OpenAI o1發(fā)布之后，復雜邏輯推理能力驚艷業(yè)界，數(shù)理能力達到博士水平。比如此前一直困擾LLMs的“9.9和9.11誰更大”問題，就在o1時代得到了解決。

于是有了一種說法：這一輪AI浪潮，中國越追趕越落后，跟OpenAI的差距越來越大。

現(xiàn)實情況真的如此嗎？我們不必急著下結(jié)論，不妨一起來思考三個問題：

近年來以大模型為主的通往AGI之路，究竟是怎么發(fā)展的？

中國AI在世界一流技術(shù)路線上到底發(fā)展到哪一步了？

以及面對o1，國產(chǎn)AI能應對嗎、怎么應對？

毋庸置疑，OpenAI此前一直稱得上是AI技術(shù)創(chuàng)新的“火車頭”。從ChatGPT至今，OpenAI用一個又一個模型證明了，通往AGI的三個技術(shù)方向：

1.GPT路線。從ChatGPT到GPT 4o，這一路線的核心是用模型對token流進行統(tǒng)計建模的通用技術(shù)，token可以是文本、圖像、音頻、動作選擇、分子結(jié)構(gòu)等。最新的4o就是多模態(tài)融合的代表。有業(yè)內(nèi)專家表示，這一路線更貼切的名字可能是“Autoregressive（自回歸）Transformer”之類的，

2. Sora路線。Sora和GPTs一樣，都使用了Transformer架構(gòu)，為什么單獨作為一支呢？因為展現(xiàn)了一種對現(xiàn)實世界復雜現(xiàn)象的建模能力。圖靈獎得主、Meta公司首席科學家楊立昆（Yann LeCun）認為，Sora可能是擺脫了人類專家所謂的一些知識干預后，更接近世界本源的，更準確的一種建模方式。

3. o1路線。GPTs也好，Sora也好，都是概率模型，以損失推理效率為代價，因此理論上永遠會出現(xiàn)偏差，具體表現(xiàn)為“幻覺”、不可靠性。怎么讓模型具備真正的邏輯推理能力呢？o1路線通過Inference 的方法，基于強化學習（RL）能力，使用CoT思維鏈將復雜問題拆解，并讓多個子模型來協(xié)作解決，相當于復雜Prompt的自動化，極大地提高了模型的推理能力，確實在LLMs難以搞定的數(shù)理問題和復雜任務上有很好的表現(xiàn)。

不難看到，兩年以來OpenAI引領的三個方向，只要目標明確，中國AI都是可以攻下的。目前，國產(chǎn)類GPT和類Sora模型，無論是底層架構(gòu)、具體技術(shù)、落地產(chǎn)品，其實并不遜色于OpenAI的模型，很快就縮小了技術(shù)代差。

這也說明了一件事，每一次OpenAI明確了方向，結(jié)果并不是“越追趕越落后”，反而可以讓中國AI聚焦并集中資源，進行有效研發(fā)，進一步縮小差距。

具體到o1，我們認為也將延續(xù)上述走向，國產(chǎn)AI很快會完成突破。那么，目前業(yè)界準備得怎么樣了呢？

“在通往AGI的路上，已經(jīng)沒有任何阻礙”，這句話來形容o1的意義，并不夸張。如此跨越式的突破，國產(chǎn)AI真的做好準備了嗎？我們深入技術(shù)本質(zhì)，去追根溯源。

OpenAI聯(lián)合創(chuàng)始人、科學家Greg Brockman，在博客中剖析了o1的底層邏輯。他寫道：OpenAI o1是我們第一個通過強化學習訓練的模型，在回答問題之前會深入思考。模型進行系統(tǒng) I 思考，而思維鏈則解鎖了系統(tǒng) II 思考，可以產(chǎn)生極其令人印象深刻的結(jié)果。

所謂系統(tǒng) II 思考，指的是人腦依賴邏輯和理性分析，進行的慢速復雜推理?？梢耘c負責快速直覺決策的系統(tǒng) I 相互配合，來實現(xiàn)更好的模型性能。

360集團創(chuàng)始人周鴻祎則表示，OpenAI o1遵循的可能是“雙系統(tǒng)理論 Dual Process Theory”，核心在于兩種系統(tǒng)并非獨立而是協(xié)同運作。由此推測，其內(nèi)部構(gòu)建的更加智能的模型或許是 GPT和o系列結(jié)合思維鏈的融合系統(tǒng)，前者用于“快思考”，后者實現(xiàn)“慢思考”。而CoE（Collaboration-of-Experts，專家協(xié)同）架構(gòu)則集合了數(shù)量更多的大模型和專家模型，是通過思維鏈和“多系統(tǒng)協(xié)同”的方式實現(xiàn)“快思考”和“慢思考”。

