讓AI慢思考、會思考，360這次走在了OpenAI前面_風聞

文 / 道哥 

“AI具備思維了麼？ ”“AI應該具備怎樣的思維能力？ ”這是一直以來科技界頻繁探討併力主攻克的難題。 

自從 OpenAI 發佈新模型 o1-preview後，這道難題大致有了解法： 

有人用門薩（MENSA）測試題“拷問”o1-preview，被它120分的智商震驚到合不攏嘴； 

數學大佬陶哲軒在和o1-preview碰觸後，發現它竟然能成功識別出克萊姆定理； 

一位天體物理學論文作者，僅用6次Prompt，就讓 o1-preview在1小時內，創建了代碼運行版本，相當於他博士生期間10個月的工作量。 

…… 

換言之， o1-preview已經具備了思維能力，甚至可以“三思而後行”。

據瞭解，o1-preview和GPT系列模型最大的區別在於，o1-preview是在思考之後解答用户問題，輸出高質量的內容，而非迅速回應無效答案，即用模仿人類思維過程的“慢思考”代替過去追求快速響應的“快思考”。

但其實，這種思想和方法並非OpenAI的首創，更非獨創。早在7月底的ISC.AI2024大會上，360集團創始人周鴻禕就宣佈，“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”。 

01 英雄所見略同

誠如前文所言，o1-preview之所以變得更強大、更聰明，其本質是用模仿人類思維過程的“慢思考”代替過去追求快速響應的“快思考”。 

英雄所見略同。周鴻禕不僅早於OpenAI提出這一理念，且在之後多次強調類似理念。

對於o1-preview的推出，周鴻禕在其最新發布的短視頻中表示，“o1-preview不同於以往大模型用文字來訓練，而是像自己和自己下棋，通過強化學習來實現這種思維鏈的能力。” 

在周鴻禕看來，人類思維有“快思考”和“慢思考”之分。快思考的特點是直覺敏鋭、無意識，反應很快但精度不夠。GPT類大模型汲取海量知識，主要學習的是快思考能力，這也是為什麼它們能脱口而出，但常常答非所問、“胡説八道”的原因，“就像人一樣，不假思索出口成章而不出錯的概率很小。” 

慢思考的特點則是緩慢、有意識、有邏輯性，需要分解成詳細的步驟，好比寫一篇複雜的文章，要先列提綱，再根據提綱去搜集資料和素材，然後討論、撰寫、潤色和修改，直至定稿，“o1-preview擁有了人類慢思考的特質，在解惑答疑前會反覆地琢磨、推敲，可能還會自我提問千遍，最後才給出結果。”    

不過，儘管o1-preview在“慢思考”的加持下取得了令人驚喜的進展，但其仍然難稱完美，尚存在幻覺、運行速度較慢、成本高昂等諸多“痼疾”，也限制了其應用範圍。

對比之下，提前意識到“慢思考”對AI重要性的360，憑藉着行業首發、全棧自研的CoE（Collaboration of Experts，專家協同）技術架構和混合大模型，在o1-preview推出之前就已實現應用落地。 

據瞭解，360在今年7月底正式發佈的CoE技術架構中，強化了“慢思考”的使用，驅動多個模型分工協同、並行工作，執行多步推理。 

並且CoE技術架構帶來更精細的分工、更好的魯棒性、更高的效率和可解釋性和更深的泛化性，能夠加快推理速度，以及降低API接口和Token所需費用。 

可以説，這一次，中美兩國的人工智能企業在研發思路上罕見地站在了同一條起跑線，並且中國企業的起跑時間還要早一些。

02 集齊龍珠，召喚“神龍”

和同業選手顯著區隔開的是，CoE技術架構並非只接入了一家企業的模型，而是由360牽頭，百度、騰訊、阿里巴巴、智譜AI、Minimax、月之暗面等16家國內主流大模型廠商組成“聯合艦隊”。 

