下一代AlphaGo的传闻甚嚣尘上，直至DeepMind的黄博士公开确认。随后公开挑战AI的柯洁在赛后更是坦言自己的绝望。紧接着，DeepMind宣布转战《星际争霸2》，推出了AlphaStar，展示了令人咋舌的多线微操，把职业选手按在地上摩擦。
在Google面前，OpenAI显得格外渺小，甚至有些“狼狈”。
相比于DeepMind在围棋上展现出的那种令人窒息的、完美的统治力，OpenAI在Dota2上的战绩其实是有瑕疵的。虽然在2019年的大众公测中胜率高达99.4%，但它还是输掉了几十场比赛。人类玩家很快发现，AI虽然操作无敌，但缺乏变通，一些“无赖战术”（比如一级偷肉山，或者利用召唤物卡位）开始在一般玩家之间传播，战胜AI仍然是一种可能。
在当时的语境下，如果将OpenAI和DeepMind放在同一水准比较甚至是一种误读。那时的DeepMind是背靠Google无限资源的正规军；而OpenAI更像是一个硅谷富豪们的昂贵玩具。或许连马斯克都对彼时的OpenAI看走了眼。当DeepMind在攻克围棋这一人类智力皇冠，并转身去解决蛋白质折叠这种造福人类的科学难题时，OpenAI花着巨额融资去打Dota2，在很多人眼里更像是一场为了融资而表演的科技杂耍。根本没人觉得这会改变什么，只是看个热闹罢了。
但谁也没想到，正是这种看似笨拙的、充满暴力的探索，让OpenAI在乱局中摸到了通往AGI的两把真正的钥匙。
第三节：在废墟中发现的两把钥匙
OpenAI的Dota之旅，表面上是一部从“脚本”到“大师”的游戏史，但其内核，却是他们对AI发展路线的一次豪赌。在被DeepMind的光环笼罩时，OpenAI通过Dota2项目，悄悄验证了两个后来颠覆世界的真理：
首先是算力即正义（Scale is All You Need），这是OpenAI与DeepMind在当时最大的分歧。DeepMind团队当时普遍认为，AI的未来在于更精妙的算法、更高效的强化学习策略。
但OpenAI的顿悟，其实源于更早一年的TI8。那一年，初出茅庐的OpenAI Five自信满满地挑战职业战队（paiN Gaming）和中国传奇老将组成的Big God战队，结果被狠狠地上了一课。人类发现AI虽然微操无敌，但只会单纯的冲脸，没有战术，没有意识。AI面对未经学习、无法处理的战场陷入了逻辑死循环，像无头苍蝇一样徘徊，最终输掉了比赛。这让OpenAI看起来远逊于DeepMind，丝毫没有形成DeepMind那般的绝对统治力。
OpenAI的路线令业内吃惊：他们没有像DeepMind那样去优化特定的策略模块，而是把模型做大，把自我博弈（Self-Play）的规模拉满。在2019年的版本中，OpenAI Five每天的训练量相当于人类打 45,000年的游戏。没有什么魔法，就是大力出奇迹。
这才有2019年对战世界冠军的胜利。大力出奇迹成了OpenAI基因级别的信仰，是后来Scaling Laws（缩放定律）的雏形。
然后是转向Transformer，这一决断是OpenAI能在后来弯道超车的另一个关键。在打Dota2时，OpenAI使用的是LSTM（长短期记忆网络）。虽然赢了，但工程师们发现，LSTM在处理超长序列和大规模并行训练时，效率极低。这令OpenAI意识到它已经是上一个时代的产物了。Dota2的胜利终是成了LSTM的墓志铭。
正是因为在Dota2撞到了LSTM的“天花板”，迫使OpenAI必须寻找一种能承载更大算力、更长上下文的架构。于是，在Dota项目进行的同时，OpenAI内部做出了一个违背祖宗的决定：彻底拥抱来自Google、但在GPT-1上尚不出彩的Transformer架构。 既然Dota证明了“大力出奇迹”是可行的，那么如果把LSTM换成更强的Transformer，会发生什么？
答案就是后来震惊世界、走进世界、改变世界的大语言模型。
第四节：分道扬镳与群星闪耀
故事并没有在Dota2项目关闭后戛然而止。花开两朵，各表一枝。OpenAI关掉了Dota2项目，Google也在不久后结束了星际争霸的征程。两家巨头都意识到，游戏只是游戏，真正的战场在更广阔的人类世界。
DeepMind并没有因为在通用大模型上慢了半拍而显得黯淡。他们的科学家们，转身就携AI攻克了“蛋白质折叠”，这一人类科学史上最难的谜题之一。 AlphaFold 的横空出世，解决了生物学界困扰五十年的难题。攻克疾病、探索生命起源，这是Google的“科学家团队”给全人类的一份厚礼。
而当大模型的浪潮袭来，Google最终也完成了转身。他们整合了DeepMind与Brain团队，推出了 Gemini。有趣的是，Gemini是Google回到Transformer架构的集大成者。兜兜转转，Google最终回到了自己开辟的道路上。
相比于DeepMind在科学领域的遍地开花，OpenAI显得有些“无趣”且“固执”。他们似乎只认准了“暴力美学”的死理。在Dota2项目验证了“规模效应”后，OpenAI把公司几乎所有的资源都赌在了语言模型上，开启了属于他们的“蛮力炼丹”。
和DOTA2项目同时进行的GPT-1 只是个不起眼的尝试。GPT-2便将规模膨胀到15亿参数。因为写出的文章过于逼真，OpenAI甚至吓得不敢第一时间开源完整模型。到了 GPT-3，参数量已经暴涨至 1750亿。
当时很多学者嘲笑OpenAI，认为这种单纯堆砌参数的做法没有技术含量，只是制造了一个“随机鹦鹉”。但是OpenAI不语，只是一味的坚持扩大训练规模之路，坚信只要量变积累到一定程度，质变就会发生。事实证明，他们继承了Dota2项目上最重要的遗产——“大力出奇迹”。这种看似最笨的办法，最终在历史的战争迷雾中通向ChatGPT的诞生。
然而，历史总是惊人的相似。 到了2025年，这种单一的信仰似乎撞上了隐形的墙。当Gemini和Claude在各项基准测试中轮番超越GPT，当DeepSeek利用MoE架构乃至最新的Engram不断推高效率时，OpenAI却显得步履蹒跚。哪怕2025年拉响了“红色警报”，它依然沉迷于不务正业的轨道上，单纯的堆砌算力、扩大算力规模被认为是和英伟达玩着三角融资游戏。除了暴力美学，OpenAI迫切的需要找到下一把关键钥匙。
尾声
回过头看，那场Dota 2的诸神黄昏，或许是硅谷历史上最昂贵的一次“A/B测试”。它催生了GPT，也验证了强化学习。无论是后来Google的Gemini，还是OpenAI的ChatGPT，或者是AlphaFold的杰出贡献，它们的底层逻辑，都来自于那个曾经的遗迹战场上。
那不是游戏的结束，那是AI世界的开端。
相关阅读：
https://openai.com/index/openai-five-defeats-dota-2-world-champions
https://deepmind.google/blog/alphago-zero-starting-from-scratch
https://deepmind.google/blog/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
▽▽▽
