究竟如何落地推理王者o1？

2024-11-08

o1“被泄露”的完整版本，成为上周AI界的一大新闻。

9月13日，OpenAI发布了一个全新的模型系列预览版o1版，传说中的“草莓”号。 preview，接着又推出了o1 mini。o1模型系列可以模仿人类思维过程中的“慢思维”，提高人工智能的逻辑推理能力，成为人工智能模型领域的王者，影响整个行业的神经。

但就在上周，很多用户突然发现完整版o1可以在ChatGPT官网使用。奥特曼甚至不小心“登错了账号”，并在社交媒体上宣布“o2即将出现”。

从o1 从preview到o2，这一系列的模型都爆炸了，但似乎所谓的推理能力并没有真正融入到工业应用中，以至于每个人都有一种狼来了的感觉，开始猜测这只是奥特曼的又一个宣传噱头。

比如有网友认为完整版o1已经发布，不是“粗心大意”，而是“精心策划”的炒作，奥特曼的“错号剧透o2”也是假的。

怎样避免真正的技术价值沦为“狼来了”的戏码？回答是，不要让模型能力变成空中楼阁，而要加快落地到行业。

究竟什么情况才能充分发挥o1“慢思考”的技术潜力？本文将探索产业化的发展方式。

慢慢地思考，o1模型系列的核心价值

落地行业，前提是正确认识技术的价值。o1模型系列和老前辈最大的区别和价值是什么？就是慢慢思考。

我们都知道GPT-4o处理一些日常琐事是可以的，但是我们会时不时的犯一些小困惑，小学数学题的加减都有很多漏洞。o1就像一个严格要求的校长，专业的逻辑判断，复杂的任务问题。不久前，在伦敦OpenAI开发者的日本，完整版o1的五大能力包括:函数调用、开发者message、流动传输，结构化导出，图像理解。

如果说4o的数学水平是高中生水平，那么9月份发布的o1-preview就有了大学生水平，即将发布的o2在GPQA研究生水平标准中取得了105%的成绩，将来将是一个合适的研究生。

而且以上能力取决于o1的独特秘籍——慢思考。

已知的人脑有两种模式:一种是快速思考，也就是我们通常的“一拍额头”，靠感觉和经验做出快速决策；另一种是慢思维，是指在解决数学问题和进行科学推理时，需要时间和精力去思考的思维模式，更加注重逻辑和理性分析。

o1在学习过程中，人脑仔细思考，稳扎稳打的思维模式，o1选择强化学习。思考链条，把复杂的问题分成小块，一步一步来，直到得到最准确的答案，大大提高了模型推理能力。

研究生级别的o1模型系列给AI领域带来了全新的可能性。但是如何真正把“慢思维”的技术潜力转化为实际应用，让o1成为推动产业进步的中坚力量呢？这仍然是一个需要进一步探索的话题。

行业大不相同，落地有顺序。根据落地难度，我们可能会看到类o1的“慢思考”能力，并逐步应用于以下行业。

第一站：金融

坚实的数字化基础，对新技术的高接受度，强大的支付能力，使金融成为大型技术落地的理想场所。

大多数大型模型制造商都把金融业作为业务发展的第一站。但在金融与大模型结合的过程中，由于大模型的推理能力不强，加上幻觉问题，大模型在金融领域的复杂应用中表现并不理想。

此前，大模型在金融行业的应用范围主要是智能客服、报表文档助手等一些容错率较高的浅层应用。然而，风险控制、信贷、投资分析等严肃的生产力场景需要深入分析和推理各种模式的数据，决策质量要求很高。在这些核心业务中，大模型在工作流中的价值相对有限，主要取决于人类专家。

一位银行从业者表示，客户需要我们的财务分析师给出尖锐而专业的观点来帮助决策，而大模型只是泛泛而谈，没有参考价值。

每个人都希望由专业的金融从业者服务。如果AI模型可以应用于一些容错率低的严肃场景，只需要少量的人工控制、监督和验证，专业人士的时间和精力就能释放出来吗？随着“慢思考”逻辑推理能力的出现，这种期待真的有可能实现。

基于类o1的逻辑推理能力，我们预计AI将在金融核心业务中发挥专家作用，发挥更重要的作用。例如，专业审查员可以阅读信用报告，阅读账单流程，甚至解读网络大数据，思考和捕捉数据之间的联系，并生成风险判断的依据和结论。

或者像专业分析师一样，根据用户需求进行个性化的产品设计，仔细分析投资策略，给出理财、投资、保险等建议。

慢慢思考可以让AI突破金融行业大模型的价值上限，从浅薄、边缘、单一的场景进入复杂、核心、高价值的核心业务。

第2站：A14S

“o1太强了...我的医生工作了20个小时，经过3分钟的思考，我赢了。这是我刚读博士的时候做的。我觉得我的生活是灰暗的[眼泪]。”逻辑推理能力达到研究生水平的o1模型系列，让很多人类研究生和博士生感到了实际的困境。