同時，其還接入了很多十億甚至更小參數的專家模型，讓整個系統更加有的放矢，更具能動性、更加智能。 

雙管齊下的舉措，使CoE技術架構輕鬆實現“量體裁衣”，達致資源、效用最大化：一邊“集齊龍珠，召喚神龍”，讓最強的模型啃最硬的“骨頭”，一邊調用更精準、更具特色的小模型，解決簡單的淺層疑問。

目前，CoE架構作為底層支撐，已在360AI搜索、360AI瀏覽器等產品中落地。 

360AI搜索的“深入回答”模式，涉及7-15次的大模型調用，比如可能會涉及1次意圖識別模型調用，1次搜索詞改寫模型調用，5次搜索調用，1次網頁排序調用，1次生成主回答調用，1次生成追問調用。 

由此導向的工作鏈路分為三步，即首先構建意圖分類模型，對用户的發問進行意圖識別；接着打造任務路由模型拆解問題，劃分成“簡單任務”、“多步任務”和“複雜任務”，並對多個模型進行調度；最後構建AI工作流，使多個大模型協同運作。    

這樣一來，360 AI搜索不光考慮到了任務的動態性和複雜性，還能夠根據任務的具體情況實時調整處理策略和資源分配，化解繁瑣任務時更加靈活和高效。 

03 組隊較量，戰力更強

360AI瀏覽器中，除了上線“多模型協作”，另一大亮點便是入駐了國內首個大模型競技平台——模型競技場。 

“大模型競技場”，同樣支持調用國內16家主流大模型廠商的54款大模型，包括“組隊較量”、“匿名比拼”、“隨機對戰”等功能，幫助用户在最短的時間獲取最優解。  

尤其是“組隊較量”功能，用户可以自由選定3款大模型，和任意一款或兩款大模型PK。 

這麼做的好處顯而易見。多個大模型在同一時空激烈“賽馬”，展開就速度、耗時、效率等多個維度的量化比拼或“秀肌肉”，對用户來説，交叉比證後，能更為直觀地評估並裁奪出最佳方案。

事實上，當下不少國產大模型在單項指標上都能打平甚至完勝GPT-4，但論整體實力，差距就顯現出來了。 

CoE技術架構的思路，正是改變這種“單打獨鬥”的做法，構建大模型“精英集羣”、“團戰”打法，從而各取所長，形成“最強大腦”，迎戰o1-preview和GPT-4o。

同時，在“比學趕幫超”的濃厚氛圍中，碰撞出行業的一些集成標註，提高不同模型間的兼容性，升級用户體驗。

尊因循果，得益於底座的整合創新，360混合大模型在翻譯、寫作、學科考試、代碼生成等 12 項具體測評中取得了80.49分的綜合成績，大幅領先於GPT-4o的69.22分；特別是在“詩詞賞析”、“弱智吧”等這類比較具有中文特色的細分賽道，領先身位進一步擴大。    

即便面對 o1-preview，360混合大模型在未經專門優化的情況下也展現出了能與之抗衡的力量。 

經過21道複雜邏輯推理題測試結果顯示，其效果與OpenAI o1-preview相當，完全超越GPT-4o，有時還能超越o1-preview。 

可以説，CoE的整個流程就是在踐行人類思維過程的“慢思考”，涵蓋分析、理解、剖判等關鍵環節，內涵了愈發“類人”的傾向。

正如周鴻禕認為的，“模型知道什麼時候自己不懂，然後找方法去‘查詢’或‘驗證’答案，而不是依賴模型自身儲存所有知識。” 

寫在最後

在AI這條賽道上，“慢思考”無疑是人工智能發展到現在的一大突破。 

長線看，“慢思考”更是角力AI賽道的“勝負手”。“以後比的不是多快能給你答案，而是給的答案完不完整，這也會改變人工智能服務的業態，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”，周鴻禕説。    

360憑藉前瞻性的技術洞察和篤行實幹，尋獲一條充滿自主特色的AI發展路徑。這一路徑給中國的AI進程提供了新的思路，也使中國大模型廠商媲美甚至超越OpenAI成為可能。