「 AI領域卷大模型，從卷演算法到卷參數再到卷價格，如今要卷思維。」
AI又一次迎來質變的前進演化：9月13日，OpenAI o1-preview落地，一時間引發人們對「Inference law(推理定律)」取代「Scaling Law(規模定律)」的熱議。當大家深入探討OpenAI o1的「思維鏈」時，才發現，這不是與兩個月前周鴻祎說的「慢思考」是一個底層邏輯嗎？
AI的發展，不僅要卷技術的領先，更要卷思維的前瞻。洞察趨勢，預見到未來的方向，才能真正領跑未來。
「思維鏈」不謀而合「慢思考」
具有強大推理能力、適用於復雜任務的OpenAI o1，再次給業界帶來震動。用OpenAI官方的說法：「這個模型在復雜推理任務上是一個重大的進步，代表了人工智能能力的一個新水平；因此，我們決定重新開始編號，把這一系列模型命名為OpenAI o1。」 言外之意就是，這是AI思維模式、發展路徑的一次重大改變，預示著未來AI發展的全新路徑。
過去的GPT系列模型雖精確且量大，但缺乏「思考」環節，因此難以真正理解復雜學科如物理學和數學。
這一次的具體變化歸結為「思維鏈」 (Chain-of-Thought, CoT)一詞。o1 系列模型采用全新的訓練方法，不再局限於模仿訓練數據中的模式，而是透過強化學習和「思維鏈」技術，引導模型自主解決問題，主打推理能力。工作原理本質上是-思維鏈的自動化，把一個復雜問題拆解成若幹簡單步驟，從而有利於大模型解決復雜的邏輯問題。
OpenAI 創始人山姆·柯曼（Sam Altman） 將 o1 稱為「迄今為止最強大、最一致的一系列模型」，並將其視為邁向自主系統或代理的關鍵一步。
總結起來，「思維鏈」有幾個特性：像人一樣思考，自主推理，自動分解步驟，透過一系列模型協同完成。
有沒有覺得「似曾相識」？沒錯，早在7月底的ISC.AI 2024大會上，360集團創始人周鴻祎就提出：「用基於智能體的框架打造慢思考系統，從而增強大模型的慢思考能力。」
他認為，快思考的特點是快速直覺、無意識，反應很快但能力不夠強。GPT類大模型透過訓練大量知識，主要學習的是快思考能力，GPT這類大模型可以做到脫口而出，但是質素不夠穩定，甚至會「一本正經地胡說八道」，所答非所問。而慢思考則是緩慢、有意識、有邏輯性，需要分很多步驟，類似寫一篇復雜的文章，要先列提綱，根據提綱去搜集數據，收集素材，根據素材進行討論，再把文章寫出來，還要進行潤色和修改。也就是說，慢思考更像真正的人類一樣去思考，先了解問題的意圖，再對分步完成一項復雜的任務。
周鴻祎評價：「這一次OpenAI o1擁有了人類慢思考的特質，在回答問題前會反復地思考，拆解、理解、推理，可能會自己問自己1000遍，然後才能給出最終的答案。」
顯然，「思維鏈」與「慢思考」是一套邏輯體系，不謀而合，只是周鴻祎無論從觀點到實踐，都早了近兩個月。
這也將是產業的一個轉折點。GPT當年很轟動，並引發了千模大戰。但是卷大模型的道路上，普遍缺乏「思考」環節，有時不能正確理解問題，有時不能解答復雜的科學問題。 隨著「思維鏈」與「慢思考」的提出，為AI的發展引入了新的底層思維邏輯，不僅在生成內容時進行計算，還模擬了「先想後說」的過程，更接近人類思維模式，標誌著向通用人工智能（AGI）邁進的重要一步。
正如周鴻祎所說：「所以，以後比的不是多快能給你答案，而是給的答案完不完整，人工智能到最後還是要參考人類大腦的組成來構造工作模式。」
多模型協同：搭台子、建班子、練隊伍
與過去一味地卷大模型不同，周鴻祎更關註的是如何讓AI真正解決問題，真正給使用者帶來價值。兩個月前，周鴻祎在提出「慢思考」的全新邏輯時，也拿了出全新的解題思路----多模型協同。
如何透過多模型協同來實作人類的思維模式呢？
首先是搭台子——CoE。
以前MoE（Mixture-of-Experts,混合專家）架構的稀疏混合專家模型都被認為是Transformer之後大模型下一個發展趨勢。MoE模型可以只選擇某一專家模型來處理數據，這使得模型在推理過程中更為高效，因為大部份專家處於未啟用狀態，從而減少了不必要的計算，即所謂的快思考。而在7月底的ISC大會上，360推出了CoE（Collaboration-of-Experts,專家協同）技術架構，可以讓多個模型分工協作、並列作戰，執行多步推理，不同模型之間可以相互補充、相互校驗，確保面對復雜問題可以有更穩定的輸出，解決「AI幻覺」的弊端。可以預見，未來CoE會替代MoE成為新趨勢，開啟多模型協同時代。
其次是建班子——大模型聯盟。
由360牽頭，百度、騰訊、阿裏巴巴、智譜AI、Minimax、月之暗面等16家國內主流大模型廠商形成一個聯盟，將這些企業的54款大模型產品接入CoE，協同發揮作用。其實，今年以來，大模型企業之間的合作、聯手越來越多，只是360這次的聯盟聲勢比較大，並且將一些互聯網頭部企業都囊括進來，在市場上影響比較大。
