OpenAI o1草莓模型：AI安全了，但看起来AI大模型公司更危险了

假设o1草莓模型最终表现与发布信息完全一致，会发生什么？其实结论已经很清晰了——下面这篇文章拆解得很透彻，即使不参照阅读也不妨碍理解后文：OpenAI发布最强推理模型o1。

AI大模型更贵了

从披露的数据看，Scaling Law依然有效，但这次的重点不再是堆数据，而是转向了堆机器和优化算法。这意味着什么？AI大模型会更贵、更难——这是明摆着的事。机器更多，成本直线上升；而人的“画龙点睛”环节，难度也急剧增加。

(上面文章里面有这图）

这可以和过去Sam Altman的言论结合起来看。他此前那些惊人言论——比如需要募集七万亿美金、投资解决电力问题等等——倒是一脉相承，两者相当匹配。

AI安全了，但AI大模型公司危险了

AI公司面临的风险多如牛毛，但整个行业其实只有一个真正的风险：AI不好用。就像一把万能钥匙——只要它还能开锁，不管门有多重，总会有人砸钱砸到底。

如果Scaling Law继续奏效，那么无论成本多高，都意味着这个行业解决问题的能力在持续增值——行业安全了。大概率不会再重演80年代人人喊骗子的局面。行业的安全，意味着AI大时代基本会确定打开。

但那些AI大模型公司却陷入了真正的危险。它们既不像纯粹的应用公司，也做不成真正的模型公司，处境相当尴尬。

跟进？无论是机器还是人才储备，都烧不起那个钱。不跟进？拿什么支撑现有的高估值？更关键的是，推理能力的进展正在直接覆盖它们本来在做的工作。

冲击波从专业人员开始

从报道看，Level2确实即将实现。这意味着之前对Level2影响的预判，很快就会变成现实。以下是五级模型的经典解读——这能帮助我们理解冲击的具体路径：

阶段1：聊天机器人

AI能够与人对话，甚至让对话者难以分辨对方是人还是AI。虽然偶尔会冒出幻觉或胡言乱语，但逻辑上能自圆其说。目前我们就处在这个阶段。垂直应用领域，只能看到Copilot这类纯粹的生产力工具；想让ERP这类核心系统升级换代，还只能在极小范围内萌芽。

阶段2：推理并解决真实问题的机器人

当AI面对真实问题，它能自行推理，甚至会主动索要解决所需的信息或资源，真正代替人解决问题。到了这个阶段，所有白领工作基本就不再需要人了。各类不涉及物理世界的事务，几乎全部可以交给AI。大量系统型超级应用会在企业领域出现，比如律师行业。

阶段3：AI智能体

全面感知物理世界并采取行动，相当于把阶段2的能力从虚拟数字世界扩展到真实世界。所有体力工作也无需人类参与，街道、家庭、公司随处可见机器人。新式系统型超级应用扩展到物理空间，具身机器人会充斥在生活的各个环节。

阶段4：创新者

AI能够组合现有要素在特定方向上完成创新。比如，它会基于面条和动物的特征，创造性捏出栩栩如生的动物造型。到了这个阶段，现在200人的公司估计只要不到10个人，像产品经理这样需要创新能力的角色，AI也能胜任。现有大部分可见的岗位将全部完成AI对人的替代，系统型超级应用遍布各行。

阶段5：组织者

AI能够负责组织协调，承担AI之上的AI角色——相当于过去的高管和CEO。每个领域都会出现一个自己的AlphaGo，专业能力远超人类，同时又具备通用性。大多数企业不再需要管理人员，全部被AI接管。

这个五级分类可以看成是一种宏大叙事，类似于过去对大同社会的理想化比喻。现在Level2眼看就要来了，关键问题就变成：Level2的直接影响会如何？再往后，这些分级到底是靠谱的路径，还是单纯的想象？

推理这件事的影响方向非常清楚：白领包括高级白领乃至科研人员受冲击最大。不过，如果幻觉问题没解决，人类还能略有喘息的空间。

智能飞轮看起来要转起来了

如果推理能力真的能打破僵局（注意，只是破局，并非大成），那么AI的未来确实值得积极展望。这不是因为OpenAI有多神奇，而是因为——那个常被提及的“智能飞轮”，真的要启动了。

当年AlphaGo为什么后来水平进展极其快？核心就在于它转起来一个叫智能飞轮的东西。形象讲就是：AI能够伺候AI。

AlphaGo的领域太垂直了，围棋太特殊，所以过去几乎只有它能干这事。可如果推理能力搞定了，情况会大不一样。

在数据和算法两个环节，AI已经逼近能自我伺候的边缘。而这会解锁AI的进化速度。说起来有点悲伤：从智能飞轮、从AI进化的角度看，人才是最大障碍——人负责的越少，AI负责的越多，智能飞轮就转得越快。而推理能力最关键的影响，恰恰在于削弱人在AI进展中的角色，这反而会加速AI的进展。

AI应用的黄金时代

此前反复强调过一个观点：AI将因计算模式的迁移而导致大量应用重做。过去总结为从“功能中心式计算”迁移到“角色中心式计算”。用老黄的图就是：

但这种重做在过去有点像构思闪电战却缺内燃机。推理的窗口一打开，各种新现实就不再是空想，而是需要更为认真的构思了。

这种认真的构思，关键是需要前瞻性——顺着AI脉络的前瞻性。当年基于摩尔定律有过一种思维模式：先把程序按照未来的计算量开发好，哪怕现在慢点，然后休假去，什么也不用干，等回来过去不怎么好用的复杂图形用户界面就好用了。

现在，AI的脉络呈现出类似摩尔定律的确定性。所以认真思考，指的就是基于这种脉络的前瞻性思考。

小结

出乎意料的是，AI革命先革了自己的命。过去大量AI算法人员在这种进展下承压，可能比装修工人还要大。当年那些深度学习算法，是不是很快就会被AI本身超越？当然，这些都还只是发布会上零散的信息，真正潜力还需要先锋应用来验证。但无论如何，值得期待。