OpenAI 的 o1 草莓模型标志着 AI 推理能力的飞跃，可能使 AI 大模型更昂贵且难以实现。这一进步虽巩固了 AI 行业的未来，却给 AI 大模型公司带来挑战，它们可能难以承担高昂成本，面临被市场淘汰的风险。

假设 o1 草莓模型最终表现和发布的信息完全一致，然后回发生什么呢？

一、AI 大模型更贵了

从披露的数据来看，我们可以认为 Scaling Law 有效，不过这次不是堆数据而是堆机器和优化算法。

这意味着 AI 大模型显然会更贵，也更难，先是需要更多的机器，这导致更贵，然后靠人来做画龙点睛，这导致更难。

( 上面文章里面有这图）

这可以和过去 Sam Altman 的言论结合起来看，Sam Altman 发过的惊人言论包括需要募集七万亿美金等等，投资去解决电力问题等，两者倒是匹配。

二、AI 安全了，但 AI 大模型公司危险了

AI 公司的风险有无数个，但 AI 作为一个行业，其风险只有 1 个，就是 AI 不好用。

如果 Scaling Law 有效，那不管多贵，都意味着这个行业解决问题的价值在增加，所以这个行业安全了。大概率不会再变成 80 年代人人喊骗子的局面，行业的安全意味着 AI 大时代基本会确定打开。

但很多 AI 大模型公司是真的危险了。他们变成了应用不是应用，模型不是模型的一种公司。

跟进跟不起，不管是机器还是人才储备，显然的要想干好模型不单下一步贵，并且一段时间会越来越贵。

不跟进，那自己的高估值拿什么做支撑呢？定位是什么呢？同时这种推理的进展覆盖正是他们本来做的那部分工作。

三、冲击波从专业人员开始

从报道看 Level2 确实能过去，那我们之前所有对 Level2 影响的预判将在短期成为现实。之前我们这么解读五级模型：

上层应用实现的程度和先后可以参照 OpenAI 对后续 AI 进阶划分进行推测，下述为参照 OpenAI 分阶并补充系统型超级应用信息后整理而来。

阶段 1：聊天机器人。AI 能够与人对话，然后纯粹看对话内容你不能分辨它是人还是 AI。对话的时候 AI 可能有幻觉并胡说八道，但逻辑自洽。当前就处在这个阶段。这个时候垂直型应用处于只能出现类似 Copilot 这类纯粹的生产力工具，让 ERP 等进入下一代这类事情只可能在极小的领域中出现，处于萌芽期。

阶段 2：推理并解决真实问题的机器人。当你给 AI 真实的问题，它能够自行推理，甚至找你要它解决问题所欠缺的信息或者资源，然后真正的能够代替人解决问题。到了这个阶段，所有白领工作基本就不需要人了。在这个阶段各种不牵涉现实物理世界的事情基本可以全部用 AI 来解决，大量系统型超级应用会在企业领域、部分行业比如律师出现。

阶段 3：AI 智能体。全面感知物理世界并且能够采取行动解决问题，相当于把阶段 2 的能力从虚拟数字世界扩展到真实物理世界。到了这个阶段所有体力工作就不需要人了，街道、家庭、公司随处都是机器人。这个阶段新式系统型超级应用扩展到物理空间，具身机器人会充斥在各个生成生活的环节。

阶段 4：创新者。AI 能够组合现有要素在特定的方向上完成创新，比如他会创造性的根据面条和动物捏合出来用各种栩栩如生的动物。到了这个阶段，现在 200 人的公司估计只要不到 10 个人，像产品经理这样需要创新能力去定义产品的角色 AI 也能够承担了。这个阶段现有大部分可见的岗位全部完成 AI 对人的置换。系统型超级应用会遍布在各行各业。

阶段 5：组织者。这时候 AI 能够负责组织协调的工作，承担 AI 之上的 AI 角色（过去高管和 CEO 的角色）。到这里每个我们现在看到的领域也都有了一个自己的 AlphaGo，这个 AlphaGo 的专业性和能力远超过去人类同时具有通用性，大多企业里不需要管理人员，而是全部被 AI 接管。

这个五级分类可以看成是一种 AI 宏大叙事类比过去的大同社会等。

现在 Level2 眼看要实现了，那首先是 Level2 的影响会发生，其次在于后面的是不是也是靠谱的，而不是单纯的想象？

推理这事的影响方向非常清楚：白领包括高级白领乃至科研人员受冲击最大。

不过如果幻觉问题没解决，那人类还能略有喘息。

四、智能飞轮看起来要转起来了

如果说推理能力确实能破局（当前并非是大成，而是一种破局），那 AI 真的可以做积极的未来展望。不是因为 OpenAI 多牛，关键是我们总说的智能飞轮要启动了。

当年 AlphaGo 为什么后来水平进展极其快？

核心就在于它转起来一个叫智能飞轮的东西。

形象讲就是 AI 能够伺候 AI。

AlphaGo 的领域太垂直了，围棋太特殊了，所以过去几乎只有 AlphaGo 能干这事。

可如果推理能力搞定了，情况会有大变化。

在数据和算法两个环节，AI 逼近能够伺候自己的边缘。而这会解锁 AI 的进化速度。

说起来是个有点悲伤的故事，从智能飞轮、从 AI 进化的角度看，人才是最大障碍，人负责的越少，AI 负责的越多，那智能飞轮转的越快。

而推理能力最关键的就在于削弱人在 AI 进展过程中的角色，这反倒是会加速 AI 的进展。

五、AI 应用的黄金时代

琢磨事一直反复说个话题，AI 会因为计算模式的迁移导致大量的应用重做，过去我们把它总结成从功能中心式计算迁移到角色中心式计算。用老黄的图就是：

但这种重做在过去有点像构思闪电战缺内燃机，推理的窗口一打开，各种新现实就不是空想，而是需要更为认真的构思了。

这种认真的构思关键是需要前瞻性，顺着 AI 脉络的前瞻性。

当年基于摩尔定律有这么一种思维模式：

我先把程序按照未来的计算量开发好，那怕现在慢点，然后我就休假去了，什么也不用干，等我回来过去不怎么好用的复杂图形用户界面就好用了。

现在 AI 的脉络在呈现类似摩尔定律的确定性，所以认真思考是指基于这种脉络的前瞻性思考。

六、小结

不管怎么样 AI 革命先革自己也是有点出乎意料的，过去大量 AI 的算法人员在这种进展下承压可能比装修人员大的多。当年那些深度学习算法，是不是很快 AI 就可以干的比人更好？

当然这还只是发布会上的一些零散信息，它的真正潜力还需要一些先锋应用来验证。值得期待。

本文由人人都是产品经理作者【琢磨事】，微信公众号：【琢磨事】，原创 / 授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议。