OpenAI近日发布了新一代ChatGPT-O1，一夜之间，国内互联网的各个角落似乎都在为其欢呼。有不少博主发布视频或文章，称美国公司发布了有史以来最强大的人工智能GPT-O1，达到了人类博士专家的水平，顺带还提一下“我们的差距又被拉大了”。

其实，老陈看得这些通稿文章或视频，感受到的依旧是那大洋彼岸熟悉的味道、熟悉的节奏，老陈不得不想问问：ChatGPT-O1真像他们吹的那么好？是否又一轮的舆论战悄然拉开序幕了？这背后的真相是什么？

说GPT-O1已经具备类似人类的推理能力，大模型已经达到人类博士水平，这个话也只能听听。严格来说GPT-O1推理能力变强了，但仍然存在缺陷性和局限性，比如，很多人测试了，问它：9.11和9.8哪个大？得到的答案依旧是GPT-4O曾经给出的错误答案：9.11比9.8大。而且，还整整思考了6秒钟，有时甚至10秒。

不难看出，GPT-O1目前也是没有数的概念，而这样的反应速度和处理能力，真的足以证明它超越了人类博士吗？显然，这背后的逻辑并不严谨。

有博主进一步测试了GPT-O1，给出一个小学数学题：两人在桥上相向而行，两次相遇，求两人行走的总距离。理论上，这应是三倍桥长，但GPT-O1却给出了两倍桥长的错误答案。这样的回答准确性，确实让人不对“史上最强大人工智能”的称号产生质疑。

不过，新一代O1也确实有自己的强大之处。也许是因为堆了算力，它在回答问题之前，会用更多时间去“思考问题”，再去回答问题。也许，通过大模型的训练，它们可能学会完善思维过程，学会自主识别错误。这个能力，或者说是OpenAI宣称的能力，是目前市面上的大模型不具备的。

事实上，这些都要归功于“强化学习”的算法立了大功。OpenAI研究员也是提出CoT的开发者Jason Wei表示，GPT-O1不是纯粹地通过提示完成CoT，而是使用RL训练模型，最终更好地执行链式思考。也就说，chatGPT-o1的做法本质上是让大模型COT自动化，或许已经拥有了一定通用推理能力。

但是，它还需要更多的强化学习和更多的思考时间投入，才能达到更高的水平，或许，那时再提什么超过人类博士了，更有说服力。

其实，你要是独自吹嘘chatGPT-o1，我也不用写这篇文章，还费脑子。也就是总出现一批反思怪，让我们自己反思不足，反思为什么追不上别人“高大上”的技术等等，让人看着生厌。

那你又知道中国的AI到底怎么样了么？即便当下我们购买不到英伟达的超强算力，也阻止不了我们AI技术的发展。无论是学术研究、技术专利，还是人才培养，我们在AI领域里都是顶尖的。像这类有据可查的数据，我此前的文章中介绍过，又想了解的可以翻看我以前文章，不多费口舌。

另外，谈及人工智能的三大基石——算法、算力和数据，GPT-O1在算力上的过度消耗也很引人注目。通过强化学习的方式，迫使GPT-4进行更细致的推理，虽然看似提高了思考深度，但实际上却是以牺牲响应速度为代价。这种“拖延战术”并未让AI变得更聪明，反而让人质疑其效率与实用性。

这一点其实大家可以去做个对比，把上面两个同样的问题抛给国产人工智能时，它们却能轻松给出正确答案。但是，这能说明0我们的国产AI已经悄然超越了所谓的“史上最强大”？显然，评价一个人工智能系统的优劣，不能仅凭一两个表面光鲜的案例，而需要全面考察其在实际应用中的表现。

其实，我们在数据积累方面已显露出明显优势。在算法和算力上，我们同样不乏创新与突破。因此，简单地将GPT-O1的某些表现视为人工智能的新里程碑，还让我们自己反思比不过人家，显然有失偏颇。

如果大家在深入分析，你或许能看见GPT-O1的发布背后，或许隐藏着美国为应对芯片市场低迷而采取的策略。随着英伟达等芯片巨头股价的下跌，美国急需通过提升人工智能对算力的需求来刺激市场。于是，他们便利用强化学习的老套路，对GPT-4进行改造，从而诞生了GPT-O1。

仔细想想，这些举动像不像是一场精心策划的营销手段，而非技术上的革命性突破？也许对于“跪族”来看，根本不会是这回事，也许，他们就是觉得人家远远超越、遥遥领先了，并认为我们就是需要反思。因为，这是“跪族”的人格特征。

我们还是要理性看待GPT-O1，不是盲目崇拜或一味贬低，而是平等、尊重地对待每一个新技术的出现。GPT-O1是比前几代优秀，值得我们去学习，也许需要我们去正视与别人存在的差距。但并不代表国产AI大模型没有优势，需要被“跪族”指指点点，我们自身在数据积累和技术创新上的优势，也很大。

对此，大家这么看呢？欢迎大家留言讨论。