2022年，當 ChatGPT 席卷全球時，OpenAI 內部一個名為 MathGen 的小團隊正默默致力于一項更為基礎的研究:教 AI 模型進行數學推理。如今，這項工作已成為 OpenAI 打造 AI 智能體（Agent）的核心技術，并引發了硅谷的人才爭奪戰。本文將深入解析 OpenAI 的 AI 智能體之路，探尋其如何通過強化學習和計算突破，從一個低調的研究項目走向通用智能體的宏偉藍圖。

2022年，在 ChatGPT 憑借其強大的語言能力迅速走紅、成為史上增長最快的產品之一時，研究員亨特·萊特曼（Hunter Lightman）正專注于一項截然不同的任務:領導一個名為 MathGen 的團隊，教 OpenAI 的模型解決高中數學競賽難題。

當時，OpenAI 的模型在數學推理方面表現欠佳。但正是這個被視為基礎研究的項目，為公司后來的突破性進展奠定了基石。如今，這個團隊的成果已成為業界領先的 AI 推理模型，即 AI 智能體背后的核心技術。

OpenAI 首席執行官山姆·奧特曼（Sam Altman）在2023年公司首屆開發者大會上曾描繪了一個宏偉愿景:“最終，你只需向計算機提出需求，它就會為你完成所有任務。”他所指的正是 AI 智能體，一個能夠像人類一樣在計算機上執行復雜任務的 AI 系統。

OpenAI 的 AI 智能體之路，與一種名為強化學習（RL）的訓練技術緊密相連。雖然 RL 早在2016年谷歌 DeepMind 的 AlphaGo 擊敗世界圍棋冠軍時就已名聲大噪，但 OpenAI 的突破在于將其與大語言模型(LLM)相結合。

OpenAI 早期的 GPT 系列模型，雖然擅長文本處理，但在基礎數學方面卻舉步維艱。直到2023年，OpenAI 團隊取得了一項代號為“Strawberry”的突破。該技術結合了 LLM、強化學習以及“測試時間計算”技術，后者為模型提供了額外的時間和計算能力來規劃、驗證并解決問題。這一突破使得 OpenAI 能夠引入“思路鏈”（CoT）方法，顯著提升了模型在解決未知數學問題上的表現。

正如研究員埃爾·基什基（El Kishky）所描述:“我看到模型開始推理了。它會注意到錯誤，然后回溯，也會感到沮喪。感覺就像讀懂了一個人的想法。”

這一技術組合最終促成了 OpenAI 推理模型 o1的誕生。o1的規劃與事實核查能力，為打造強大的 AI 智能體提供了堅實基礎。萊特曼表示，o1的誕生“解決了困擾我好幾年的一個難題”，是他研究生涯中“最激動人心的時刻之一”。

2024年秋季，OpenAI 發布 o1模型，震驚了世界。這一突破證明，通過新的訓練方法可以繼續提升模型的性能。不到一年時間，o1背后的21位研究人員就成了硅谷最搶手的人才。

馬克·扎克伯格（Mark Zuckerberg）以超過1億美元的薪酬待遇，成功招募了五名 o1研究員加入 meta 新成立的超級智能部門，其中包括被任命為該實驗室首席科學家的趙勝佳。這一舉動，凸顯了 AI 推理模型在當前技術競賽中的戰略地位。

盡管 OpenAI 的模型已在國際數學奧林匹克競賽中榮獲金牌，但其最新的 AI 系統仍會產生幻覺，其智能體在執行復雜任務時也仍面臨挑戰。

目前市面上的 AI 智能體，如 OpenAI 的 Codex，最適合在編碼等定義明確、可驗證的領域工作。但在處理購物或尋找停車位等復雜且主觀的任務時，通用 AI 智能體仍然舉步維艱。

OpenAI 研究員諾姆·布朗（Noam Brown）表示，公司正在探索新的通用強化學習技術，以應對這些難以驗證的任務。通過這種方式，OpenAI 打造了能在數學競賽中奪金的模型。該模型能夠生成多個“代理”，同時探索多個想法，最終選出最佳答案。谷歌和 xAI 等公司也已開始采用類似技術。

OpenAI 希望通過即將推出的 GPT-5等模型，進一步鞏固其在 AI 領域的領先地位。埃爾·基什基表示，OpenAI 的最終目標是打造能夠直觀理解用戶意圖、無需繁瑣設置的 AI 智能體。

盡管 OpenAI 在幾年前引領了人工智能行業，但如今谷歌、Anthropic、xAI 和 meta 等強勁對手也正迎頭趕上。問題已不再是 OpenAI 能否實現其智能代理的未來，而是能否在競爭對手之前做到這一點。