智通財經(jīng)APP獲悉，中信證券發(fā)布研報稱，北京時間9月13日凌晨，OpenAI發(fā)布全新AI推理系列大模型o1。該系列模型通過引入大規(guī)模強化學習算法，將模型思維展現(xiàn)為思維鏈，從而顯著提高了模型通用推理能力和對齊效果。根據(jù)OpenAI官方測評，o1不僅在絕大多數(shù)推理任務(wù)中表現(xiàn)優(yōu)于GPT-4o，甚至在部分推理密集型基準測試中可與人類專家相媲美。推理性能提升的同時，o1系列模型推理算力需求大幅提升，o1-preview定價約為GPT-4o的12倍，后續(xù)降本值得關(guān)注。

投資層面看，盡管o1系列模型純文字輸出形式限制了其應(yīng)用場景，但是隨著底層算法能力提升帶來的通用推理能力的進步，中信證券認為AI爆款應(yīng)用有望從科研、編程等高價值場景起率先解鎖，軟件、互聯(lián)網(wǎng)有望率先受益。除去應(yīng)用端的投資機會，硬件端的需求也必然會隨著多模態(tài)的技術(shù)進步而不斷提高，中信證券仍然持續(xù)看好 AI 算力層面，尤其是得益于商業(yè)端逐步成熟而帶來的更多的 AI 推理側(cè)算力的機會。

中信證券主要觀點如下：

事項：

北京時間9月13日凌晨，全球AI產(chǎn)業(yè)領(lǐng)頭羊OpenAI正式發(fā)布一系列旨在專門解決復雜任務(wù)的全新AI推理大模型o1，即之前醞釀已久的草莓模型。根據(jù)OpenAI官方推特，o1系列模型將包括o1、o1-preview和o1-mini，其中o1-preview已開放使用，ChatGPT Plus和Team的用戶以及API使用等級達到5級（API付費超1000美元）的開發(fā)者已獲得該模型訪問權(quán)限，企業(yè)版和教育版的用戶預計將從9月16日起獲得該模型訪問權(quán)限。與此前The information、The medium等媒體報道基本一致，o1模型在功能、推理和性能表現(xiàn)上基本符合預期。

模型機理及評測效果：強化學習加持下編碼/數(shù)學/推理能力提升顯著。

根據(jù)OpenAI技術(shù)博客，o1模型在訓練過程中引入了大規(guī)模強化學習算法，從而加強了其執(zhí)行復雜推理任務(wù)的能力。而根據(jù)“Reinforcement learning: An introduction”（Sutton），強化學習起源于上世紀60年代，旨在通過獎懲機制讓智能體在復雜環(huán)境中最大限度獲得長期全局最優(yōu)收益。強化學習主要包括定義問題、選擇策略、學習價值函數(shù)（如Q學習）、模型控制和策略優(yōu)化等步驟。此前谷歌圍棋機器人AlphaGo的核心技術(shù)即為強化學習。在應(yīng)用該項技術(shù)后，o1系列模型的輸出過程與GPT系列模型存在顯著不同：o1系列模型會先用至多20~30秒產(chǎn)生較長的思維鏈再進行輸出，即先將復雜任務(wù)拆解為子任務(wù)進行分析，在匯總子任務(wù)結(jié)果后輸出最終結(jié)果，而非GPT系列模型立即開始生成的模式。根據(jù)OpenAI官網(wǎng)，o1模型在理科測試、數(shù)學、編程等絕大多數(shù)推理任務(wù)中表現(xiàn)明顯優(yōu)于GPT-4o，甚至在部分推理密集型基準測試中o1模型的表現(xiàn)與人類專家相媲美。例如，在國際奧林匹克資格考試中，o1正確解答了83%的題目，而GPT-4o僅正確解答13%；在PhD水平科學問答測試中，o1和o1-preview表現(xiàn)均優(yōu)于人類專家與GPT-4o。

