o1模型展现了推理能力的提升，类似于GPT-3的发布，它预示着inferencescalinglaw带来的能力涌现。与ChatGPT不同，o1更像是GPT-3的发布，需要行业探索合适的应用方式。未来可能出现自动选择模型的机制，以及更加适合system2思考的异步产品形态，例如邮件或ticket形式的深度思考问题，利用时间换取更高的价值。

🤔 o1模型展现了推理能力的提升，类似于GPT-3的发布，它预示着inferencescalinglaw带来的能力涌现。目前看到的o1模型只是预览版本，尚未完全成型，更像是GPT-3的发布，需要行业探索合适的应用方式。

🤔 与ChatGPT不同，o1更像是GPT-3的发布，需要行业探索合适的应用方式。GPT-3刚发布时，学术界感到震撼，但普通用户不知道如何使用。instructGPT完善了指令遵循能力，才有了ChatGPT，找到了合适的产品形态。

🤔 未来可能出现自动选择模型的机制，类似于人类不会刻意选择用system1或system2思考，产品应该自动选择合适的模型回答问题。

🤔 同时，可能会有更加适合system2思考的异步产品形态出现。ChatGPT的聊天界面暗示了快速回复的期待，对于需要深度思考的问题可能不那么适合。

🤔 可以考虑邮件或ticket形式的深度思考问题，利用时间换取更高的价值。例如，我们可以与分析师实时聊天，但对于需要深度思考的问题，我们更倾向于发一封邮件或一个ticket，并期待异步的更新或回复。

🤔 未来可能会出现很多用thinkingtime换performance的异步产品，给AI几十秒、几分钟、几个小时甚至几天时间思考，能够换来多少额外价值？这个地方产品发挥的空间应该是很大的。

这几天o1尝试下来的一点点感受：
我们目前看到的是 o1 这个模型的 preview，甚至都不是最后的模型，也远非一个完整的产品。比起 ChatGPT，它更像是 GPT-3 的发布，正如 GPT-3 体现了 pretraining scaling law 带来的能力涌现，o1 体现了 inference scaling law 带来的推理能力提升。GPT-3 刚刚发布的时候，对于学术界是非常震撼的，但是普通用户完全不知道怎么把它用好，在 instructGPT 完善了 instruct following 能力后，又出现了ChatGPT ，找到了合适的产品形态；同样，怎么把 o1 带来的推理能力用好，现在的 ChatGPT 可能完全不是合适的产品形式，需要全行业去探索。

一方面，在 ChatGPT 里面，非常有可能用户越来越不需要主动选择用什么模型——类似我们不会跟一个人明确说你现在要用 system 1 还是 system 2 思考一样，产品应该自动选择合适的模型回答问题。另一方面，可能会有更加适合 system 2 的产品形态出现：ChatGPT 这里的 chat 名字和 UI 形态，隐含了「尽快回复」的期待，对于 system 2 的问题可能不那么适合。例如我们可以和分析师实时聊天，但对于一个需要深度思考的问题，我们更加可能是发一封邮件或者一个 ticket并且期待一个异步的update或回复。

接下来应该会出现很多用 thinking time 换 performance 的异步产品，给 AI 几十秒，几分钟，或者几个小时甚至几天时间思考，能够换来多少额外价值？这个地方产品发挥的空间应该是很大的。