OpenAI o1草莓模型：AI安全了，但看起来AI大模型公司更风险了

文 | 李智勇

假定o1草莓模型终究体现和发布的信息完全一致，然后回产生什么呢？

AI大模型更贵了

从发表的数据来看，咱们可以以为Scaling Law有用，不过这次不是堆数据而是堆机器和优化算法。

这意味着AI大模型明显会更贵，也更难，先是需求更多的机器，这导致更贵，然后靠人来做画蛇添足，这导致更难。

这可以和曩昔Sam Altman的言辞结合起来看，Sam Altman发过的惊人言辞包含需求征集七万亿美金等等，出资去处理电力问题等，两者却是匹配。

AI安全了，但AI大模型公司风险了

AI公司的风险有无数个，但AI作为一个职业，其风险只需1个，便是AI不好用。

假如Scaling Law有用，那不论多贵，都意味着这个职业处理问题的价值在添加，所以这个职业安全了。大概率不会再变成80年代人人喊骗子的局势，职业的安全意味着AI大时代根本会确认翻开。

但许多AI大模型公司是真的风险了。他们变成了使用不是使用，模型不是模型的一种公司。

跟进跟不起，不论是机器仍是人才储藏，明显的要想干好模型不单下一步贵，而且一段时间会越来越贵。

不跟进，那自己的高估值拿什么做支撑呢？定位是什么呢？一起这种推理的发展掩盖正是他们原本做的那部分作业。

冲击波从专业人员开端

从报导看Level2确实能曩昔，那咱们之前一切对Level2影响的预判将在短期成为实际。之前咱们这么解读五级模型：

上层使用完结的程度和先后可以参照OpenAI对后续AI进阶区分进行估测，下述为参照OpenAI分阶并弥补体系型超级使用信息后收拾而来。

阶段1：谈天机器人。AI可以与人对话，然后朴实看对话内容你不能分辩它是人仍是AI。对话的时分AI或许有错觉并胡言乱语，但逻辑自洽。当时就处在这个阶段。这个时分笔直型使用处于只能出现相似Copilot这类朴实的生产力东西，让ERP等进入下一代这类作业只或许在极小的范畴中出现，处于萌芽期。

阶段2：推理并处理实在问题的机器人。当你给AI实在的问题，它可以自行推理，甚至找你要它处理问题所短缺的信息或许资源，然后实在的可以代替人处理问题。到了这个阶段，一切白领作业根本就不需求人了。在这个阶段各种不牵涉实际物理国际的作业根本可以悉数用AI来处理，很多体系型超级使用会在企业范畴、部分职业比方律师出现。

阶段3：AI智能体。全面感知物理国际而且可以采纳举动处理问题，相当于把阶段2的才能从虚拟数字国际扩展到实在物理国际。到了这个阶段一切膂力作业就不需求人了，大街、家庭、公司到处都是机器人。这个阶段新式体系型超级使用扩展到物理空间，具身机器人会充满在各个生成日子的环节。

阶段4：立异者。AI可以组合现有要素在特定的方向上完结立异，比方他会创造性的依据面条和动物捏合出来用各种绘声绘色的动物。到了这个阶段，现在200人的公司估量只需不到10个人，像产品司理这样需求立异才能去界说产品的人物AI也可以承当了。这个阶段现有大部分可见的岗位悉数完结AI对人的置换。体系型超级使用会遍及在各行各业。

阶段5：组织者。这时分AI可以担任组织协调的作业，承当AI之上的AI人物（曩昔高管和CEO的人物）。到这儿每个咱们现在看到的范畴也都有了一个自己的AlphaGo，这个AlphaGo的专业性和才能远超曩昔人类一起具有通用性，大多企业里不需求管理人员，而是悉数被AI接收。

这个五级分类可以看成是一种AI庞大叙事类比曩昔的大同社会等。

现在Level2眼看要完结了，那首先是Level2的影响会产生，其次在于后边的是不是也是靠谱的，而不是单纯的幻想？

推理这事的影响方向十分清楚：白领包含高档白领甚至科研人员受冲击最大。

不过假如错觉问题没处理，那人类还能略有喘息。

智能飞轮看起来要转起来了

假如说推理才能确实能破局（当时并非是大成，而是一种破局），那AI真的可以做活跃的未来展望。不是由于OpenAI多牛，要害是咱们总说的智能飞轮要启动了。

当年AlphaGo为什么后来水平发展极端快？

中心就在于它转起来一个叫智能飞轮的东西。

形象讲便是AI可以服侍AI。

AlphaGo的范畴太笔直了，围棋太特别了，所以曩昔简直只需AlphaGo精干这事。

可假如推理才能搞定了，状况会有大改变。

在数据和算法两个环节，AI迫临可以服侍自己的边际。而这会解锁AI的进化速度。

说起来是个有点哀痛的故事，从智能飞轮、从AI进化的视点看，人才是最大妨碍，人担任的越少，AI担任的越多，那智能飞轮转的越快。

而推理才能最要害的就在于削弱人在AI发展过程中的人物，这反却是会加快AI的发展。

AI使用的黄金时代

揣摩事一向重复说个论题，AI会由于核算形式的搬迁导致很多的使用重做，曩昔咱们把它总结成从功用中心式核算搬迁到人物中心式核算。用老黄的图便是：

但这种重做在曩昔有点像构思霹雳战缺内燃机，推理的窗口一翻开，各种新实际就不是幻想，而是需求更为仔细的构思了。

这种仔细的构思要害是需求前瞻性，顺着AI头绪的前瞻性。

当年根据摩尔定律有这么一种思想形式：

我先把程序依照未来的核算量开发好，那怕现在慢点，然后我就度假去了，什么也不必干，等我回来曩昔不怎么好用的杂乱图形用户界面就好用了。

现在AI的头绪在出现相似摩尔定律确实认性，所以仔细考虑是指根据这种头绪的前瞻性考虑。

小结

不论怎么样AI革新先革自己也是有点出人意料的，曩昔很多AI的算法人员在这种发展下承压或许比装饰人员大的多。当年那些深度学习算法，是不是很快AI就可以干的比人更好？当然这还仅仅发布会上的一些零星信息，它的实在潜力还需求一些前锋使用来验证。值得等待。