AI范式重构，从预训练到强化学习
　　Transform框架大力出奇迹的成功是本轮AI大模型革命的起源。Scaling Law（伸缩法则）：当参数规模增加、数据集规模增加并延长模型训练时间，大模型的性能就会提升，以及当模型训练参数和数据量超过一定数值之后，模型突然出现意想不到的能力（涌现现象）。
　　GPTo1引领Post-Training Scaling Law新范式变革。2024年9月OpenAI正式发布GPTo1模型，GPTo1一方面引入新的Post-Training训练机制，另一方面在推理端引入思维链，通过分步推理提升模型生成质量。Post-Training Scaling Laws训练的计算量不再只是和参数量上升，同时也会包含RL探索时LLMInference的计算量，随着更多的强化学习（训练时计算）和更多的思考时间（测试时计算）, o1的性能也在不断提升。
　　o1的技术突破何在：基于强化学习的reward model方式不断提升推理性能。过往推理端进展受限的一大核心原因在于相关训练数据占比太低，此外大部分推理数据形式为<问题--正确答案>，缺少中间详细推理步骤。而o1的核心突破便在于合成数据+“反思”，基于强化学习的reward model方式不断完善思路链、提升性能，进而在模型推理能力上实现巨大提升。
　　风险提示
　　1、AI技术发展不及预期，本次大模型创新伴随参数量及模态的增速能力天花板尚未达到，但模型效果本身仍存瓶颈及问题，倘若AI技术发展不及预期，投入厂商仍然存在失败风险。
　　2、下游应用需求不及预期，人工智能本质是通过供给创新催生需求扩容，目前大模型仍处于商业模式摸索期，倘若本轮技术变革无法真实带动下游需求，投入厂商将受到影响。