期待模型能力突破带来算力再扩容：RSI与Latent Reasoning深度研究（31页，2026年）

分类：人工智能

标签：递归自我改进、潜在空间推理、算力需求结构、模型研发自动化、前沿模型架构

摘要：浙商证券研究所2026年9月14日发布的这份31页深度研究报告，主题是人工智能模型能力的下一轮突破来自何处，以及这种突破会如何改变算力需求结构。分析师为徐紫薇，信息来源包括OpenAI、Anthropic、Microsoft Research与Epoch AI的公开披露与论文，以及The Information等媒体报道。报告的核心判断是：上一轮模型年度经常性收入（ARR）的爆发，源头是模型能力跨过了代码编写场景的可交付门槛；下一轮收入与算力扩张的驱动，同样要从模型能力的进展中寻找，而递归自我改进（RSI）与潜在空间推理（Latent Reasoning）是当前最值得跟踪的两条技术主线。 第一部分界定并评估RSI。RSI指AI参与模型研发、用研发成果改善自身能力或效率、并提高后续研发生产率的机制，判据在于研发结果能否提升下一轮研发的能力或效率，而不只是完成本轮任务。进展上，效率改进已进入兑现：Anthropic在每次模型发布时让Claude自主优化一段训练小型AI模型的代码，在保持正确性的前提下反复改写、运行、计时并继续优化，2025年5月的Opus 4实现约3倍加速，2026年4月

来源：zuudee | 日期：2026-09-17 | 格式：PDF | 页数：31