让AI慢思考、会思考，360这次走在了OpenAI前面

文 / 道哥

“AI具备思维了么？ ”“AI应该具备怎样的思维能力？ ”这是一直以来科技界频繁探讨并力主攻克的难题。

自从 OpenAI 发布新模型 o1-preview后，这道难题大致有了解法：

有人用门萨（MENSA）测试题“拷问”o1-preview，被它120分的智商震惊到合不拢嘴；

数学大佬陶哲轩在和o1-preview碰触后，发现它竟然能成功识别出克莱姆定理；

一位天体物理学论文作者，仅用6次Prompt，就让 o1-preview在1小时内，创建了代码运行版本，相当于他博士生期间10个月的工作量。

……

换言之， o1-preview已经具备了思维能力，甚至可以“三思而后行”。

据了解，o1-preview和GPT系列模型最大的区别在于，o1-preview是在思考之后解答用户问题，输出高质量的内容，而非迅速回应无效答案，即用模仿人类思维过程的“慢思考”代替过去追求快速响应的“快思考”。

但其实，这种思想和方法并非OpenAI的首创，更非独创。早在7月底的ISC.AI2024大会上，360集团创始人周鸿祎就宣布，“用基于智能体的框架打造慢思考系统，从而增强大模型的慢思考能力”。

01 英雄所见略同

诚如前文所言，o1-preview之所以变得更强大、更聪明，其本质是用模仿人类思维过程的“慢思考”代替过去追求快速响应的“快思考”。

英雄所见略同。周鸿祎不仅早于OpenAI提出这一理念，且在之后多次强调类似理念。

对于o1-preview的推出，周鸿祎在其最新发布的短视频中表示，“o1-preview不同于以往大模型用文字来训练，而是像自己和自己下棋，通过强化学习来实现这种思维链的能力。”

在周鸿祎看来，人类思维有“快思考”和“慢思考”之分。快思考的特点是直觉敏锐、无意识，反应很快但精度不够。GPT类大模型汲取海量知识，主要学习的是快思考能力，这也是为什么它们能脱口而出，但常常答非所问、“胡说八道”的原因，“就像人一样，不假思索出口成章而不出错的概率很小。”

慢思考的特点则是缓慢、有意识、有逻辑性，需要分解成详细的步骤，好比写一篇复杂的文章，要先列提纲，再根据提纲去搜集资料和素材，然后讨论、撰写、润色和修改，直至定稿，“o1-preview拥有了人类慢思考的特质，在解惑答疑前会反复地琢磨、推敲，可能还会自我提问千遍，最后才给出结果。”

不过，尽管o1-preview在“慢思考”的加持下取得了令人惊喜的进展，但其仍然难称完美，尚存在幻觉、运行速度较慢、成本高昂等诸多“痼疾”，也限制了其应用范围。

对比之下，提前意识到“慢思考”对AI重要性的360，凭借着行业首发、全栈自研的CoE（Collaboration of Experts，专家协同）技术架构和混合大模型，在o1-preview推出之前就已实现应用落地。

据了解，360在今年7月底正式发布的CoE技术架构中，强化了“慢思考”的使用，驱动多个模型分工协同、并行工作，执行多步推理。

并且CoE技术架构带来更精细的分工、更好的鲁棒性、更高的效率和可解释性和更深的泛化性，能够加快推理速度，以及降低API接口和Token所需费用。

可以说，这一次，中美两国的人工智能企业在研发思路上罕见地站在了同一条起跑线，并且中国企业的起跑时间还要早一些。

02 集齐龙珠，召唤“神龙”

和同业选手显著区隔开的是，CoE技术架构并非只接入了一家企业的模型，而是由360牵头，百度、腾讯、阿里巴巴、智谱AI、Minimax、月之暗面等16家国内主流大模型厂商组成“联合舰队”。

