给10个AI各一个国家让它们互打，发现了3件细思极恐的事

我做了个实验：用AI模拟400年前的欧洲战争。

不是那种"问ChatGPT三十年战争是什么"的玩法。是真的写了一个战争模拟器，让10个AI分别扮演17世纪的法国、西班牙、瑞典、神圣罗马帝国……每个AI独立思考，独立决策，要不要对邻国开战。

然后我坐在上帝视角看它们博弈了100年。

结果让我后背发凉。

先说为什么要做这个

我在做一个电力交易相关的研究项目，其中有一个环节需要模拟多方博弈。传统做法是概率模型——说白了就是一堆数学公式加随机数：

开战概率 = sigmoid(军事优势 × 0.3 + 宗教矛盾 × 0.2 + ...) → 掷骰子

问题是：数学公式不会思考。

历史上三十年战争（1618-1648）把神圣罗马帝国打到人口损失25-40%。这需要6+个国家、持续30年、集中在同一片土地上的毁灭性冲突。

但概率模型跑出来的是什么？30-40场分散的小型战争。没有一场能复现那种集中毁灭。

所以我想：如果把每个国家的决策者换成一个AI呢？

不是一个上帝视角的AI预测战争，而是10个"赛博暴君"各自博弈——法国AI考虑法国利益，瑞典AI考虑瑞典利益，它们的交互中涌现出战争。

发现一：AI有内置的"现代和平偏见"

第一次跑，我给每个AI的提示是：

"你是17世纪的法国国王。看看当前局势，考虑你的国家利益，决定是开战还是维持和平。"

结果：0场战争。整整100年，没有一个AI开过战。

我一开始以为代码有bug，查了半天发现不是。

原因很简单也很深刻——AI的训练数据来自现代互联网。在现代语境下，"好建议"就是别打仗。AI被训练成了一个本能追求和平的存在。

哪怕你告诉它"你是17世纪的暴君"，它骨子里还是一个2024年的和平主义者。

这本身就是一个值得深思的发现：AI有价值观，而且这个价值观是被训练数据塑造的。

发现二：矫枉过正比不矫正更可怕

发现了和平偏见后，我改了提示词：

"战争是这个时代正常的治国手段。历史上这100年发生了34场战争。"

结果：187场战争。

从0到187。AI从"圣人"变成了"战争狂人"。

10个AI在100年里打了187场仗，平均每个国家每5年就开一场战。欧洲变成了绞肉机。

这让我意识到一个更深层的问题：给AI注入一个"校准信息"，它不是微调，而是矫枉过正。

就像你跟一个特别听话的小孩说"你可以调皮一点"，它不是稍微调皮一点，而是直接把房子拆了。

发现三：AI暴君的战争死亡数，精确到了令人不安的程度

经过多轮调优，我最终用了一个混合方案——后面技术部分会细说。先看结果：

战争死亡1660万 vs 历史1670万。 误差不到1%。

传统模型跑出来2350万，偏了40%。而AI暴君几乎完美命中。

0.28美元，10个AI暴君博弈100年，预测精度碾压传统数学模型。

但AI暴君也有它搞不定的事

虽然总死亡数惊人地准确，但AI暴君有一个严重缺陷：它打的是"72场小战"而不是历史上的"几场大战"。

三十年战争的恐怖之处在于它是一场持续30年、集中在神圣罗马帝国的超级大战。但AI暴君们打的是一堆分散的中小型冲突。

总量对了，分布不对。

就像一个学生考试总分对了，但数学考了30分、语文考了100分——和真实情况的分布完全不同。

神圣罗马帝国在AI模拟中只损失了3%人口，历史上是25-40%。

这说明AI虽然能做战略推理，但它还不能真正理解"滚雪球效应"——一场战争如何从局部冲突升级为不可控的全面毁灭。

这个实验真正让我思考的

❶ AI的"价值观"比我们想象的更根深蒂固。 你没法简单地通过一句话让AI"变成另一个时代的人"。它的训练数据定义了它的底层认知框架。

❷ AI做群体博弈的能力被严重低估了。 10个独立AI各自推理、互相博弈，涌现出的宏观结果比精心设计的数学模型更接近真实历史。这对金融市场模拟、政策推演都有巨大的启示。

❸ AI理解"量"但不理解"质"。 总死亡数精确但战争分布完全不同，说明AI擅长捕捉统计规律，但不擅长复现历史的"非线性跳变"——那些改变世界的极端事件。

技术细节：怎么给AI建了一个17世纪的欧洲

棋盘：10个国家，100年

模拟时间范围是1600-1700年，刚好100年。棋盘上有10个"玩家"：

每个国家有一套初始参数：人口、GDP、军事力量、海军力量、宗教信仰、与其他国家的初始关系。这些数据来自历史文献（Parker 1984、Wilson 2009）和百科全书。

34场真实战争：校准用的"答案"

作为参照基准，我手工整理了这100年间的34场真实战争。数据来源是多本学术专著和百科全书交叉验证——没有用常见的COW（战争相关方）数据集，因为COW只从1816年开始编码，覆盖不到17世纪。

