通信行业深度：“合成数据+强化学习”-大模型进化的新范式

　　当地时间9 月12 日，OpenAI 发布新模型系列o1（代号“草莓”），该模型的特点主要是在给出推理结果前，花更多时间“思考”，产生较长内部思维链，在解决科学、数学、代码等类问题的表现更好。o1-preview 每百万token 输入15 美元，每百万输出token60 美元，o1-mini 相对便宜，每百万token 输入3 美元，每百万token 输出12 美元。目前ChatGPT Plus和Team 用户可以在模型选取器中手动选择，o1-preview 每周限制30 条消息，o1-mini 每周限制50 条消息。

    　　o1 亮点一：或为OpenAI 新模型“Orin”生成合成数据。据TheInformation，o1 或为OpenAI 新模型“Orin”生成合成数据。无独有偶，我们注意到，OpenAI 创始团队出走创办的Anthropic——OpenAI 的有力竞争对手，2024 年6 月发布了大模型Claude 3.5 Sonnet，该模型使用了合成数据，在多个测试中的表现优于GPT4o。我们发现，在人类生成的数据或将耗尽之际，合成数据还具备“性价比可能更高”“更完整、全面”“隐私性更好”等优点，尽管存在可能“可能为模型引入噪声”“泛化能力不足”等问题，但能通过“诱导幻觉”“加入数据评估机制”“在训练过程中积累数据”等方式尝试解决。

    　　o1 亮点二：“合成数据+强化学习”，o1 或确认大模型进化新范式。市场认为，Scaling Law（指大模型随着参数的增大而增强能力）只存在于大模型训练阶段。但我们发现，根据OpenAI 工程师Jason Wei，o1 使用了强化学习（RL）做思维链（Chain of Thought）来训练模型；思维链可以使模型在推理阶段实现能力增强，即Scaling Law 可以不止出现在训练阶段，也出现在推理阶段。这里我们所说的强化学习（RL），指模型A 生成推理结果后，由模型B 给推理结果打分，帮助模型A 不断调整参数、迭代、进化，分成RLAIF（基于AI 反馈的强化学习）和RLHF（基于人类反馈的强化学习）多种，后者曾因被用于ChatGPT 而名声大噪。我们认为，o1 系列的惊艳面世，或许不仅是确认了合成数据的重要性，还意味着大模型对强化学习的倚重，而在强化学习中，我们注意到，RLAIF（基于AI 反馈的强化学习）逐渐成为Meta LLama3、英伟达Nemotron-4 340B、微软Orca-2 等热门大模型的选择，相较于RLHF（基于人类反馈的强化学习），需要的人类标注较少，适合代码、数学等有客观评价标准的领域。我们推测，RLAIF 或许也是o1 在代码、数学等问题上表现更好的原因。

    　　投资建议：根据OpenAI，o1 模型训练和测试阶段在美国奥林匹克数学竞赛（AIME）的表现随着训练和测试计算量的增长而变得更好，这表明o1“推理时，在响应用户前，思考更多”有助于让o1 表现更好，这正是推理Scaling Law。我们认为，这有助于打破投资界过往的担忧，即“推理需要的算力比训练少，当大模型的进化转向推理，算力板块承压”；相反，推理Scaling Law 仍将利好算力板块。建议关注：1）光模块产业链：中际旭创、新易盛、天孚通信、太辰光、光迅科技、华工科技、腾景科技等；2）液冷服务商：英维克；3）PCB 服务商：沪电股份等；4）AIDC：润泽科技等。

    　　风险提示：大模型算法进展不及预期，大模型应用落地不及预期，全球宏观经济下行风险。

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。