中原证券2025年3月发布的计算机行业深度报告指出，AI应用落地的三大关键要素——逻辑推理能力提升、推理成本下降、开源阵营性能超越——已全面就位。其中，推理能力突破是根本前提。OpenAI的o1开启了逻辑推理能力提升的新路径，而DeepSeek-R1首次公开验证了强化学习对于大模型推理能力提升的有效性。这一突破使AI从“会说”走向“会思考”，为Agent等高级应用奠定了基础。

2024年9月，OpenAI发布o1模型，标志着大模型从纯语言模型向推理模型的跨越。此前，科学界对于LLM能否在提高语言能力同时高效提升逻辑推理能力存在质疑。2024年6月，麻省理工学院在Nature发表论文《语言主要是一种交流的工具，而不是一种思考的工具》，证明负责语言的神经和负责思维的神经在脑中是分离的。o1的发布打破了这一质疑，其通过强化学习训练，在解决科学、编码、数学等领域复杂问题时表现显著优于传统语言模型，是OpenAI在AGI道路上的里程碑式突破。

DeepSeek-R1-Zero以DeepSeek-V3-Base为基础模型，仅通过强化学习而不依赖监督微调（SFT）进行训练，其AIME2024得分从15.6%提升至71.0%，首次公开验证了大模型推理能力可通过RL独立训练获得。更关键的是，随着训练迭代增加，模型的平均响应时长同步增长，表明模型自主学会了通过延长思考时间来解决复杂问题——这是一种自我进化的能力，而非人工编程。强化学习的优点在于不依赖先验知识和人工标注数据，模型可能涌现出超越人类思维上限的推理能力，为通向超级智能开辟了道路。

为使推理能力能部署于资源受限场景，DeepSeek用R1对Llama和Qwen系列模型进行蒸馏，得到6个参数从1.5B到70B的小模型。蒸馏后的模型在推理能力上显著提升，且部署成本大幅降低。例如，DeepSeek-R1-Distill-Qwen-32B在硅基流动上的调用价格仅为1.26美元/百万token（输入/输出），而完整R1为4/16美元。这使得推理能力可广泛渗透至边缘端、移动端等多样化场景。

推理模型的出现改变了算力消耗的分布格局。以往模型算力主要集中在预训练阶段，未来后训练（强化学习）和推理阶段的算力消耗将大幅增加。单次推理因模型需要更长时间“思考”而消耗更多算力，同时Agent等应用通过多轮推理链完成复杂任务，将带来请求密度指数级增长。推理成本的下降并不会减少算力总需求，反而会因应用爆发驱动新一轮算力扩张。

表：推理模型与语言模型关键差异

维度	传统语言模型	推理模型（如o1/R1）
训练方式	监督微调（SFT）为主	强化学习（RL）为核心
逻辑推理能力	较弱	强，可解决复杂数学/编码问题
推理时思考	一次性输出	多步思考，可延长思考时间提精度
算力消耗分布	集中于预训练	后训练+推理占比提升