外观
通用 AI 和专用 AI 有什么区别？
一句话回答：专用 AI 为单个任务从零训练（如 AlphaGo 下围棋、AlphaStar 打星际），反应快、能碾压人类，但换个游戏就不会了；通用 AI（大语言模型）什么都能聊，如果这条线能跑通游戏，意味着不用再为每个任务专门训练 AI——这才是让大模型"笨拙地"打宝可梦的真正目的。
为什么"AI 打宝可梦"不是退步
很多人看到 AI 慢吞吞地打宝可梦，第一反应是"之前 AI 不是都赢世界冠军了吗？这不是退步？"其实这是两条完全不同的路线：
| 专用 AI | 通用 AI（大模型） | |
|---|---|---|
| 代表 | AlphaGo、AlphaStar、Stable Diffusion | ChatGPT、DeepSeek、Claude、Gemini |
| 训练方式 | 针对特定任务海量训练 | 海量文本通用预训练 |
| 优势 | 特定任务上碾压人类 | 一个模型应对万种任务 |
| 局限 | 换任务就不行（下围棋的不会打星际） | 速度慢、操作笨拙 |
专用 AI 就像专业运动员——AlphaStar 能碾压星际争霸冠军，但它只为星际训练，让它打星际拓荒，它打不了。而大模型虽然打宝可梦慢得像在爬，但如果通用 AI 也能完成这类任务，我们就不用再为每个具体场景从零训练专属 AI 了。
从宝可梦看通用 AI 的真实能力边界
Claude 和 Gemini 打宝可梦暴露出通用 AI 目前的短板：
- 思考太慢：每步决策花几十秒，走月见山迷宫需要 3 天，实时操作完全做不了；
- 视觉识别不准：像素风画面识别困难，需要人类叠加坐标信息辅助；
- 上下文有限：Claude 的上下文只有 20 万 token，每走一步都产生大量思考内容，不做定期总结很快就会忘记前面发生的事；
- 决策质量波动：走到迷宫出口附近会突然决定传送回去，3 天白走。
开发者目前的目标不是让 AI 快速通关，而是搞清楚：AI 到底怎么做决策、能否处理各种意外情况、如何自己找到答案——理解 AI agent 的能力边界比打通游戏更重要。
为什么选宝可梦
宝可梦可能是测试通用 AI 打游戏最合适的游戏类型：
- 操作时间宽裕：RPG 不要求操作速度，发呆一小时再动也不影响剧情；战斗是回合制；
- 目标可拆解：成为冠军 → 打败四大天王 → 先打道馆收徽章；NPC 对话提供规划信息；
- 操作简单：只有上下左右 + A 确认 + B 取消，AI 输出指令容易；
- 状态有数据提示：宝可梦血量、属性、技能都有文字和数值，方便 AI 理解当前情况。
常见误区
- "通用 AI 迟早淘汰专用 AI" —— 目前在需要毫秒级反应和极致精度的任务上，专用训练仍无可替代。通用 AI 的价值在于"不用为每件事从零来过"。
- "Gemini 通关了所以比 Claude 强" —— 两者实验条件不同（Gemini 直接读模拟器内存数据、有人工干预、用多智能体），无法直接比较。
相关条目
作者：人工大黑 · 转写自视频《AI正在抓皮卡丘，但它的目标根本不是成为宝可梦大师》