推理王者o1到底怎么落地？-电子发烧友网

完整版o1“被泄露”，成了上周AI界的大新闻。

9月13日，OpenAI发布了传说中代号“草莓”的全新模型系列的预览版o1 preview，随后又上线了o1 mini。o1模型系列，能够模仿人类思维过程“慢思考”，提升了AI的逻辑推理能力，成为AI模型领域的王炸，牵动着整个行业的神经。

而就在上周，有不少用户突然发现，能在ChatGPT官网上用到完整版o1了。奥特曼更是不小心“登错账号”，在社交媒体宣布“o2即将登场”。

从o1 preview到o2，这一系列模型，炸裂归炸裂，但所谓的推理能力好像并没有真正融入产业应用，以至于大家都有种狼来了的感觉，开始猜测这不过是奥特曼的又一次宣传噱头。

比如，就有网友觉得完整版o1被释放，并不是“不小心”，而是“精心策划”的炒作，奥特曼“登错号剧透o2”也是装的。

如何避免真实的技术价值沦为“狼来了”的戏码？答案就是，别让模型能力成为空中楼阁，而是加速落地到产业中。

到底哪些场景才能充分发挥o1“慢思考”的技术潜力呢？本文就来找找产业化落地的路子。

落地产业，前提是正确认识到技术的价值。o1模型系列与老前辈们的最大区别和价值究竟是啥呢？就是慢思考。

我们都知道GPT-4o啥的处理些日常琐事还行，但时不时就会犯点小迷糊，算个小学数学题加减法都错漏百出。而o1就像是经过严格训练的学霸，专克逻辑推理、复杂任务难题。前不久的OpenAI伦敦开发者日上，完整版o1的五大能力包括：函数调用、开发者message、流式传输、结构化输出、图像理解。

如果说4o的数学水平是高中生程度，那么9月发布的o1-preview就有大学生水平了，即将发布的o2在GPQA研究生级别基准中取得了105%的成绩，未来是妥妥的研究生了。

而上述能力靠的就是o1的独门秘籍——慢思考。

已知人脑有两种模式：一种是快思考，就是咱们平时“一拍脑门”那种凭直觉、靠经验的快速决策；另一种是慢思考，指的是在解数学题、进行科学推理需要花时间、费精力去琢磨的思考模式，更注重逻辑和理性分析。

o1通过学习人脑深思熟虑、稳扎稳打的思考模式，o1采用强化学习+思维链，把复杂问题拆成小块，一步步来，直到得出最准确的答案，极大地提高了模型的推理能力。

研究生级别的学霸o1模型系列，给AI界带来了全新的可能。但如何将“慢思考”的技术潜力真正转化为实际应用，让o1成为推动产业进步的重要力量？还是一个需要进一步探索的话题。

产业大不同，落地有先后。按照落地的难易程度，我们可能会看到类o1的“慢思考”能力，在以下产业逐步应用开来。

坚实的数字化基础、对新技术的高接受度、强大的付费能力，这些特性使得金融成为大模型技术落地的理想场所。

几乎所有的大模型厂商，都将金融行业作为业务开拓的第一站。然而，在金融与大模型的结合过程中，由于大模型的推理能力不强，加上幻觉问题，导致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，主要是一些容错率较高的浅层应用上，如智能客服、报表文档助手。而风控、信贷、投资分析等的严肃生产力场景，需要对多种模态的数据，进行深入分析和推理，决策质量要求极高。这些核心业务中，大模型在工作流中发挥的价值相对有限，主要还是得靠人类专家来做。

一位银行从业者表示，客户需要我们的理财分析师给出犀利、专业的观点来帮助决策，而大模型只会泛泛而谈，没什么参考价值。

人人都希望由专业的金融从业人员来服务，如果AI模型能够在一些容错率低的严肃场景中应用，只需要少量人工干预、监督和验证，那么专业人士的时间精力，不就可以解放出来了吗？随着“慢思考”逻辑推理能力的出现，这一期待真的有可能实现。

基于类o1的逻辑推理能力，我们有望看到AI在金融核心业务中承担起专家角色，发挥更重要的作用。比如像专业审核员一样读征信报告、看账单流水，甚至能解读网络大数据，思考和捕捉数据之间的关联，并生成风险判断的依据和结论。

又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，缜密分析投资策略，给出理财、投资、投保等建议。

慢思考可以让AI从浅层、边缘、单一的场景，进入到复杂、核心、高价值的核心业务中，突破大模型在金融行业的价值上限。

“o1实在太强了……我的博士作业做了20个小时，被它3分钟思考就拿下了。刚读博就出这个，感觉人生都灰暗了[流泪] 。”逻辑推理能力达到研究生水平的o1模型系列，让不少人类研究生、博士生感到了切实的危机。

