如果把人生視作一場開放式的大型多人在線游戲，那么自2022年ChatGPT橫空出世以來，這場游戲的規則已悄然改變。短短幾年間，人工智能從模仿語言的統計機器，進化為具備理解與邏輯推理能力的思考系統。新一代推理模型不再滿足于“高維概率空間的詞匯拼貼”，而是學會在生成內容前暫停，在沉默中評估因果、權衡可能性，甚至反思實驗結果是否自洽。

前1X Technologies機器人公司副總裁、長期研究機器人與通用智能交叉領域的Eric Jang在最新文章中指出，真正的變革不在于模型能“說什么”，而在于它們開始系統性地思考。當推理能力被規模化、自動化并轉化為可調度的算力資源時，人類社會將面臨生產力、組織形態乃至權力結構的全面重構。他以自身經歷為例：過去兩個月，他幾乎完全依賴Claude Code進行編程，從零實現AlphaGo（代碼倉庫即將開源）的過程中，不僅讓AI編寫基礎設施代碼，還讓它提出假設、設計實驗、優化超參數，甚至生成實驗報告。

現代編程智能體的能力已遠超上一代自動調參系統。與Google Vizier等基于高斯過程的工具不同，它們能直接修改代碼本身，搜索空間不受限，還能根據實驗結果提出理論解釋并驗證預測。這種“自動化科學家”模式正滲透到各個領域：從優化神經網絡架構到實現完整網頁瀏覽器，從證明數學難題到設計投資策略，甚至自我優化CUDA內核以提升運行速度。Eric Jang強調，這些能力的核心是推理能力帶來的目標執著性——代碼REPL智能體在追求目標時表現出極強的搜索能力和“執拗”態度。

計算機科學領域正迎來一個“黃金時代”。圍棋、蛋白質折疊、音樂視頻生成、自動數學證明等曾被認為計算不可行的問題，如今已落入博士生可負擔的算力范圍內。AI初創公司正用大語言模型探索新物理規律，手中僅有少量驗證器和幾百兆瓦算力。多個實驗室甚至開始認真尋找千禧年大獎難題的證明。Eric Jang提醒，比起關注AI當前能做什么，更應思考其進步速度對未來24個月能力演化的影響——編程助手很快將強大到能一鍵生成任何數字系統，工程師甚至可以指令AI“重做一家SaaS公司”的前后端及所有服務。

推理能力的進化路徑可從邏輯推斷的分類中窺見一斑。演繹推理通過嚴格邏輯規則從前提推導結論，例如“所有哺乳動物有腎臟”結合“所有馬是哺乳動物”可得出“所有馬有腎臟”；歸納推理則關注概率性判斷，貝葉斯公式是其核心工具。然而，現實世界的復雜性使純粹邏輯推理面臨計算成本爆炸的問題：井字棋可通過窮舉推導最優走法，但國際象棋或圍棋的對局數量龐大到無法窮舉；貝葉斯網絡中精確推斷是NP-hard問題，且推理步驟越多，結果越模糊。人類處理不確定性的方式并非逐一計算概率，而是通過端到端概率建模近似完成所有變量消除與聯合推斷，這解釋了神經網絡在推理中的強大優勢。

AlphaGo是早期結合演繹搜索與深度學習歸納推理的典范。其演繹步驟僅涉及合法動作和棋盤狀態，歸納步驟則通過策略網絡削減搜索寬度、價值網絡削減深度，最終超越人類水平。但這種模式高度依賴圍棋的固定規則，無法直接應用于語言等模糊領域。如今推理型大語言模型（Reasoning LLMs）通過更靈活的方式結合演繹與歸納推理，例如討論“哺乳動物、馬和腎臟”的關系時，既能執行細微的增量步驟（如按位與運算），也能實現跨度更大的邏輯飛躍（如基于場景的推理）。

大語言模型的推理能力并非一蹴而就。2022年前，LLM在數學和推理任務中表現糟糕，習慣于憑直覺行事。2022年“思維鏈”提示詞的出現顯著提升了模型表現，但2023年的提示詞工程最終被證明無法從根本上提升模型智能。瓶頸在于如何訓練出更好的推理電路，而非激活預訓練中偶然形成的“幸運電路”。2024年初，樹搜索等演繹推理方法嘗試通過并行化和回溯提升推理能力，但效果有限，因為真正的瓶頸在于LLM內部的推理電路。

當前推理范式的突破來自DeepSeek-R1模型。其核心邏輯包括：從強大基座模型出發，使用在線策略強化學習（如GRPO）針對規則獎勵（數學題、編程測試等）優化，同時設定格式獎勵確保推理過程發生在特定標簽內。R1-Zero雖能開發優秀推理電路，但難以配合使用且常規任務表現不佳。DeepSeek團隊通過四個訓練階段（RL→SFT→RL→SFT→RL）在恢復非推理任務高性能的同時，使推理軌跡更易理解。這一方案的成功依賴于四個條件：基座模型足夠強大以采樣連貫推理軌跡；采用同策略RL而非僅SFT；使用基于規則的獎勵而非人類反饋訓練的獎勵模型；擴大推理算力以支持長上下文采樣。