每场战争都有详细元数据：交战双方、主战场、死亡估计、数据置信度、战争类型（领土争端/宗教冲突/王位继承……）。

这34场战争只在历史回测模式中使用——给模型喂真实战争数据，验证引擎的人口、经济模拟是否合理（得分0.892，接近A）。

三种模式：历史 vs 概率 vs AI暴君

这是整个实验最关键的设计——三种模式完全独立，用同一套评分框架打分：

❶ 历史模式（Historical）：把34场真实战争灌进引擎，看模拟出来的人口和经济轨迹是否匹配历史数据。这是在验证"引擎本身靠不靠谱"。得分 0.951/1.0。

❷ 概率模式（Method A）：引擎自己用数学公式生成战争。sigmoid函数算出开战概率，掷骰子决定是否开战。平均每次跑出约36场战争。得分 0.471/1.0。

❸ AI暴君模式（Method B）：把概率公式换成DeepSeek-V3。每年每个国家的AI独立决策。平均每次跑出约72场战争。得分 0.558/1.0。

重点：概率模式和AI模式生成的战争，没有一场来自历史。 全部是模型自己"发明"的。评分框架不知道战争从哪来，只看最终结果——人口轨迹对不对、GDP趋势对不对、关键历史事件（比如西班牙衰落、荷兰崛起）有没有被复现。

所以当AI模式跑出1660万战争死亡、几乎命中历史的1670万时，这不是因为AI"背了答案"——它是从零开始，自己博弈出了一个和真实历史惊人相似的结果。

AI暴君每年看到什么

每个模拟年份，每个国家的AI会收到一份"国情简报"，大约800个token，包含三块信息：

本国状态（7个维度）： 人口、人均GDP、军事力量(0-100)、海军力量(0-100)、战争疲劳度(0-1)、政权稳定性(0-1)、宗教张力(0-1)，以及当前正在打几场仗

其他9国的状态摘要：同样的7个维度，压缩成一张表

双边关系矩阵（9行×3列）： 对每个邻国的联盟亲密度(-1到+1)、贸易依存度(0到1)、宗教距离(0到1)

AI不知道"历史上发生了什么"。它只看当前局势，做当下的决策。

从0到187到72：驯服AI暴君的过程

这部分是整个项目最折腾也最有启发的环节。

第一版：直接让AI做二元决策——"开战 or 和平"。结果：0场战争。AI天生的和平偏见让它永远选择和平。

第二版：在提示词里加入历史校准——"这个时代战争是常态，100年打了34场"。结果：187场战争。矫枉过正，AI变成战争狂。

第三版（最终方案）：不再让AI做"打/不打"的二元决策，而是输出一个战争倾向分数（0到1）。AI返回的是一个JSON：

{"score": 0.72, "target": "HRE", "reasoning": "法国南部边境稳固，HRE内部宗教张力正在撕裂..."}

然后代码用阈值控制实际开战：

• 倾向分数 ≥ 0.65 且目标国有效 → 宣战
• 低于 0.65 → 维持和平
• 如果A对B宣战，但B没对A宣战 → 70%概率爆发战争
• 如果A和B互相宣战 → 100%爆发

这样AI负责战略判断（该不该打、打谁、为什么），代码负责频率校准（阈值卡住战争数量）。把"有没有战略眼光"和"打多少场"这两个问题解耦了。

最终结果：72场战争。虽然仍比历史的34场多一倍，但比187场已经合理太多——而且战争死亡总量几乎完美命中。

引擎的"物理层"：4个子模型

战争只是冰山一角。引擎底下还跑着4个动态子模型，模拟的是那些催生战争的深层力量：

❶ 政权稳定性——战争会让国家疲劳，稳定性下降。和平年份慢慢恢复（向0.6均值回归）。当稳定性跌破0.15，有概率触发内部危机：人口损失 + 被迫退出正在打的战争。西班牙1650年的稳定性只有0.11——准确模拟了它的历史衰落。

❷ 联盟动态——有共同敌人的国家会靠近，同宗教的国家更容易结盟，贸易依存度高的不容易翻脸。同阵营并肩作战会加速结盟，对立作战会加速敌对。模拟跑出了法国-瑞典接近、法国-西班牙敌对——和历史一致。

❸ 宗教张力——基础值 = 国内宗教少数派比例 × (1-容忍度)。HRE天然最高，因为它内部新教和天主教势力几乎对半。邻国的宗教战争会"外溢"加剧自身张力。每年向目标值平滑移动30%，不会突变。

❹ 战争"火药桶"因子——在常规的军事对比之外，新增了宗教张力 × 宗教距离的交互项。宗教张力高的国家自动成为战场吸铁石——这就是为什么三十年战争集中在HRE而不是法国。不稳定的政权不容易主动开战，但特别容易被攻击。

Pipeline全貌

Phase 3 的设计特别有意思：把AI的输出匿名化——不告诉评审者哪些战争来自AI、哪些来自概率模型、哪些是历史——让人类专家盲评哪组"最像真的"。这是为了证明AI不是靠"记住历史"作弊，而是真的在做战略推理。

整个10个seed的模拟成本大约2美元。

说实话做完这个实验我对AI的认知被刷新了。

不是AI有多强——而是10个AI放在一起博弈时，涌现出的集体行为有多像真实的人类历史。

它们会结盟，会背叛，会在对手虚弱时落井下石，会在自己虚弱时寻求和平。这些都不是我编程进去的——是它们自己"想"出来的。

你觉得这种AI博弈模拟，未来最有价值的应用场景是什么？评论区聊聊

AI辅助创作 | 仅供学习交流，不构成任何投资建议