但是用一句流行语来说，“o1不是为了拆散科研的家庭，而是为了加入这个家庭”。

近几十年来，神经网络算法在科学研究领域得到了广泛的应用。数据科学和算法工程提供了大量的操作模式，从宏观世界的天文探索、引力波探测到微观世界的蛋白质折叠和同步灯源，帮助科学领域的探索性项目取得突破。AI技术已经成为科学研究不可或缺的一部分，AI4S的大趋势无法阻挡。

面临这个过程，一位大学力学老师曾经对我们进行过描述：AI与力学的结合，就像一段成功的婚姻刚刚开始，会有甜蜜期，也会有磨合期。

虽然传统的模型算法具有很强的计算能力和方法，但缺乏深入的逻辑推理能力和对科学原理的深刻理解。面对复杂的科学问题，他们通常无能为力，难以提供准确可靠的解决方案。思维方式与追求严谨的科学家完全不同。以前的AI4S完全取决于人类的迁就。

o1慢思维强调逐步分析和深入推理，与科学研究的本质不谋而合。一个思维能力慢的AI模型，相当于掌握了硕士和博士的学习方法，可以逐步拆解问题，处理数据，反复计算，推导结论。

在科学研究领域，类o1模型可以作为科学家的“科学研究伙伴”，起到几个作用：

启发缪斯的灵感。在一些经典的科学问题或成熟的科学研究成果中，科学家通常需要开发新的方法和理论。在这个过程中，AI的逻辑推理能力可以发现数据之间的潜在联系和规律，提出新的假设和预测，为科学研究开辟新的道路。

2.研究助理。由于科学领域的“垂下果实”被采摘，科学家们不得不解决更复杂的问题。以机械为例。在深水探索任务时，不仅要进行简单的维度对比，还要进行更详细的探索研究，包括复杂的外流环境、潜水等复杂动作，这是传统流体控制方法无法预料的。而且逻辑判断大模型可以在这种非线性、高维度的科学问题和科研应用方面有更好的表现。比如Marioo，马克思普朗克研究所的量子物理学家。 Krenn，它显示了复杂的量子物理问题，o1-preview正确地完成了计算。

3.工程助理。科学研究的目的不是简单地开发新的方法和理论。最终的结果应该转化为工业，以解决工业和生活中的实际问题。这不仅需要新颖的想法，还需要技术的安全性、成熟度和容错率。此时，具有逻辑推理能力的大模型可以处理工业场景中的复杂问题，减少幻觉，降低实际应用中的故障率，就像工程师助理一样。

无论是容错率高的创意任务，还是容错率低的工程任务，拥有“慢思维”能力的大模型，都会是更有效的助手，陪伴科学到老。

第3站：教育

ChatGPT的第一个应用案例是帮助学生做作业，因此受到许多国家和学校的严格控制。虽然这个应用领域不可取，但它显示了一个道理:教育行业充斥着大量的文字，重复的任务，是大模型落地的最佳场景。

过去一年多来，“大模型” “教育”新出路的爆发也证实了教育行业AI化的价值存在。但真正应用的主要功能是AI口语对话、AI批改作文、LLM翻译、中英文写作等。

一旦涉及到数学、物理、化学等复杂的学科内容，即使是“9.9和9.11谁大”的GPT也会集体熄火。国内大型模型也是如此。一位国内大型数学模型工作人员告诉我，做数学题的正确率是60%。哪位家长敢让自己的数学成绩刚刚合格，还喜欢“胡说八道”的AI给孩子当家教？

模型能力边界受到逻辑判断的限制。而且模型能力的限制，进一步影响了智能教育硬件、个性化AI在线辅导服务的市场化推广步伐。处理大模型可以说是教育学的商业化问题，最重要的是问技术要出路，这也是慢思模型的价值所在。

第一，大模型思维缓慢，数学推理能力飞跃，数学准确率更是肉眼可见。2024年刚刚结束。在IOI信息学奥林匹克竞赛问题中，o1的微调版本在每个问题尝试50次的情况下获得了213分，属于人类选手的前49%。假如允许它尝试每道题10000次，可以得到362.14分，可以得到金牌。对于具有计算率和开发能力的大型教育模型公司来说，完全有可能开发出具有强大数学能力的垂直类模型，为复杂学科或高年龄段提供AI指导功能。

第二，多模式推理模式叠加，教育应用进一步发展。完整版本的泄露o1已经具备了多模态能力，支持上传附件，或者直接识图。有些网民把一个普特南数学竞赛的证明题截图发给o1，然后成功地完成了具有图像推理能力的o1。这意味着教育模式不再局限于文本和语言对话的功能，而是可以与物理世界互动，如拍照和回答问题、实时监控和问答等。无论学生在现实世界中问什么问题，AI都可以大概率找到正确的答案。

更重要的是，因为慢思维模式不再盲目追求参数和scaling law，而重点是提高推理能力和认知效率。换句话说，面对一个复杂的问题或任务，AI模型开始使用“更聪明”的方法，而不是“大飞砖”的愚蠢方法。模型参数值更小，更容易在硬件终端上部署。在相同的终端配备下，推理模型可以表现得更好，有助于AI学习机等教育智能产品的普及，给教育行业带来新的增长点。