2、智算需求持续高涨，核心驱动力由“训练”转向“推理” 推理模型快速普及并从纯文本走向多模态。OpenAI 于 2024 年 9 月发布的 o1-preview 模型拉开推理模型帷幕。推理模型基于 基础模型开发，其通过在推理过程中引入长思维链，实现了与普 通模型截然不同的问题解决方法，即在输出答案前先进行“思考”， 因此更为擅长处理谜题、高级数学和高难度编程等需要多步骤逻 辑推导的任务。推理模型的“思考过程”可以向用户展示，如 年以来，全球科技企业 陆续推出推理模型，如深度求索的 DeepSeek-R1、xAI 的 Grok-3 （ Think 模 式 /Big Brain 模 式 ） 和 Grok-3 mini Reasoning、 Anthropic 的 Claude 3.7 Sonnet，阿里云通义团队的 QwQ-32B、 字节跳动豆包团队的 Seed-Thinking-v1.5 等。同时，推理模型正 在从 LLM 走向多模态，如 走向多模态，如 OpenAI 的 o3 和 o4-mini、阿里云通义 团队的 QVQ-Max 等均是视觉推理模型。OpenAI o3 和 o4-mini 可 以使用图像进行思维链推理，如解读白板照片、教科书图表或手 绘草图等，并可借助工具对图像进行旋转、缩放或变换等操作， 智算产业发展研究报告（2025） 9 以及与 Python 数据分析、网络搜索、图像生成等工具协同工作。 后训

步采样的计算逻辑，倾向于 在每一步选择具有较大后验概率的词语。但是，每一步的局部最优并不一定是全局最优。因此，基于最大概率 的下一词元预测并不能得到具有逻辑思维能力的模型。 这种局限性推动了推理模型（Reasoning Model）的产生。要让 AI 胜任复杂任务，仅仅依赖语言预测是 不够的。我们需要一种方法，让 AI 能够像人类一样，逐步推导、反复验证，最终找到正确的答案。早期的研 究 分布，输出较长的“思维链”（Chain-of-thought）并最终得到较为准确的回答 (Wei et al., 2022)。但是，这种 提示的结果缺乏稳定性。我们需要保证模型在不同的任务中，都能够遵循正确的思维方式。 推理模型通过引入强化学习这一训练方式来提高准确性。通俗来说，强化学习就是让模型在“试错”中学 习：生成多种可能的推理路径，然后根据结果的正确性给予奖励，最终优化出最优策略。这种方法类似于人类 在学习新 (2024). 3 祛魅 AI：大模型的基本原理 23 由于可能的路径随着推理步骤的增加而指数级上升，推理模型在搜索多个思维链时普遍需要耗费较长的 时间。因此，模型开发商通常会利用包含了正确思维步骤的思维链，再次用来微调大语言模型。最终应用时， 大模型通常只生成单一的思维链。 推理模型的训练过程可以用经济学理论进行类比。行为经济学将人的决策过程分为两类：基于计算和逻 辑演绎的“慢思考”（Slow

要求也越来越高。一是车端推理模型需要具备 多传感器、多模态的感知数据的并行处理能力。二是在车端推理模型与云端训练模型的协同上，需使用专用智能驾 驶云端模型提升运行效率，如以开源通用语言大模型为基模型进行二次训练与蒸馏出的智能驾驶模型，解决模型臃 肿导致的效率低、时延大的问题。三是可采用 MoE（Mixture of Experts）多专家架构，进一步提升车端推理模型 的运行效率，降低对车端 的运行效率，降低对车端算力及成本的要求。四是车端推理模型要有预见未来的能力，除了输出当前的行车轨迹用 于控制车辆外，还需对复杂场景的理解预测未来几秒钟的行车意图，以提升驾驶员的心理安全感。 未 来， 算 法 将 逐 步 向 AI 大 模 型 的 方 向 发 展， 借 鉴 ChatGPT、DeepSeek、Qwen 等自然语言处理模型的 泛化能力，处理更为复杂的现实交通场景与人机交互逻 辑，赋予车辆更智能的场景理解与规划决策能力，提升 不确定性。该不确定性主要来源于两个维度，一是模型 本身的不确定性；二是数据层面的认知不确定性。针对 模型不确定性可通过概率分布形式进行量化，常用的方 法如高斯分布及其变型；针对认知不确定性可引入预测 熵作为度量，构建以贝叶斯推理模型为基础的认知评估 模型，从而有效量化和管理模型不确定性和认知不确定 性，提升自动驾驶系统的可靠性。 运行设计域（ODD）的动态监测同样是 SOTIF 的关键 支撑。从道路规范（覆盖城市、高速等场景的几何特征