熟悉國內(nèi)AI的讀者可能發(fā)現(xiàn)了，“慢思考”這個說法怎么這么眼熟呢？

沒錯，如何提升機器的認知智能是AI界長盛不衰的話題，而“慢思考”這個創(chuàng)意也并非OpenAI獨創(chuàng)。早在今年7月底舉辦的ISC.AI2024大會上，周鴻祎就提過，360將“用基于智能體的框架打造慢思考系統(tǒng)，從而增強大模型的慢思考能力，把多個大模型組合起來解決業(yè)務問題”。

所以，大家可以放心的是，在技術(shù)創(chuàng)新高度依賴全球智力碰撞的今天，沒有一種技術(shù)思路是可以被壟斷的，甚至中國AI界提出“慢思考”更早。

當然，大家可能擔心的是，理念先進是一回事，是否具有相應的工程能力，打造出一個基于系統(tǒng)II思考的模型又是另一回事。具體到產(chǎn)品上，國產(chǎn)AI是否已經(jīng)做好打造類o1模型的準備呢？我認為，三個條件已經(jīng)具備了：

1. 路線一致。模型的底層框架，是長期積累、厚積薄發(fā)的結(jié)果，國內(nèi)360就和o1的技術(shù)架構(gòu)保持著一致性。360首創(chuàng)的CoE架構(gòu)8月1日正式發(fā)布，所謂CoE，就是Collaboration-of-Experts，專家協(xié)同，讓多個模型分工協(xié)作、并行工作，執(zhí)行多步推理。CoE架構(gòu)與o1的理念一致、方法類似，卻比o1發(fā)布的時間更早，足以證明國產(chǎn)AI在技術(shù)方向上并沒有落后，早已開始探索。

2. 產(chǎn)品落地。目前o1仍是preview預覽版本，用戶體驗的實際效果與官方用例有差距，而且使用也受到限制，o1-mini對ChatGPT Plus用戶的每周限制為50個提示詞。技術(shù)再好，用不到也是“期貨”。這一點上，國產(chǎn)AI的產(chǎn)品化優(yōu)勢就體現(xiàn)出來了，比如CoE架構(gòu)已經(jīng)在360AI搜索中落地應用，讓AI搜索在面對不確定或復雜輸入時表現(xiàn)出更好的穩(wěn)定性，輸出更準確、更具有時效性和權(quán)威性的內(nèi)容。基于CoE架構(gòu)的360AI搜索，也超越Perplexity AI，快速成長為全球最大的AI原生搜索引擎，并且還在以月增速113%的極高速度成長。

此外，360AI瀏覽器的AI助手，也可以非常直觀地讓用戶體會到模型競技場、多模型協(xié)作等功能。由于CoE架構(gòu)已經(jīng)接入了百度、騰訊、阿里巴巴、智譜AI、Minimax、月之暗面等 16 家國內(nèi)主流大模型廠商合作打造的 54 款大模型產(chǎn)品，用戶可以任意選擇3款大模型，進行多模型協(xié)作，以此達成比單個大模型回答問題好得多的效果。第一個做專家，對提問進行第一輪回答；第二個做反思者，對專家的回答進行糾錯和補充；第三個做總結(jié)者，對前兩輪回答進行優(yōu)化總結(jié)。在很多的實測例子中，第一個專家模型即使回答錯誤，反思模型和總結(jié)模型都能夠在后續(xù)的協(xié)作過程中修正，與人類在做出重要決策的思維活動很像。

3.能力領先。可能還會有人問，國產(chǎn)大模型在數(shù)據(jù)、算法、算力上和Open AI都還有差距，這是實際情況，CoE“人多力量大”真的能趕上o1嗎？這一點，我們可以用實測來檢驗一下。

用業(yè)內(nèi)著名的復雜邏輯推理題，比如假期調(diào)休題、9.9和9.11比大小等問題，同時詢問GPT-4o、o1-preview、360AI瀏覽器，會發(fā)現(xiàn)360的多模型協(xié)作，可以集各家所長，確實能起到“組團”打怪的效果。比如問“我爺爺?shù)男值艿膬鹤拥睦掀诺拿妹玫膬鹤?，是我的什么”?60多模型和O1-preview都答對了，而4o 答錯。眾人拾柴火焰高，多模型協(xié)作力量大的優(yōu)勢又一次得到了驗證。

