自9月OpenAI发布全新AI推理大模型GPT-o1后，国内企业机构也开始了密集的更新，同步到推理模型的进程。

　　11月25日晚，上海人工智能实验室向社会用户开放了书生·浦语大模型，并在大模型界面发布了强推理模型InternThinker。据悉，InternThinker模型具有长思维能力，并能在推理过程中进行反思和纠正，从而在数学、代码、推理谜题等多种复杂推理任务上取得更优结果。

　　这个月已有多个推理模型的发布。11月16日，月之暗面Kimi宣布推出新一代数学推理模型k0-math，号称数学能力对标OpenAI o1系列。11月20日，DeepSeek发布推理模型DeepSeek-R1-Lite，称模型通过强化学习训练，在数学、代码和复杂逻辑推理任务上表现媲美o1-preview。

　　发布推理模型已成当前AI行业的一大趋势，上海人工智能实验室青年科学家陈恺在接受第一财经采访时表示，“目前大模型的头部机构都有研发和发布推理模型的计划，因为推理能力是大模型智能水平的重要体现，也是面向复杂应用场景的必备能力。”

　　强大的推理能力是迈向通用人工智能的重要基础。从应用层面来看，陈恺认为，模型推理能力的进一步提升将会带来更多的智能应用场景，可以和人更好地协作进行思考和解决高难度任务，从而推动大模型在生产力方面的应用。

　　在具体应用上，陈恺举例表示，一般的大模型可以在读完一份财报之后帮忙整理其中的关键信息，如果是具备强推理能力的模型，未来就可以像分析师一样帮助分析财报中的数据，给出合理的研究和预测。

　　在提升模型推理能力方面，陈恺提到，目前主要的难点是高密度监督数据，例如高难度的问题和更详细的思维链，这些数据在自然文本中占比很小，需要研究有效的构造方法。此外，推理能力目前的提升路径依赖有效的强化学习，在强化学习中如何提升模型的搜索效率，如何训练泛化且可靠的奖励模型以便于获取反馈也是难点。

　　OpenAI 9月发布的o1模型展示出强大的推理能力，在提升模型推理能力的研究中，据介绍，实验室采用的是相对独立的路线，通过设计元动作思考范式来引导模型的搜索空间，基于通专融合的方式进行数据合成，并通过构建大规模沙盒环境获取反馈，从而提升模型的性能。

　　具体来说，人在学习解决复杂推理任务时，并非从海量的样本中进行单点知识的学习，而是思维模式的学习——在解决问题的过程中，通过回忆相关知识点，对正确的解题过程进行理解、记忆，对错误解题等过程进行反思和修正，即对自我的认知过程进行觉察和调节，该能力也被称作元认知能力。

　　受元认知理论的启发，实验室的研究团队设计了一系列元动作来引导模型解决问题的过程，如对问题的理解、知识回忆、规划、执行、总结等。模型在面对复杂任务时，会显式且动态地选择元动作，再进一步展开相关动作的具体思维过程。通过这种设计，利用部分训练任务，可强化模型对关键元动作组合的使用，提升模型学习效率。

　　随着大模型的不断发展，陈恺认为，目前行业的研究方向从按照Scaling Law（尺度定律）简单地放大模型参数量和数据，转向了更多样化的探索。他预测，未来一部分资源投入会从预训练转向后训练，包括使用更多的推理算力来换取模型更好的性能，以及强化学习的大规模应用。

　　此前在发布推理模型时，谈及Scaling Law是否还有效，月之暗面Kimi创始人兼CEO杨植麟也提到了Scaling law 的范式转换，他认为，过去大模型的路径是“next token prediction”，但预测下一个词有局限性，是一个静态的数据集，没办法探索更难的任务，接下来大模型的目标是通过强化学习让AI具备思考的能力。

　　“接下来还能持续scale，只是过程不一样。”杨植麟认为，预训练还有半代到一代模型的空间，这个空间可能会在明年释放出来，但是他判断，接下来最重点的还是强化学习。