你问大模型“1+1等于几”，它几乎零点几秒就给出答案。你再问它“一艘船上有26只绵羊和10只山羊，船长年龄多大？”它非但没察觉这是个陷阱，反而一本正经地编一个数字。但如果在这个问题后面补一句“让我们一步一步思考”，它可能突然变得谨慎起来，先列条件、再找矛盾，最后告诉你“这题无法回答”。
这种快与慢的切换，会不会让你联想到丹尼尔·卡尼曼在《思考，快与慢》里提出的System 1和System 2？一个是自动化的直觉判断，一个是需要动用注意力的逻辑分析。最近一年，很多介绍大模型推理的文章都会借用这对术语，说大模型也有“快思考”和“慢思考”，甚至OpenAI的o1都被描述成“激活了System 2”。
我最早也这么信了。直到我去翻大模型的推理机制，才发现这个类比在细节上几乎站不住脚。
先从卡尼曼的双系统说起
卡尼曼在《思考，快与慢》中给出的定义很经典：
System 1 operates automatically and quickly, with little or no effort and no sense of voluntary control. System 2 allocates attention to the effortful mental activities that demand it, including complex computations.
翻译成大白话：System 1是自动挡，不费脑子，不受你控制；System 2是手动挡，要你主动踩离合、挂挡，处理复杂计算。
对人类来说，这是两套不同的认知资源：你看到2+2=4，是System 1直接蹦出来的；你口算37×24，是System 2在费劲运行。两个系统由不同的大脑回路支撑，进化时间也差了千万年。
大模型的快慢不是两种系统，而是同一种系统跑了N遍
大模型天生是个快思考者。它是自回归的：根据前面的内容，预测下一个token的概率分布，然后采样。生成每个token都是同样的一次前向传播，没有“费劲”的概念。你可以把大模型想象成一个只会接龙的人：给它前面几个字，它按照概率把下一个字接出来。它每接一个字，消耗的计算量几乎一样，不存在“累不累”的区别。所以从模型内部看，答“1+1等于几”和答“请证明黎曼猜想”，CPU占用没有本质差异，差异只在于这个接龙高手有没有在训练数据里见过类似内容。你问简单题，它可能一个token就输出答案；你问难题，它照样一个token一个token往外蹦，只是更容易蹦错。
想让它“慢”，你得在提示词里主动诱导它多生成几步，最常见的做法是思维链：
问：一块正方形土地，边长10米，把每边扩大2倍，面积变为原来的几倍？
答：让我们一步一步思考。
首先，原面积为10×10=100平方米。
扩大后每边长为10×2=20米。
新面积为20×20=400平方米。
400÷100=4倍。
所以答案是4倍。这个例子里的“慢”，不是模型启动了什么System 2，而是它被要求先输出一串中间推理token。每个token照旧是自回归采样。本质上，它只是把一个复杂问题拆成了小步快跑的直觉问题——每小步都很“快”，只不过步子变多了。
真正的分水岭出现在OpenAI的o1系列。o1对外宣称的“思考”就是让模型在回答前先生成hidden chain-of-thought，也就是隐藏的思维链。但OpenAI的技术博客里说得直白：o1仍然是自回归模型，只是在强化学习阶段学会了在推理时增加思考步骤。没有哪个新系统被唤醒，只是同一个模型被训练成更爱“自言自语”。
这里要插一个我自己的认知转变。去年我第一次看到o1在数学题上能“想”很久，第一反应是它内部一定有一个“推理引擎”，能随时切换到逻辑模式。后来看了思维链论文和o1技术文档，才意识到：所谓“思考”不过是在相同的自回归循环里多转了几圈。o1学到的不是“逻辑能力”，而是“在难题上愿意生成更多中间token”的习惯。
类比有价值，但别把它当成机制
现在我们把两边的特征摆在一起，看看System 1/2类比到底哪些成立，哪些不成立。
