作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
2024年9月，OpenAI发布了其首个推理模型OpenAI o1。随后2025年1月，DeepSeek以开放权重的形式发布了DeepSeek-R1，并且训练成本仅为其他大模型厂商的一小部分。DeepSeek-R1的发布引起了世界范围的关注，同时也提升了推理模型在行业的知名度。
想要实现和人类一样的智能水平，需要从系统1（快思考）过渡到系统2（慢思考）。大语言模型（LLM）在生成式任务方面取得了显著进步，包括生成文本、代码、内容等，能够为各种应用场景提供强大的支持，在系统1的层面实现飞跃。但LLM在处理复杂问题时，缺乏系统性、逻辑性的推理能力，无法像人类的系统2一样逐步分析、验证并解决问题。
推理模型在系统2层面展现出巨大潜能，成为2025年AI领域最值得关注的创新之一。
沙丘智库发布《2025年中国推理模型市场跟踪报告》，旨在为企业提供一个全面的市场概览，追踪推理模型的最新进展，评估其在不同场景中的应用潜力，并探讨其对未来企业AI战略策略的影响。
完整报告：沙丘智库《2025年中国推理模型市场跟踪报告》（18页PPT）（可前往“沙丘智库”查阅）
01
推理模型的定义
推理模型是AI模型的高级进化形式，能够执行逻辑推理、解决复杂问题和多步骤思考。这些模型通过思维链过程和自我反思来模拟人类的思维模式，从简单的模式识别转向理解数据中内在的结构和关系。
随着scaling law放缓，推理时扩展（inference time scaling）旨在通过在推理阶段分配额外的计算资源激发出LLM的问题解决能力。推理模型正是体现推理时扩展趋势的重要一部分，可以处理需要更深层次理解和分析能力的复杂查询。
在模型训练的强化学习过程中，模型会根据其输出的准确性和格式获得反馈，从而增强其推理能力。奖励系统会鼓励模型使用“思维链”分步骤、有逻辑地生成输出，并引入“思考时间”，这种时间的投入与输出准确性的提高高度相关。但思维链推理会导致输出token的数量显著增加，与传统大语言模型（LLM）相比，计算需求大幅增加。
推理模型扩展了LLM的能力范围，并解决了LLM逻辑推理能力不足的关键短板，在某些场景下表现出色。但推理模型的核心技术及其支持技术仍然不成熟，还有很多需要改进的地方，因此推理能力并不适用于所有情况，甚至可能会出现错误的推理结果。
02
推理模型的适用场景
企业应将推理模型优先用于那些对LLM来说过于复杂但对企业具有高价值的场景上，同时保持谨慎，等待技术进一步成熟后再进行大规模投资。
推理模型更加适用于同时包含结构化和非结构化数据、并需要详细输出结果的场景，以下是一些理想的垂直行业应用场景。随着技术的发展和模型的成熟，推理模型将扩展至更多领域。
* 以上内容节选自《2025年中国推理模型市场跟踪报告》
///
完整报告：沙丘智库《2025年中国推理模型市场跟踪报告》（18页PPT）
报告目录
1. 推理模型的发展历程
2. 推理模型的定义
3. 推理模型的运作原理
4. 推理模型与大语言模型的对比
5. 推理模型的优势
6. 推理模型的适用场景
7. 推理模型的应用风险
8. 给企业用户的建议
9. 推理模型典型供应商及产品列表
▎更多研究（可前往“沙丘智库”查阅）
2025年AI Agent主流厂商市场指南
2025年AI Agent应用最佳实践报告
AI Agent架构设计模式研究报告
2025年中国AI Agent开发平台市场跟踪报告
大模型应用跟踪调研（2025年5月）
2025年中国银行业大模型应用跟踪报告
2025年中国生成式AI主流厂商市场指南
...
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738