吃瓜群众用ai替代宏观研究员OpenAI自曝：AI推理砸钱越多碾压人类越狠！

　　【新智元导读】你以为GPT-4已经够强了？那只是AI的「预热阶段」。真正的革命，才刚刚开始——推理模型的时代，来了。这场范式革命，正深刻影响企业命运和个人前途。这不是一场模型参数的升级，而是一次认知逻辑的彻底重写。

　　OpenAI研究员Noam Brown强调了预训练和推理两种关键的AI范式，以及模型随着处理更多数据和计算能力的提升而不断改进的过程。

　　与此同时，由OpenAI首席经济学家Ronnie Chatterji等讨论探讨了人工智能与国家安全和经济政策的交叉领域。

　　这些讨论共同强调了人工智能的双重轨迹：一方面加速技术进步，另一方面加深其在全球政策、基础设施和制度治理中的角色。

　　他是OpenAI在多智能体推理领域的研究人员，以共同开发出首个超越人类水平的无限注德州扑克AI，以及首个达到人类水平的策略游戏《外交官》（Diplomacy）AI而闻名。

　　比如，很早以前，美国邮政就开始用光学字符识别技术来分拣邮件；Facebook的人脸识别功能，也已经存在很多年了。

　　比如在1997年，IBM的「深蓝」战胜Garry Kasparov，但背后可是花了两年甚至更久的时间，专门训练AI只为了下好国际象棋。

　　更令人印象深刻的是，大家已经持续观察到一个很稳定的趋势：当在预训练范式中投入更多的数据、更多的计算资源、以及更大的模型规模，模型在「预测下一个词」这项任务上的表现就会变得越来越好。

　　这些研究表明：当扩大模型规模、延长训练时间、增加训练数据量之后，模型在完成预测任务时会提升。

　　这种稳定可控的增长趋势，正是促使OpenAI决定大规模投入资源、继续扩展模型规模的核心依据。

　　当然，光是让模型更会「预测下一个词」，并不一定就意味着它在用户真正关心的任务上，比如编程，真的变得更强了。

　　但在实践中发现：当模型在预测任务上表现越来越好时，它在各种「下游任务」上的表现也会随之变好，比如写代码、做数学题、回答问题等等。

　　这其实就是GPT范式不断演进的基础，从GPT-1到GPT-2，一直到现在，模型能力的持续提升。

　　比如GPT-2的训练成本，大概在5,000到50,000美元之间，取决于具体怎么估算。而根据一些公开资料，GPT-4的训练成本可能高达5,000万美元左右。

　　过去一年里听到的一些关于大语言模型（LLM）和「扩展范式」的批评，可能在当时确实是有道理的。

　　虽然理论上还可以继续往上堆钱，比如投入十亿、甚至数十亿美元，但到某个点之后，经济回报就不再划算了。

　　不过，有一点非常关键：虽然训练的成本越来越高，但实际向模型提问,让它给你一个答案的花费的「推理成本」，其实仍然很低。

　　设想一下，如果大家不再单纯依赖扩大训练量，而是提升模型在「每次回答前进行更深层思考」的能力呢？

　　但如果你问o1同样的问题，它会「认真思考」很久，也许会花上一分钟才回答，而成本可能是大约一美元——

　　图中的纵轴表示准确率，也就是模型在「一次答对」的比例（叫做「pass@1」）；横轴表示模型在回答问题时所消耗的推理计算量（也就是「思考」时间和资源的多少）。

　　在图的最左边，模型几乎是「秒回」——也就是基本没怎么思考；而在最右边，模型会花上几分钟去思考后再作答。

　　大家不必再单靠堆大模型、加大训练成本来提升性能，而是可以通过增加推理时间、花更多资源在「每次思考」上，来获得更强的结果。

　　每次问答成本可以是几美元、几十美元，甚至更多，这样就可以支撑模型进行更深入、更高质量的推理。

　　而o3模型的Elo分数超过了2700，已经进入了人类专业编程选手的前0.1%，相当于全球第175名的水平。

　　这意味着这个模型即使不是专门为了编程训练的，也已经具备了强大的实际编码能力，对现实世界的经济活动会带来很大影响。

　　他曾在拜登政府任职，担任白宫CHIPS协调员以及国家经济委员会代理副主任。在此之前，他曾任美国商务部首席经济学家，以及白宫经济顾问委员会的高级经济学家。

　　OpenAI非常国际化，因此，当不同地区开始采用不同类型的技术、而超级大国之间的技术竞争加剧时，这让很多人感到不安。

　　这里的关键问题其实不是{AI会不会取代人类}，而是「AI将如何增强或取代人类的角色」。这才是大家真正需要思考的方向。

　　比如在银行业，大家就可以看到这种分化趋势：一些银行拥有技术人才，正在积极投资AI；而另一些仍依赖传统主机系统（mainframes），开始借助AI推动现代化转型。

　　谁能真正理解并应用最新的AI技术，谁就能取得成功。AI的影响范围涵盖技术支持、运营效率、战略决策等多个方面。

　　这趟旅程并不是简单地购买AI工具、获取许可证那么简单，而是要把AI嵌入整个价值链中，实现深度融合。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。