如果把人生视作一场开放式的大型多人在线游戏，那么自2022年ChatGPT横空出世以来，这场游戏的规则已悄然改变。短短几年间，人工智能从模仿语言的统计机器，进化为具备理解与逻辑推理能力的思考系统。新一代推理模型不再满足于“高维概率空间的词汇拼贴”，而是学会在生成内容前暂停，在沉默中评估因果、权衡可能性，甚至反思实验结果是否自洽。
前1X Technologies机器人公司副总裁、长期研究机器人与通用智能交叉领域的Eric Jang在最新文章中指出，真正的变革不在于模型能“说什么”，而在于它们开始系统性地思考。当推理能力被规模化、自动化并转化为可调度的算力资源时，人类社会将面临生产力、组织形态乃至权力结构的全面重构。他以自身经历为例：过去两个月，他几乎完全依赖Claude Code进行编程，从零实现AlphaGo（代码仓库即将开源）的过程中，不仅让AI编写基础设施代码，还让它提出假设、设计实验、优化超参数，甚至生成实验报告。
现代编程智能体的能力已远超上一代自动调参系统。与Google Vizier等基于高斯过程的工具不同，它们能直接修改代码本身，搜索空间不受限，还能根据实验结果提出理论解释并验证预测。这种“自动化科学家”模式正渗透到各个领域：从优化神经网络架构到实现完整网页浏览器，从证明数学难题到设计投资策略，甚至自我优化CUDA内核以提升运行速度。Eric Jang强调，这些能力的核心是推理能力带来的目标执着性——代码REPL智能体在追求目标时表现出极强的搜索能力和“执拗”态度。
计算机科学领域正迎来一个“黄金时代”。围棋、蛋白质折叠、音乐视频生成、自动数学证明等曾被认为计算不可行的问题，如今已落入博士生可负担的算力范围内。AI初创公司正用大语言模型探索新物理规律，手中仅有少量验证器和几百兆瓦算力。多个实验室甚至开始认真寻找千禧年大奖难题的证明。Eric Jang提醒，比起关注AI当前能做什么，更应思考其进步速度对未来24个月能力演化的影响——编程助手很快将强大到能一键生成任何数字系统，工程师甚至可以指令AI“重做一家SaaS公司”的前后端及所有服务。
推理能力的进化路径可从逻辑推断的分类中窥见一斑。演绎推理通过严格逻辑规则从前提推导结论，例如“所有哺乳动物有肾脏”结合“所有马是哺乳动物”可得出“所有马有肾脏”；归纳推理则关注概率性判断，贝叶斯公式是其核心工具。然而，现实世界的复杂性使纯粹逻辑推理面临计算成本爆炸的问题：井字棋可通过穷举推导最优走法，但国际象棋或围棋的对局数量庞大到无法穷举；贝叶斯网络中精确推断是NP-hard问题，且推理步骤越多，结果越模糊。人类处理不确定性的方式并非逐一计算概率，而是通过端到端概率建模近似完成所有变量消除与联合推断，这解释了神经网络在推理中的强大优势。
AlphaGo是早期结合演绎搜索与深度学习归纳推理的典范。其演绎步骤仅涉及合法动作和棋盘状态，归纳步骤则通过策略网络削减搜索宽度、价值网络削减深度，最终超越人类水平。但这种模式高度依赖围棋的固定规则，无法直接应用于语言等模糊领域。如今推理型大语言模型（Reasoning LLMs）通过更灵活的方式结合演绎与归纳推理，例如讨论“哺乳动物、马和肾脏”的关系时，既能执行细微的增量步骤（如按位与运算），也能实现跨度更大的逻辑飞跃（如基于场景的推理）。
大语言模型的推理能力并非一蹴而就。2022年前，LLM在数学和推理任务中表现糟糕，习惯于凭直觉行事。2022年“思维链”提示词的出现显著提升了模型表现，但2023年的提示词工程最终被证明无法从根本上提升模型智能。瓶颈在于如何训练出更好的推理电路，而非激活预训练中偶然形成的“幸运电路”。2024年初，树搜索等演绎推理方法尝试通过并行化和回溯提升推理能力，但效果有限，因为真正的瓶颈在于LLM内部的推理电路。
当前推理范式的突破来自DeepSeek-R1模型。其核心逻辑包括：从强大基座模型出发，使用在线策略强化学习（如GRPO）针对规则奖励（数学题、编程测试等）优化，同时设定格式奖励确保推理过程发生在特定标签内。R1-Zero虽能开发优秀推理电路，但难以配合使用且常规任务表现不佳。DeepSeek团队通过四个训练阶段（RL→SFT→RL→SFT→RL）在恢复非推理任务高性能的同时，使推理轨迹更易理解。这一方案的成功依赖于四个条件：基座模型足够强大以采样连贯推理轨迹；采用同策略RL而非仅SFT；使用基于规则的奖励而非人类反馈训练的奖励模型；扩大推理算力以支持长上下文采样。