市場定位：安全性與推理能力顯著提升有望解鎖應(yīng)用，模型成本有待優(yōu)化。

根據(jù)OpenAI官方技術(shù)博客，思維鏈可有效提升模型的安全和對齊水平：1）思維鏈可清晰的展示模型思維；2）將模型行為策略整合到推理模型的思維鏈中，可以高效、穩(wěn)健地教導人類價值觀。我們認為，目前AI產(chǎn)業(yè)的主要矛盾是推理能力不足和成本過高導致的爆款應(yīng)用匱乏。而在安全性有保障的前提下，推理能力的顯著提升使得o1有望逐步解鎖應(yīng)用。但由于龐大的推理算力需求導致的高成本和純文字反饋的輸出形態(tài)，我們預計短期內(nèi)o1的應(yīng)用場景仍將集中于編程和科研等特定高價值生產(chǎn)力場景，OpenAI官方亦推出了更加擅長編程的且更便宜的推理模型o1-mini。根據(jù)OpenAI官網(wǎng)，o1-preview定價為輸入端15美元/百萬token，輸出端60美元/百萬token；o1-mini的定價為輸入端3美元/百萬token，輸出端12美元/百萬token；GPT-4o的定價為輸入端1.25美元/百萬token，輸出端為5美元/百萬token。當前GitHub Copilot團隊版和企業(yè)版官網(wǎng)定價分別為4美元和21美元每月，我們認為o1模型的后續(xù)成本優(yōu)化值得關(guān)注。

趨勢展望：推理階段有望遵循Scaling Law，多模型配合值得關(guān)注。

在研發(fā)o1模型時，OpenAI發(fā)現(xiàn)給予模型更多的推理時間可有效提高模型的性能，即推理階段的Scaling Law。這一發(fā)現(xiàn)在一定程度上意味著推理端的算力需求有望迎來蓬勃增長。同時目前o1系列模型的訪問限制也從側(cè)面證明了模型算力需求之旺盛。根據(jù)OpenAI官網(wǎng)，目前o1-preview使用限制為每周30條，o1-mini為每周50條。此外，我們認為，應(yīng)用層面的多模型配合亦值得關(guān)注。根據(jù)“Merge, Ensemble, and Cooperate! A Survey on Collaborative Strategies in the Era of Large Language Models”（Jinliang Lu, Ziliang Pang, Min Xiao等），多模型協(xié)作具有整體性能提升、多任務(wù)處理能力增強、計算效率提升、錯誤與幻覺減少、知識共享與能力遷移等優(yōu)勢。多模型協(xié)作既可發(fā)生在大模型之間，也可發(fā)生在大模型與小模型之間。多模型協(xié)作策略可分為融合、集成和合作三種，其中合作方法下不同模型兼容度最高最為靈活，可創(chuàng)造出更加全面高效的AI系統(tǒng)，因此具備相當潛力。

風險因素：

AI核心技術(shù)發(fā)展不及預期風險；科技領(lǐng)域政策監(jiān)管持續(xù)收緊風險；私有數(shù)據(jù)相關(guān)的政策監(jiān)管風險；全球宏觀經(jīng)濟復蘇不及預期風險；宏觀經(jīng)濟波動導致歐美企業(yè)IT支出不及預期風險；AI潛在倫理、道德、用戶隱私風險；企業(yè)數(shù)據(jù)泄露、信息安全風險；行業(yè)競爭持續(xù)加劇風險等。

投資策略：

本次o1系列模型的更新仍然是圍繞底層算法層面，尤其是大語言模型的推理能力。從技術(shù)角度，o1系列大模型的基礎(chǔ)能力在大規(guī)模強化學習方法加持下在得到顯著提升，不僅證明了在scale繼續(xù)堆規(guī)模和訓練計算投入的道路上仍有不斷的迭代空間，更表明推理階段有望繼續(xù)遵循Scaling Law，從而帶來推理端算力需求的大幅增長。應(yīng)用層面，盡管o1系列模型僅有文字輸出能力限制了其應(yīng)用場景的開闊，但是隨著底層算法能力提升帶來的通用推理能力的進步，我們認為AI爆款應(yīng)用有望從科研、編程等高價值場景起率先解鎖，軟件、互聯(lián)網(wǎng)有望率先受益。除去應(yīng)用端的投資機會，硬件端的需求也必然會隨著多模態(tài)的技術(shù)進步而不斷提高，我們?nèi)匀怀掷m(xù)看好 AI 算力層面，尤其是得益于商業(yè)端逐步成熟而帶來的更多的 AI 推理側(cè)算力的機會。

【免責聲明】本文僅代表作者本人觀點，與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內(nèi)容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：[email protected]