| 维度 | 人类的双系统 | 大模型的快慢属性 |
|---|---|---|
| 底层机制 | 两套独立神经回路，进化不同 | 同一个神经网络，只是前向传播次数不同 |
| 触发方式 | System 1自动触发，System 2需主观努力 | 完全由prompt控制，模型自己没有主动性 |
| 学习来源 | 进化+个体经验 | 训练数据的统计规律+强化学习 |
| 出错方式 | System 1有固定偏差，System 2可监控纠错 | 快慢都可能自信地错，内部没有监控者 |
从这张表能看出，大模型更像一个“只有System 1的个体”，而“慢思考”只是让这个个体反复跑它的System 1。它没有第二套算法，没有内置的监控器，也没有“费力”这种感觉。
有趣的是，研究者确实在尝试给大模型外挂一个System 2。比如System 2 Attention这篇论文，就是想模拟System 2那样动态分配注意力，过滤无关信息。但仔细看，它本质上仍然是用同一个模型生成“哪些信息重要”，再用另一个注意力掩码去重算。说白了，还是让System 1来决定自己该注意什么。
这个类比之所以流行，是因为它给了我们一个方便的叙事：快思考擅长直觉但容易出错，慢思考擅长逻辑但耗时耗力。于是LLM的“直接回答=System 1，思维链=System 2”听起来特别顺理成章。但真正的分界线不在快慢，而在有没有一个独立于第一反应之外的、基于规则的验证机制。大模型没有。
那这个类比就没有价值吗？也不是。至少它非常直观地给出一个洞见：把推理步骤变多，可以显著提升复杂问题的准确率。这正是思维链和o1的核心。但你不能因为“步骤多了”就说是System 2被激活，就像你不能因为一个循环跑了很多遍，就说它变成了另一种程序。
什么才是真正的“大模型System 2”？
如果让我定义一个大模型系统的“真正System 2”，它应该具备三个特征：
- 能主动规划：在回答问题前生成一个计划，而不是顺着token的惯性走。
- 能验证和回溯：发现推理路径错了，可以返回重新选择。现在的大模型很难做到，它只会一路错到底。
- 能在多个假设中搜索：调用外部的搜索算法或工具，而不是只能在内部概率分布里采样。
这种架构已经出现在AlphaGo等强化学习系统中：快速策略网络负责生成候选动作，蒙特卡洛树搜索负责慢速评估和回溯。大模型目前缺少的正是那个“蒙特卡洛树搜索”的部分。关于AlphaGo的具体设计，可以看Nature上的原始论文。
我见过一个叫Self-Refine的方法：让模型先输出答案，再自行批评，再根据批评修正。看起来很像System 2在监督System 1，但批评和修正也是同一个模型生成的。它只是用自己的概率分布覆盖了更多的可能路径，并没有跳出“预测下一个token”这个本质。
所以我的结论是：System 1/System 2是一个有启发性的标签，但它最多是隐喻，不是机制描述。人类的双系统有明确的分工、有监督关系、有不同的进化来源；大模型则只有一套参数、一个计算图，快慢只是计算次数的差别。你让模型“深思熟虑”，它不过是在概率分布里多掷了几次骰子。如果你只是想跟非技术人员解释为什么o1会“想一下”再回答，用System 1/2做比喻没问题。但如果你在做技术决策，比如设计推理系统，那你得清楚：多生成token并不等于更严谨，甚至可能在错误路径上走得更远。
真正的“大模型慢思考”会出现在混合系统里：一个快速自回归模型负责生成候选，一个外部程序负责搜索、验证、回溯，再加上一个记忆库。那时，才算有了严格意义上的System 2。而把“多生成几个token”称为慢思考，多少有点浪漫化了。
以上是我看完卡尼曼、翻完思维链论文和o1技术文档后的真实想法。如果你对这个问题有不同的看法，欢迎在评论区聊聊。
原创文章，作者：guanweilu，如若转载，请注明出处：https://guanweilu.cn/article/391.html