注意，现在AI的发展方向不是单个AI多聪明了。是许多个AI打配合，解决很困难的问题

最近看OpenAI批量解决了一大批顶级数学难题，有些吃惊，感觉AI智能上限似乎又有突破。内部代号据说叫GPT Bel，是爆料，没有正式承认。但OpenAI确实是说有一个未公布的模型，作出数学大突破的。

一般人理解，就以为是有一个很强大的AI，在那怎么思考，把大数学问题突破了。

我仔细琢磨了，发现还真不是，是OpenAI在“用AI解决问题”的机制上，有突破了。单个AI再怎么预训练，它的基础大模型权重就是那样，都是基于人类搞的那些基础知识，并没有本事去把一堆数学问题突破。

以前AlphaGo就是，基于海量人类围棋棋谱训练，凭直觉下水平是可以，但也就是业余四五段的水平。但战胜人类职业棋手，靠的是MCTS搜索算法，一开始需要很多服务器在那不停模拟搜索计算。

即使加上后训练，也只是一个AI的权重变来变去，“本底智能”就那样。那些权重，哪怕是10万亿个参数，也就所有数学分支都知道，并没有特别厉害，知道一个难题如何去解决。

但是，OpenAI开发了一种类似于MCTS的搜索算法，也就是让上万个强力AI去打配合解决问题。每个AI的本底智能，也就是比人强一些，基于人类样本的不会太强。但是，没有任何人或者任何数学家团队，能把上万顶级数学家组织起来去解决一个数学大问题。组合出来的能力，就比单个人、单个AI要强大得多了。

这里涉及非常复杂的基础设施问题，就是怎么在几十万个GPU和海量内存、存储的超级架构里，让上万个顶级AI一边搜索互相交流沟通信息。这可比围棋的MCTS复杂多了，这涉及极为难搞的卡间通信。感觉不是人编程能实现的，应该是AI自己把这种万个AI打配合的复杂搜索框架编出来了。

中国大模型企业还没有突破这个，还是Agent的概念，就是开一些子任务，让AI“规划”一下。这种Agent任务，表面上也是很多AI一起跑，但多少有些漫无目的，规划本身就结果模糊。还没有上升到顶级AI高效整体有机配合的程度，没法和MCTS那种精密的搜索类比。

就是说，不仅要有算力支持开极多AI一起跑，还要把这些AI互相紧密沟通打配合的算法也弄清楚了。要有一种“精巧算法”的感觉，而不是形式上开多个Agent任务，耗费一堆token弄不了啥。我最近确实感觉到，能力强的AI精妙算法感会更强；弱的AI就有点瞎试碰运气，往往会白花钱。

中国大模型企业，要突破这个算法框架，让一大堆顶级AI紧密合作解决问题，而不是漫无目的乱跑Agent撞运气。