同时，其还接入了很多十亿甚至更小参数的专家模型，让整个系统更加有的放矢，更具能动性、更加智能。

双管齐下的举措，使CoE技术架构轻松实现“量体裁衣”，达致资源、效用最大化：一边“集齐龙珠，召唤神龙”，让最强的模型啃最硬的“骨头”，一边调用更精准、更具特色的小模型，解决简单的浅层疑问。

目前，CoE架构作为底层支撑，已在360AI搜索、360AI浏览器等产品中落地。

360AI搜索的“深入回答”模式，涉及7-15次的大模型调用，比如可能会涉及1次意图识别模型调用，1次搜索词改写模型调用，5次搜索调用，1次网页排序调用，1次生成主回答调用，1次生成追问调用。

由此导向的工作链路分为三步，即首先构建意图分类模型，对用户的发问进行意图识别；接着打造任务路由模型拆解问题，划分成“简单任务”、“多步任务”和“复杂任务”，并对多个模型进行调度；最后构建AI工作流，使多个大模型协同运作。

这样一来，360 AI搜索不光考虑到了任务的动态性和复杂性，还能够根据任务的具体情况实时调整处理策略和资源分配，化解繁琐任务时更加灵活和高效。

03 组队较量，战力更强

360AI浏览器中，除了上线“多模型协作”，另一大亮点便是入驻了国内首个大模型竞技平台——模型竞技场。

“大模型竞技场”，同样支持调用国内16家主流大模型厂商的54款大模型，包括“组队较量”、“匿名比拼”、“随机对战”等功能，帮助用户在最短的时间获取最优解。

尤其是“组队较量”功能，用户可以自由选定3款大模型，和任意一款或两款大模型PK。

这么做的好处显而易见。多个大模型在同一时空激烈“赛马”，展开就速度、耗时、效率等多个维度的量化比拼或“秀肌肉”，对用户来说，交叉比证后，能更为直观地评估并裁夺出最佳方案。

事实上，当下不少国产大模型在单项指标上都能打平甚至完胜GPT-4，但论整体实力，差距就显现出来了。

CoE技术架构的思路，正是改变这种“单打独斗”的做法，构建大模型“精英集群”、“团战”打法，从而各取所长，形成“最强大脑”，迎战o1-preview和GPT-4o。

同时，在“比学赶帮超”的浓厚氛围中，碰撞出行业的一些集成标注，提高不同模型间的兼容性，升级用户体验。

尊因循果，得益于底座的整合创新，360混合大模型在翻译、写作、学科考试、代码生成等 12 项具体测评中取得了80.49分的综合成绩，大幅领先于GPT-4o的69.22分；特别是在“诗词赏析”、“弱智吧”等这类比较具有中文特色的细分赛道，领先身位进一步扩大。

即便面对 o1-preview，360混合大模型在未经专门优化的情况下也展现出了能与之抗衡的力量。

经过21道复杂逻辑推理题测试结果显示，其效果与OpenAI o1-preview相当，完全超越GPT-4o，有时还能超越o1-preview。

可以说，CoE的整个流程就是在践行人类思维过程的“慢思考”，涵盖分析、理解、剖判等关键环节，内涵了愈发“类人”的倾向。

正如周鸿祎认为的，“模型知道什么时候自己不懂，然后找方法去‘查询’或‘验证’答案，而不是依赖模型自身储存所有知识。”

写在最后

在AI这条赛道上，“慢思考”无疑是人工智能发展到现在的一大突破。

长线看，“慢思考”更是角力AI赛道的“胜负手”。“以后比的不是多快能给你答案，而是给的答案完不完整，这也会改变人工智能服务的业态，人工智能到最后还是要参考人类大脑的组成来构造工作模式”，周鸿祎说。

360凭借前瞻性的技术洞察和笃行实干，寻获一条充满自主特色的AI发展路径。这一路径给中国的AI进程提供了新的思路，也使中国大模型厂商媲美甚至超越OpenAI成为可能。