總的來說，國產(chǎn)AI通過CoE架構(gòu)進行協(xié)同，表現(xiàn)確實大多優(yōu)于4o，與o1互有勝負。目前只是起點，CoE這個路線被驗證可行，未來隨著思維鏈、慢思考、協(xié)作模式帶來模型推理能力的大幅提升，國產(chǎn)混合模型的能力也可能逐漸媲美o1。

所以，他強由他強，清風拂山岡。OpenAI o1的確拆除了AGI路上的阻礙，但國產(chǎn)AI也并沒有臨淵羨魚，而是早已織好了網(wǎng)，集結(jié)在CoE這一路線。

難道國產(chǎn)AI永遠都只能跟在OpenAI身后亦步亦趨，做一個追隨者嗎？

當然不是。中美AI的場景不同、產(chǎn)業(yè)稟賦不同、技術(shù)落地土壤不同，也造就了各自的優(yōu)勢所在。

誠然，OpenAI每一次都是新方向的開拓者、領頭人，但也可以發(fā)現(xiàn)，Sora、o1都帶有“期貨”色彩，至少仍然難以被規(guī)?；褂谩Ｆ渲屑扔挟a(chǎn)品成熟度的問題，也有成本高、企業(yè)落地難度大的挑戰(zhàn)。比如有AI創(chuàng)業(yè)公司用o1解決實際業(yè)務問題時，發(fā)現(xiàn)Token數(shù)極大，成本極高，幾乎無法在現(xiàn)有業(yè)務中長期使用。有的創(chuàng)業(yè)公司為了平衡成本，甚至會放棄使用最新版本的模型。

這一點來看，o1也給了國產(chǎn)AI在自身優(yōu)勢上更進一步的機會，主要體現(xiàn)在：

1.基座模型的價值再次被肯定。此前頭部通用大模型廠商都多少進入到了“卷不動”的迷茫期，o1讓市場再次看到了基座模型的邏輯推理能力對于業(yè)務的價值是最關(guān)鍵的，是這一輪AI浪潮的核心，不容有失。這對于發(fā)力基座模型的廠商來說，是一個很好的消息，產(chǎn)業(yè)界和社會各界的信心進一步增強，有利于國產(chǎn)通用大模型繼續(xù)提高領先性。

2.技術(shù)產(chǎn)品化的優(yōu)勢被放大。相比Sora視頻生成、4o語音交互，o1的產(chǎn)品化路徑更不清晰，如何回收成本將是OpenAI的一大挑戰(zhàn)。這一點上，更重視大模型產(chǎn)品化、應用化的國產(chǎn)AI，或許會為類o1模型更快找到落地途徑。

以CoE架構(gòu)的產(chǎn)品化為例，落地產(chǎn)品360AI搜索，已經(jīng)實現(xiàn)了商業(yè)閉環(huán)，商業(yè)化收入已經(jīng)覆蓋了對應的推理成本。這是因為，此前CoE模型就很重視在加快推理速度的同時，降低API接口和Token的使用成本。

3. AI創(chuàng)新與智能經(jīng)濟的加速。“比起AGI更重視ROI”，國產(chǎn)AI的務實特點，一度被認為技術(shù)信仰不如OpenAI強大。但遠大的AGI目標，是靠一個個行業(yè)的AI化支撐起來的，這也是這一輪AI浪潮不會再次化為泡沫的根本。那么，千行百業(yè)智能化就不得不談ROI，因為企業(yè)引入AI都是有成本的，從這一點上，國產(chǎn)AI走得更扎實。今年國產(chǎn)大模型紛紛“提效降費”，中小AI企業(yè)和開發(fā)者的Token使用成本和創(chuàng)新成本都在下降。

在此基礎上，隨著CoE等類o1模型的升級，讓AI深入行業(yè)、解決具體業(yè)務問題有了更大的價值，RL+CoT進一步降低了Prompt提示工程的門檻，這為中國智能經(jīng)濟的增長，又打開了一個新的周期。

總結(jié)一下，通往AGI和智能時代的道路沒有捷徑，中國AI要一步一個腳印去丈量。兩年、三條路證明了360等中國AI的先鋒隊已經(jīng)在新的技術(shù)路線上組隊出發(fā)。

凡走過的，必留下足跡；凡努力過的，必將收獲。從LLM到CoE，中國AI絕不會缺席這一輪技術(shù)浪潮。