但用一句流行语来说，“o1不是来拆散科研这个家，而是来加入这个家的”。

近几十年来，神经网络算法已经被广泛应用于科研领域，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、同步光源等，数据科学和算法工程提供了大量的操作手段，帮助科学领域的探索性课题取得突破。AI技术已经成为科学研究不可或缺的一部分，AI4S的大趋势不可阻挡。

面对这个过程，一位高校力学老师曾对我们说过一个比喻：AI和力学的结合，就像是成功的婚姻才刚刚开始，会有甜蜜期，也会有磨合期。

传统模型算法虽然有强大的计算能力和手段，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时，往往力不从心，难以提供准确且可靠的解决方案。思考方式跟追求严谨的科学家们大相径庭，此前的AI4S全靠人类迁就。

而o1慢思考强调的逐步分析、深入推理，这种思考方式与科学研究的本质不谋而合。具备慢思考能力的AI模型，相当于掌握了硕博们的学习方法，可以逐步拆解问题、分析数据、反复验算、推导结论。

在科研领域，类o1模型可以作为科学家们的“科研伴侣”，扮演好几种角色：

1.灵感缪斯。在一些经典的科学问题，或者已经成熟的科研结果上，科学家们往往还要开发新方法、新理论。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.科研助理。随着科学领域“低垂的果实”被摘完，科学家们要去解决更复杂的问题。以力学为例，在深水探索任务中，不仅要做简单的维度对比，还需要做更细节的探索研究，包括复杂的洋流环境、水下潜入等复杂动作，这些是传统的流体控制方法所难以预测的。而逻辑推理大模型可以在这类非线性、高维度的科学问题与科研应用上，有更好的性能表现。比如马克思普朗克研究所的量子物理学者Mario Krenn，就展示了o1-preview正确完成计算的复杂量子物理问题。

3.工程师助理。科研目的不是简单地开发新方法、新理论，最终成果要转化到工业界，去解决工业、生活中的现实问题，这就不单单需要新颖的想法，还需要技术的安全性、成熟度、容错率等。这时候，具备逻辑推理能力的大模型，可以在工业场景中处理复杂问题，降低幻觉，如同工程师助理一样，减少实际应用中的故障率。

无论是容错率较高的创造型任务，还是容错率较低的工程类任务，拥有“慢思考”能力的大模型，都会是一名更得力的助手，与科学长相厮守。

ChatGPT的第一个应用案例，就是帮学生写作业，为此遭到了各国多所学校的严格限制。这种应用场景虽然不可取，但说明了一个道理：充斥着大量文本、重复任务的教育行业，是大模型落地的绝佳场景。

过去一年多来，“大模型+教育”这个新风口的爆发，也证实了教育产业AI化的价值切实存在。但真正落地的应用，主要还是以AI口语对话、AI批改作文、LLM翻译、中英文写作等功能为主。

一旦覆盖到复杂的学科内容，比如数学、物理、化学等，连“9.9跟9.11谁大”都搞不清楚的GPT们就集体熄火了。国产大模型也同样如此，一位国产数学大模型的工作人员告诉我，做数学题的正确率是60%。试问哪个家长敢让数学成绩刚及格，还热爱“胡说八道”的AI给孩子当家教呢？

逻辑推理，限制了模型的能力边界。而模型的能力限制，又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。可以说，解决大模型+教育的商业化问题，最关键的是问技术要出路，这也是慢思考模型的价值所在。

首先，具备慢思考的大模型，数学推理的能力飞跃，数学正确率更是肉眼可见地高涨。在刚刚结束的2024 IOI信息学奥赛题目中，o1的微调版本在每题尝试50次条件下取得了213分，属于人类选手中前49%的成绩。如果允许它每道题尝试10000次，能获得362.14分，可以获得金牌。对于有算力、有开发能力的教育大模型公司来说，完全有可能开发出数学能力很强的垂类大模型，提供面向复杂学科或高年龄学段的AI辅导功能。

其次，叠加了多模态的推理大模型，进一步开拓教育应用。在泄露出来的完整版o1，已经具备多模态能力了，支持上传附件，或直接识图。有网友将一道普特南数学竞赛的证明题截图发给o1，就被具有图像推理能力的o1成功搞定。这意味着教育类大模型不再局限于文本、语言对话类的功能，可以跟物理世界产生交互，比如拍照答题、实时视频问答等，不管学生问的是现实世界中的什么问题，AI都能大概率找出正确答案。

更为关键的是，由于慢思考的模型不再一味追求参数、追求scaling law，而是着重于提高推理能力和认知效率。也就是说，面对一个复杂问题或任务，AI大模型开始以“更聪明”的方法，而非“力大飞砖”的笨办法，模型的参数规模更小，更便于在硬件终端上部署，在同样的终端配置下，推理大模型可以表现更出色，这有利于AI学习机等教育类智能硬件的普及，为教育行业带来新的增长点。