2022 年，Google 研究人员发现一个反直觉的现象：在问题后加上一句「让我们一步步想」（Let's think step by step），大模型在数学和逻辑题上的表现会显著跃升。我们关注到，这项被命名为 Chain-of-Thought（思维链，简称 CoT）的技术，是今天 ChatGPT、Claude、文心一言等主流大模型能处理复杂问题的共同底层能力。换句话说，你现在看到的 AI 能「动脑子」，根子上靠的就是它。

这是什么

CoT 的核心思路很朴素：不让 AI 直接给答案，而是强制它先把推理过程一步步写出来再下结论，相当于答题前先「打草稿」。在它出现之前，大模型处理多步推理时常给出看似合理但逻辑断裂的答案。CoT 让中间步骤显性化，避免了「胡说」式的逻辑跳跃。它目前是所有主流大模型的标配能力，区别只在于各家实现细节。

行业怎么看

支持方把 CoT 视为大模型「从鹦鹉学舌走向真正思考」的关键转折，也是当前 Agent（能自主执行任务序列的 AI 助手）、复杂任务规划等热门方向的基础设施。

但质疑声同样明确。值得关心的是，一种批评直指本质：CoT 只是「更长的模式匹配」，并非真正推理——模型在拼凑更像样的中间步骤，遇到训练数据外的真问题仍会露馅。另一种风险更现实：CoT 会显著增加 token（模型处理和生成文本的最小单位）消耗，推理成本可能上涨数倍。还有研究指出，这项技术对模型规模有要求，参数量低于 10 亿的小模型几乎用不上。

对普通人的影响

  • 对企业 IT：调用带「推理增强」的 AI 接口，单次成本可能是不带的 2-5 倍，但准确率提升明显，是否启用要看任务复杂度。
  • 对个人职场：用 AI 做数据分析、写方案时，主动要求它「一步步说明推理过程」，输出质量通常高于直接要结论，但关键数字仍需人工核对。
  • 对消费市场：AI 助手类产品如果还停留在「直接给答案」的水平，大概率是较旧的技术栈，体验差距会越拉越大。