中信證券：OpenAI發佈草莓模型o1 通用推理能力顯著提升

智通財經APP獲悉，中信證券發佈研報稱，北京時間9月13日凌晨，OpenAI發佈全新AI推理系列大模型o1。該系列模型通過引入大規模強化學習算法，將模型思維展現爲思維鏈，從而顯著提高了模型通用推理能力和對齊效果。根據OpenAI官方測評，o1不僅在絕大多數推理任務中表現優於GPT-4o，甚至在部分推理密集型基準測試中可與人類專家相媲美。推理性能提升的同時，o1系列模型推理算力需求大幅提升，o1-preview定價約爲GPT-4o的12倍，後續降本值得關注。

投資層面看，儘管o1系列模型純文字輸出形式限制了其應用場景，但是隨着底層算法能力提升帶來的通用推理能力的進步，中信證券認爲AI爆款應用有望從科研、編程等高價值場景起率先解鎖，軟件、互聯網有望率先受益。除去應用端的投資機會，硬件端的需求也必然會隨着多模態的技術進步而不斷提高，中信證券仍然持續看好 AI 算力層面，尤其是得益於商業端逐步成熟而帶來的更多的 AI 推理側算力的機會。

中信證券主要觀點如下：

事項：

北京時間9月13日凌晨，全球AI產業領頭羊OpenAI正式發佈一系列旨在專門解決複雜任務的全新AI推理大模型o1，即之前醞釀已久的草莓模型。根據OpenAI官方推特，o1系列模型將包括o1、o1-preview和o1-mini，其中o1-preview已開放使用，ChatGPT Plus和Team的用戶以及API使用等級達到5級（API付費超1000美元）的開發者已獲得該模型訪問權限，企業版和教育版的用戶預計將從9月16日起獲得該模型訪問權限。與此前The information、The medium等媒體報道基本一致，o1模型在功能、推理和性能表現上基本符合預期。

模型機理及評測效果：強化學習加持下編碼/數學/推理能力提升顯著。

根據OpenAI技術博客，o1模型在訓練過程中引入了大規模強化學習算法，從而加強了其執行復雜推理任務的能力。而根據“Reinforcement learning: An introduction”（Sutton），強化學習起源於上世紀60年代，旨在通過獎懲機制讓智能體在複雜環境中最大限度獲得長期全局最優收益。強化學習主要包括定義問題、選擇策略、學習價值函數（如Q學習）、模型控制和策略優化等步驟。此前谷歌圍棋機器人AlphaGo的核心技術即爲強化學習。在應用該項技術後，o1系列模型的輸出過程與GPT系列模型存在顯著不同：o1系列模型會先用至多20~30秒產生較長的思維鏈再進行輸出，即先將複雜任務拆解爲子任務進行分析，在彙總子任務結果後輸出最終結果，而非GPT系列模型立即開始生成的模式。根據OpenAI官網，o1模型在理科測試、數學、編程等絕大多數推理任務中表現明顯優於GPT-4o，甚至在部分推理密集型基準測試中o1模型的表現與人類專家相媲美。例如，在國際奧林匹克資格考試中，o1正確解答了83%的題目，而GPT-4o僅正確解答13%；在PhD水平科學問答測試中，o1和o1-preview表現均優於人類專家與GPT-4o。

市場定位：安全性與推理能力顯著提升有望解鎖應用，模型成本有待優化。

根據OpenAI官方技術博客，思維鏈可有效提升模型的安全和對齊水平：1）思維鏈可清晰的展示模型思維；2）將模型行爲策略整合到推理模型的思維鏈中，可以高效、穩健地教導人類價值觀。我們認爲，目前AI產業的主要矛盾是推理能力不足和成本過高導致的爆款應用匱乏。而在安全性有保障的前提下，推理能力的顯著提升使得o1有望逐步解鎖應用。但由於龐大的推理算力需求導致的高成本和純文字反饋的輸出形態，我們預計短期內o1的應用場景仍將集中於編程和科研等特定高價值生產力場景，OpenAI官方亦推出了更加擅長編程的且更便宜的推理模型o1-mini。根據OpenAI官網，o1-preview定價爲輸入端15美元/百萬token，輸出端60美元/百萬token；o1-mini的定價爲輸入端3美元/百萬token，輸出端12美元/百萬token；GPT-4o的定價爲輸入端1.25美元/百萬token，輸出端爲5美元/百萬token。當前GitHub Copilot團隊版和企業版官網定價分別爲4美元和21美元每月，我們認爲o1模型的後續成本優化值得關注。

趨勢展望：推理階段有望遵循Scaling Law，多模型配合值得關注。

在研發o1模型時，OpenAI發現給予模型更多的推理時間可有效提高模型的性能，即推理階段的Scaling Law。這一發現在一定程度上意味着推理端的算力需求有望迎來蓬勃增長。同時目前o1系列模型的訪問限制也從側面證明了模型算力需求之旺盛。根據OpenAI官網，目前o1-preview使用限制爲每週30條，o1-mini爲每週50條。此外，我們認爲，應用層面的多模型配合亦值得關注。根據“Merge, Ensemble, and Cooperate! A Survey on Collaborative Strategies in the Era of Large Language Models”（Jinliang Lu, Ziliang Pang, Min Xiao等），多模型協作具有整體性能提升、多任務處理能力增強、計算效率提升、錯誤與幻覺減少、知識共享與能力遷移等優勢。多模型協作既可發生在大模型之間，也可發生在大模型與小模型之間。多模型協作策略可分爲融合、集成和合作三種，其中合作方法下不同模型兼容度最高最爲靈活，可創造出更加全面高效的AI系統，因此具備相當潛力。

風險因素：

AI核心技術發展不及預期風險；科技領域政策監管持續收緊風險；私有數據相關的政策監管風險；全球宏觀經濟復甦不及預期風險；宏觀經濟波動導致歐美企業IT支出不及預期風險；AI潛在倫理、道德、用戶隱私風險；企業數據泄露、信息安全風險；行業競爭持續加劇風險等。

投資策略：

本次o1系列模型的更新仍然是圍繞底層算法層面，尤其是大語言模型的推理能力。從技術角度，o1系列大模型的基礎能力在大規模強化學習方法加持下在得到顯著提升，不僅證明了在scale繼續堆規模和訓練計算投入的道路上仍有不斷的迭代空間，更表明推理階段有望繼續遵循Scaling Law，從而帶來推理端算力需求的大幅增長。應用層面，儘管o1系列模型僅有文字輸出能力限制了其應用場景的開闊，但是隨着底層算法能力提升帶來的通用推理能力的進步，我們認爲AI爆款應用有望從科研、編程等高價值場景起率先解鎖，軟件、互聯網有望率先受益。除去應用端的投資機會，硬件端的需求也必然會隨着多模態的技術進步而不斷提高，我們仍然持續看好 AI 算力層面，尤其是得益於商業端逐步成熟而帶來的更多的 AI 推理側算力的機會。