近年來，AI的傑出代表阿爾法系列在圍棋等博弈中取得的了耀眼的成績，但其根本仍是封閉條件下的相關性機器學習和推理，而智能博弈的根本依然是開放環境下因果性與相關性混合的人之學習和理解，這種學習能夠產生在一定程度上範圍不確定的隱性知識和秩序規則（如同小孩子們的學習一樣），這種理解可以把表面上無關的事物相關起來。種種跡象表明，未來的博弈可能就是人機環境系統融合的系統。
孫子曰：知彼知己，方百戰不殆。這裏的知既包括人的感知，也包括機器的感知，人機之間感知的區別是人能夠得意忘形，機器對於意向的理解還不能夠像人一樣靈活深入；這裏的彼既包括對手、也包括裝備和環境，這裏的己也包括己方的人、機、環境三部分。所以，沒有人，就沒有智能，也就沒有人工智能，更沒有未來的戰爭。真正的智能或人工智能，不是抽象的數學系統所能夠實現的，數學只是一種工具，實現的只能是功能，而不是能力，只有人才會產生真正的能力，所以人工智能是人、機、環境系統相互作用的產物，未來的博弈也是機器計算結合人算計的結果，是一種結合計算的算計或是一種洞察，事實上，若僅是單純的計算，算的越快、越準、越靈，危險往往越大，越容易上當受騙，越容易“聰明反被聰明誤”，而中國一個著名的成語“塞翁失馬”就說明了計算不如人的算計和洞察。
最近一段時間，一些國家分別針對未來博弈方式提出了多域、全域、馬賽克等模式，這些都是人機環境系統工程，是人、機、環境中各元素的彌散與聚合，是各種符號的分佈式表徵計算與衆多非符號的現象性表示算計綜合、混合、融合，同時也是機械、信息、知識、經驗、人工智能、智能、智慧的交叉互補。
所以，人機融合智能機制、機理的破解將成爲未來博弈致勝的關鍵。任何分工都會受規模和範圍限制，人機融合智能中的功能分配是分工的一部分，另外一部分是能力分配。功能分配是被動的，外部需求所致；能力分配是主動的，內部驅動所生。在複雜、異質、非結構、非線性數據/信息/知識中，人的或者是類人的方向性預處理很重要，當問題域被初步縮小範圍後，機器的有界、快速、準確優勢便可以發揮出來了；另外，當獲得大量數據/信息/知識後，機器也可以先把他們初步映射到幾個領域，然後人再進一步處理分析。這兩個過程的同化順應、交叉平衡大致就是人機有機融合的過程。
未來的博弈不僅是智能化博弈，更是智慧化博弈，未來的博弈不但要打破形式化的數學計算，還要打破傳統思維的邏輯算計，是一種結合人、機、環境各方優勢互補的新型計算-算計博弈系統。這有點像教育，學校的任務是將知識點教授給學生（有點像機器學習一樣），但教育不只是教授知識點，教育應該挖掘知識背後的邏輯，或者是更深層次的東西。比如，我們在教計算的時候，其實要去想計算背後是什麼。我們首先是應該培養學生們的數感，再去教他們計算的概念，什麼是加、什麼是減，然後教怎麼應用，進而形成洞察能力。
在智慧化博弈中，協同博弈是必要的手段。鑑於核的不斷蔓延和擴散，國家無論大小，國與國之間的未來博弈成本將會越來越高。從某種角度上說，兩者既是合作伙伴，又是競爭對手和戰略對手（既要防止核/生化/智能系統失控，又要摧毀對方的意志並打敗對手）。如果把男性看作力量，把女性看作智慧，那麼未來的博弈應該是女性化戰爭，至少是混合式的博弈。
無論人工智能怎樣發展，未來是屬於人類的，應該由人類共同定義未來博弈的遊戲規則並決定人工智能的命運，而不是由人工智能決定人類的命運。究其因，人工智能是邏輯的，而未來博弈不僅僅是邏輯的，還存在着大量的非邏輯因素。面對對方強勁的電磁頻譜和網絡空間博弈能力，各力量之間協同實施多領域博弈時，信息通聯、指揮控制系統，情報、監視、偵察等各個系統的無縫銜接和協調統一也將是一大考驗。
所以，未來博弈是將人機環有效結合，並協同多方領域，形成的智慧化協同博弈模式。