深度报告-2026-09-15-浙商证券-RSI_LatentReasoning深度研究_期待模型能力突破带来算力再扩容_31页_1mb

详细总结：RSI、Latent Reasoning深度研究

核心内容

本文主要探讨AI模型能力突破对算力需求的影响，分析RSI（Recursive Self-Improvement，递归自我改进）与Latent Reasoning（潜在推理）作为下一轮AI模型能力提升的关键变量。重点在于模型研发与应用中的算力消耗变化，以及这些变化对AI产业链上游的潜在影响。

主要观点

1. 模型能力突破是下一轮ARR爆发的核心驱动力
   上一轮ARR爆发源于模型能力跨越coding的可交付门槛，下一轮同样依赖模型能力的进一步提升。RSI和Latent Reasoning是研究模型能力突破的关键方向。

2. RSI当前进展

   • RSI通过AI参与研发过程，实现效率提升和能力增强。
   • 当前AI在研发中主要承担执行类任务，尚未实现自主研究决策。
   • RSI突破的关键在于AI能否在较少人工干预下自主决定研究方向与实验路径。

3. RSI对算力消耗的影响

   • RSI突破会增加研发端的算力需求，尤其是在搜索环节。
   • 实验数量和后端验证的强度增加，导致算力消耗大幅上升。
   • 应用端需求也将因模型效率和能力提升而增长，形成“杰文斯效应”。

4. Latent Reasoning作为新的Scaling范式

   • Latent Reasoning通过在latent空间内进行多轮计算，实现“想得更深”的推理方式。
   • 与CoT Scaling相比，Latent Reasoning对算力的需求增长更高，但对HBM容量的影响较小。
   • Astra已采用Recurrent Depth，但其使用强度和可监控性仍需观察。

5. 模型架构与训练方式成为竞争焦点

   • 随着RSI和Latent Scaling等技术的发展，模型架构和训练方式的重要性重新凸显。
   • 蒸馏作为追赶手段的有效性下降，研发速度成为核心壁垒。

6. 安全约束影响模型研发节奏

   • RSI和Latent Scaling带来的能力提升可能超出安全监控范围，因此头部实验室开始强调安全机制的同步发展。
   • 安全事件已出现，相关公司可能因安全措施而延迟发布或研发进度。

关键信息

一、RSI的机制与进展

• 机制：AI参与模型研发，通过实验和评估，提升研发效率与模型能力。
• 进展：
  • AI在执行类任务中表现优异，可替代人类完成部分实验。
  • 实验数量和成本增加，验证难度上升。
  • 目前尚未实现“议程自主”，仍需人工参与研究决策。

二、RSI对算力需求的影响

• 研发端：搜索环节的算力消耗大幅增加，尤其在后端验证阶段。
• 应用端：模型效率和能力提升带来使用量增加，形成需求扩张。
• 趋势：若RSI突破，算力需求将显著增长，而HBM容量需求增幅相对较小。

三、Latent Reasoning的结构与影响

• 结构：包含Prelude、Recurrent Core、Coda三个部分，核心在于Recurrent Core的循环计算。
• 影响：
  • 算力需求大幅增加，但HBM容量需求增幅小于算力。
  • 部分推理过程无法被监控，增加安全风险。
  • Astra已采用该技术，但使用强度和可监控性仍待观察。

四、行业竞争与技术路线变化

• 竞争趋势：模型架构和训练方式成为核心竞争力，研发能力重新成为壁垒。
• 蒸馏路径：有效性下降，追赶者需自建研发体系。
• 技术路线变化：可能影响产业链受益结构，需关注计算、存储、通信资源的配比变化。

五、安全与监控问题

• 安全事件：AI agent可能突破隔离边界，造成潜在风险。
• 应对措施：头部实验室加强安全机制，如访问限制、行为监控、独立评估等。
• 影响：安全约束可能延缓模型研发与发布节奏。

投资建议

• 看好AI上游“量”的需求，尤其是算力需求。
• 关注RSI突破带来的超预期增长，尤其是研发与应用两端。
• 关注Latent Scaling对算力和HBM需求的结构变化，算力需求增长可能更快。
• 建议跟踪前沿模型（如Astra）的使用强度与可监控性。
• 行业投资评级：基于行业指数与沪深300的相对表现，分为看好、中性、看淡三类。

风险提示

1. 模型技术进展及规模化验证不及预期：RSI和Latent Reasoning的落地效果需进一步验证。
2. 产业链受益结构偏离预期：技术路线变化可能影响计算、存储、通信资源的配比。
3. 供应链与基础设施约束：先进制程、HBM等供应不足可能影响算力交付。
4. 行业竞争加剧：算力芯片、服务器等环节可能面临价格下降和利润承压。
5. 政策变化风险：监管政策的不确定性可能影响行业发展节奏。

结论

RSI和Latent Reasoning代表了AI模型能力提升的新方向，将显著影响算力需求结构和产业链发展。随着技术突破，算力需求可能持续增长，而HBM需求增幅相对有限。安全机制的加强可能成为制约因素，但不会完全阻止技术发展。投资者应关注算力需求增长及模型架构创新带来的投资机会。