據悉，CoE技術架構不僅接入了「大模型」，還接入了很多十億甚至更小參數的專家模型，這使得整個系統更加智能。CoE架構在實作「讓最強的模型回答最難的問題」的同時，還能在回答簡單問題時呼叫更精準的「小模型」，在獲得高質素回答的同時，節約推理資源、提升響應速度。
第三是練隊伍——加速套用落地。
有了技術架構，有了大模型，更重要的是要有套用，透過套用才能讓大模型更好用，大模型的協同效果才能得到驗證。360在加速產品的AI化的同時，在多個產品中都透過多模型協同實作產品的領先優勢。
360AI搜尋就是基於CoE技術架構，支持多模型協作重構了搜尋的底層鏈路，是一種真正意義上的「AI原生搜尋引擎」。 360AI搜尋「深入回答」模式，首先是構建意圖分類模型，然後打造任務路由模型對問題進行拆解，最後再構建AI工作流，整個過程會涉及7-15次的大模型呼叫，這才能讓使用者獲得真正高質素的回答。
在CoE技術架構的加持下，360AI搜尋僅用了八九個月的時間，就超越了Perplexity AI，蟬聯全球最大的AI原生搜尋引擎；並且依然勢能強勁，以113%的月存取量增速，位列全球主要搜尋引擎首位。
入駐360AI瀏覽器的AI助手（bot.360.com）的「多模型協作」能力，近期也成為了行業焦點。使用者可以從國內主流16家廠商的54款LLMs中任意3款，分別做專家、反思者和總結者，直觀體驗LLM領域的「三英戰呂布」。讓3款LLM協作起來，組隊碾壓GPT-4o、媲美OpenAI o1。
由此可見，作為國內「AI教父」的周鴻祎，並不只是一個思考者，更是一個行動者。 他在洞察到大模型的諸多問題之後，給出新的路徑；並且身體力行，透過搭台子、建班子、練隊伍的方式，將這個路徑給驗證了。這才是真正難得的地方。
跑得快，更要跑對方向
自從OpenAI掀起大模型浪潮之後，周鴻祎非常活躍，在語言上和行動上都是。一方面，他在各種場合交流對AI發展趨勢的見解；另一方面，迅速推動公司所有產品的AI化，兩者相互促進。
而這次，在大模型前進道路上邁出的關鍵一步，周鴻祎和360不僅與OpenAI不謀而合，並且還快了一步，正是其在思考中實踐、在實踐中思考的結果。
如今，AI的發展還處於初級階段。最近，「慢思考」與「思維鏈」理念的提出，對AI的發展帶來三點啟示。
第一，戰略高於戰術，格局重於技術。
大模型火了之後，傳統互聯網大廠、創業者都進來卷，但卷大模型的價值有那麽大嗎？從終局來看，AI 不是被動接受指令的工具，而是能夠自主「思考」、決策和行動的智能夥伴。
周鴻祎在看到大模型強大的同時，也很早就看到AI幻覺的問題，並思考未來的發展方向。戰略方向比具體的戰術更重要，單點的技術創新是戰術，而終局思維才是戰略方向，這是其「慢思考」的來源。
跑得快很重要，但是更重要的是在對的方向上跑得快。如果一味地卷大模型，其實是對產業資源的浪費。
今天，「慢思考」與「思維鏈」也不是終局，只是在向終局的路上邁進了一大步。
第二，卷套用比卷模型更有價值。
技術創新與使用者價值之間，往往隔著一道鴻溝，跨過這道鴻溝的企業比發明技術的企業更偉大。最早發明二維碼的不是微信，但是微信是二維碼最大的推動者。新能源電池不是特斯拉發明的，但特斯拉確是新能源汽車產業的先行者。
大模型很酷，但如何能為使用者創造價值更重要。也就是說，卷套用落地比卷大模型更有意義。360的產品全面AI化，目的就是讓小白使用者可以簡單輕松地體驗到AI帶來的好處。在套用的落地方面，360走得很快，特別是在多模型協同上領先了OpenAI兩個月。
學習、辦公是最常見的套用場景，為了推動套用了落地，360還推出了AI辦公，是一個一站式學習辦公工具，使用者可以體驗到AI圖片、AI文件、AI音影片、AI PPT等超過200多個AI能力，幾乎覆蓋所有學習、辦公所需。
第三，獨行不如眾行遠。
AI的實作，是一個非常復雜的系統工程，不是單個企業可以實作的。在業界有一個共識，未來AI的競爭是生態的競爭。單個OpenAI可能很強，但是透過協同作戰，中國的大模型可以用全新的思路彎道超車。
經測試，基於CoE架構集各家所長的混合大模型能力就超過了GPT-4o。該混合大模型在轉譯、寫作等12項指標的測試中取得了80.49分的綜合成績，超越了GPT-4o的69.22分；而且除了程式碼以外，其余11項指標均優於GPT-4o。特別是在「邏輯推理」、「多步推理」、「詩詞賞析」這類比較具有中文特色的問題上，CoE的領先優勢更加明顯。
目前，360「多模型協作」在測試中，已經打敗並遠遠甩開GPT-4o，媲美o1-preview，這就是聯盟的力量，生態的威力。
【結束語】
AI發展初期，從大模型來看好像中國落後一步。如果跟在別人後面延著人家的軌跡追，差距只會越拉越遠。以終局思維重新審視AI的發展路徑，技術創新的同時更要路徑創新。「慢思考」與「思維鏈」的巧合，是中國AI發展趕超的新契機。
