计算机行业周报：OPENAI O1模型发布 SCALING LAW有望延续

　　OpenAI 发布o1 系列模型，推理能力显著提升

    　　9 月13 日，OpenAI 正式公开o1 系列大模型，新模型可以实现复杂推理，解决科学、代码和数学方面的难题。从命名来看，o1 系列模型即是之前OpenAI 宣称即将发布的草莓（Strawberry）模型，新模型在推理能力上代表了人工智能能力的新水平，因此，计数器将重置为1，将模型命名为o1。此次发o1 模型更注重于推理能力的提升。

    　　在一系列高难基准测试中相比 GPT-4o 有巨大提升。

    　　Scaling Law 有望从Pre-training 向Post-training 延伸从技术上来看， o1 在回答之前会自动生成一个隐藏的COT（Chain ofThought,思维链），从而将问题分解成更多步骤进行思考和分析，实现推理能力的提升。

    　　OpenAI o1 创造了LLM 训练和推理的新范式，将Scaling Law 从Pre-training 向Post-training 环节拓展。ChatGPT 4 系列主要是在Pre-training（预训练）环节进行技术的创新，通过多模态的形式，增大预训练的数据集，从而达到模型的通用性和泛化能力的提升。

    　　我们认为预训练环节的Scaling Law 伴随数据量的持续提升或将放缓，这或成为GPT5 始终难产的原因之一。而此次o1 模型的发布，我们认为可能在Post-training（后训练）的RL（强化学习）环节进行了创新，同时在Inference（推理）阶段增加了COT，从而实现模型能力的提升。而在OpenAI 的技术文档中，也阐述了这种范式带来的Scaling Law，即随着更多的强化学习（训练时计算）和更多的思考时间（测试时计算），o1 的性能持续提高。我们认为这是在LLM 训练范式上的一种创新，将Scaling Law 拓展到后训练环节，从而促使大模型的通用性有望进一步提升。

    　　算力需求将进一步提升，应用创新仍有待突破

    　　通过对o1 模型性能和原理的简单分析，我们认为o1 模型有望进一步增加对算力的消耗。一方面，在Post-traning 阶段，由于存在一定程度的Scaling Law，未来必然会伴随RL（强化学习）的数据量和参数量增长。另一方面，在Inference（推理）阶段，由于COT 的存在，必然提升推理侧的数据产生量，一定程度也降低了模型的响应速度，延长了响应时间，但也会带来算力方面的提升。因此，o1 模型打开了Scaling Law 的上限，算力产业链将会持续受益。

    　　应用方面，由于o1 模型侧重在STEM（科学、技术、工程、数学）方面的能力提升，因此在偏数学、自然科学和代码编程方面的应用将会受益。然后这些能力的提升并没有带来应用领域的拓展，因此应用侧的产品创新仍需要等待。

    　　风险提示： 1）技术创新不及预期；2）政策支持力度不及预期。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。