北京时间9月13日凌晨，OpenAI 突然发布了 OpenAI o1系列模型，OpenAI CEO Sam Altman 高赞o1：“OpenAI o1是一个新范式的开始：可以进行通用复杂推理的AI。”

 

在我看来，OpenAI这次发布o1，营销策略与以往如出一辙——从在X平台上的“草莓”照片展示，到宣称Level 2的水平具备博士级的推理能力，再到每月200美元的费用以及比GPT-4o强100倍的夸张比喻，无一不是为了制造FOMO（害怕错过）的情绪。然而，在实际发布时却又设置了一系列限制，无论是仅提供o1-mini和o1-preview版本，并未放出完整的o1，还是每周仅限30次的调用次数。

 

为什么要这么做？

 

我觉得还是算力“惹的祸”。众所周知，OpenAI正在以1500亿美元的估值筹集65亿美元的资金。虽然GPT已经是单个收入最高的Gen-AI应用，但训练新模型的开销、高昂的人力成本，以及新模型运行所需的推理的算力，都成为了限制因素。

 

从预期的角度来看，在之前的各类OpenAI访谈中，我们已经遇见到这次主要的进步会是在推理能力上，并且使用的会是和之前不一样的方法。那比较容易猜到的就是从之前提示词的系统1思考方式转换到自主的Think Step by Step的系统2方式。

 

失望之处在于，推理能力仍然只在文本领域，完全不能处理多模态内容和实时处理。这也进一步验证了澜码的观点：即大模型的未来会分化为不同的品类，纯文本，多模态（离线），多模态（实时）将各自成为不同的赛道。

 

 

实际使用的结果网上已经有很多描述，这里我就不再重复了。应该说，OpenAI此次发布确实给大家看到了进步的可能性，虽然还是有低级的错误，例如9.11和9.9的大小比较。

 

o1的发布，对国内大模型厂商而言，意味着又有”作业“可以抄了。在现在的市场上，纯文本输入输出的模型家族竞争已经十分激烈，有大量的开源/闭源、不同尺寸、不同垂直行业的文本模型。o1又会掀起新的一轮的竞争——大模型的推理能力的天花板被打开。但o1模式下，推理的算力成本又将进一步攀升，因此通过小模型、大模型协作架构来完成端到端的任务就变得更具性价比，因此，我预测，未来甚至会出现子母模型、连环模型的组合方案，目的就是将推理成本降低到同等智力的人类员工水平之下。

 

 

此外，o1的推出无疑将加速AI应用在刚需场景的落地。由于推理能力是其核心竞争力，尽管它需要分钟级别的时间来完成任务，但对于在办公室工作的人类来说，分钟级别的响应速度已经相当迅速。

 

在我看来，o1代表了我们可以通过投入更多的算力来生成一段逻辑一致的代码块，这种能力暗示了大量复杂业务任务自动化的潜力。例如，信贷审核、HR计算年终奖、管理会计等领域。

 

举一个简单的例子，许多人都有过在Excel中对任务进行建模以进行计算的经历。o1就像是未来更智能的Excel背后的“大脑”，将来只需通过对话，就能进行各种预测和分析。

 

从澜码的Agentic AI产品架构上来看，o1可以作为澜码在业务活动编排中，预测下一个行动应该是什么的基座。它的推理能力能够很好的解锁更多的业务场景，也能够提高专家赋能基层业务单位的水平。

 

 

关于o1的发布，有媒体指出它已经具备了Agent的推理能力，这一点我基本上是认同的。但是，对于o1与AGI（人工通用智能）之间的关系，我仍然持有不那么乐观的态度。澜码对于Agent的概念有一个示意图，从图中可以看出，对环境的建模和对目标的理解都是实现AGI所必需的能力。然而，当前模型品类在处理真实世界中的时空关系时，仍然显得捉襟见肘。

 

 

从现有的模型架构来看，大型模型尚未具备长期记忆，因此无法回忆过去或预测未来。此外，大模型本身被限制在服务器中，缺乏对空间的感知能力。我之前提到过波普尔的“三个世界”的设想：物理世界是“世界1”，每个人脑中的主观世界是“世界2”，我们用语言符号/硅基构建出来的“世界3”。

 

o1目前仍然只能被困在世界3中，如果它无法主动观测世界1，或者通过世界2来理解世界1，那么它可能连基本的时空观念都无法建立，更不用说学习关于世界1的新知识了。

 

因此，具身智能（这不仅指物理世界中的机器人，也包括数字世界中比如澜码所设计的AI Agent）的突破至少还是一块挡在我们和AGI之间的大石头。至于搬开了这块石头后，还会不会还有下一个“坑”，就只能拭目以待了。