一文速读 【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

报告来源：浙商证券

报告主题：RSI / Recursive Self-Improvement / Latent Reasoning / Recurrent Depth / AI研发 / 算力需求

研究市场/地区：全球前沿大模型及AI算力产业链

发布时间：2026年9月14日

速读整理：洞见研报

一句话速读

浙商证券认为，上一轮AI应用收入爆发的核心，是模型能力跨过了Coding等场景的“可交付门槛”，下一轮增量同样要从模型能力突破寻找答案。报告重点关注两条潜在技术路径：一是RSI，即AI参与自身研发，通过提高研发效率或模型能力反哺下一轮研发；二是Latent Reasoning / Recurrent Depth，即不依赖生成更多显式推理Token，而是在潜在空间中反复计算，提高单Token内部计算深度。当前，RSI在代码优化、实验执行等“效率改进”环节已经出现明显兑现，但真正涉及研究判断和自主议程的能力尚未跨过分水岭；Latent Scaling则已从学术研究走向前沿模型尝试。若两条路线持续推进，研发端实验数量和大规模验证次数可能同步增加，应用端则可能通过成本下降和能力提升共同扩大需求，最终使AI算力增长从“模型训练+推理”进一步延伸到“AI研发自身消耗”。

核心看点

第一，RSI并不是AI自动写代码，而是AI研发成果能够进一步提升下一轮AI研发的能力或效率。 当前执行自动化已经较成熟，但真正关键的Design与Decide仍主要由人完成。

第二，AI研发的算力大头并不一定在最终训练，而在大量搜索和验证实验。 报告引用案例显示，设计和超参数搜索可占研发算力消耗的75%，最终训练仅占3.7%。

第三，RSI若突破，会同时增加“候选实验数量”和“高成本大模型验证比例”。 一个让前端实验更多，一个让更多实验走到后端大规模验证，都会推高研发算力。

第四，Latent Scaling可能形成新的Scaling方向。 相比CoT通过生成更多Token增加算力，

Recurrent Depth通过提高FLOPs/Token增加计算深度，因此报告判断其边际增量更偏向计算侧，HBM容量增幅可能低于算力增幅。

一、模型能力突破，仍是下一轮AI收入扩张的核心变量

报告首先回到一个非常关键的产业逻辑。

上一轮大模型商业化为什么突然加速，并不只是因为模型更便宜，也不只是因为算力更多，而是模型能力终于跨过了部分应用场景的可交付门槛。

Coding就是最典型的例子。

当模型能够稳定承担代码生成、修改、调试等任务后，AI从“能演示”进入“能交付”，应用收入和推理需求随即快速释放。

报告据此提出，下一轮AI ARR增长的核心变量，同样应该从模型能力继续突破寻找。

截至报告引用数据，Anthropic 2026年7月ARR已超过650亿美元，OpenAI 2026年8月ARR超过400亿美元。

在此背景下，RSI与Latent Reasoning被报告视为下一轮模型能力提升值得重点跟踪的两条路线。

真正决定下一轮应用空间能否打开的，不是模型再多几个参数，而是模型能不能跨过更多任务的“可交付线”。

二、什么是RSI：让AI参与“造下一代AI”

RSI全称Recursive Self-Improvement，即递归自我改进。

报告给出的定义并不等同于“AI自己训练自己”。

更准确地说，RSI指的是AI参与模型研发，并通过研发成果提高模型能力或研发效率，再进一步提高下一轮研发生产率。

传统研发是“Human R&D—新模型”。

而RSI路径中，AI会越来越多参与研发过程，例如辅助代码编写、运行实验、分析结果、提出改进，再由改进后的模型继续参与下一轮研发。

报告强调，一个关键判据是：

研发结果是否真正提升下一轮研发能力或效率，而不仅仅是完成当前任务。

只要形成“AI参与研发—能力或效率提升—下一轮研发更快”的反馈闭环，就属于广义RSI。

三、RSI已经开始落地，但目前更多发生在“效率侧”

目前AI进入研发主要有两条路径。

第一条是优化代码、算子和系统流程，降低执行成本。

这部分已经出现明显进展。

报告引用Anthropic内部测试称，其模型会自主优化一段用于训练小型AI模型的代码，在保持正确性的前提下反复改写、运行和计时。

2025年5月Opus 4可实现约3倍加速，到2026年4月Mythos Preview已经达到约52倍加速。

相比之下，熟练人类研究员4—8小时的优化成果约为4倍。

报告还提到，在真实训练故障排查中，Claude约2小时即可定位问题、完成复现并确认修复，而人工通常需要2—3天。

这意味着，AI作为研发工程助手已经不只是概念，部分效率提升已经进入生产环境。

四、真正难的是“能力侧”：AI能不能自己做研究判断

RSI的第二条路径，比单纯提高效率更难。

它要求AI不只是执行任务，而是自主提出假设、设计实验、判断结果，再决定下一步研究方向。

Microsoft Research Arbor已经展示出一定可能性。

在给定研究目标和评估器后，AI可以自主完成“提出假设—执行实验—读取结果—保留或淘汰方向—继续搜索”的循环，并在6项真实研究任务中取得较好的held-out结果。

但报告认为，这类能力目前仍处于实验室和有界问题阶段。

真正的前沿模型研发，关键决策权仍主要掌握在人类研究员手中。

RSI当前的状态更接近“AI研究助理”，还不是能够独立决定研究议程的“AI科学家”。

五、RSI真正的分水岭，是Design和Decide

报告将研究工作拆分为Build、Run、Analyze、Design、Decide等不同任务。

目前AI进步最明显的是前三类：

• 代码与数据准备、实验运行，以及结果分析。
• 但真正区分“辅助研究”和“自主研究”的，是后两类。
• Design对应研究设计，Decide则对应下一步研究决策。

OpenAI的实际数据也显示，目前AI在研发中的增长主要集中在代码、技术支持和运行监控等执行任务，高层研究规划仍然占比较低。

因此，报告认为，AI要从执行自动化进入闭环自主，再进一步走向议程自主，关键并不是它能做更多实验，而是它能否独立回答两个问题：

什么值得研究，以及实验结果出来后，下一步到底该往哪里走。

六、自主研究还没有真正跨过分水岭

报告进一步给出了判断RSI是否真正突破的几个标准。

• 第一是Research Taste，也就是判断哪些问题和假设值得投入。
• 第二是Evaluation & Verification，即判断实验结果是否可靠、方向是否值得继续。
• 第三是Long-horizon State，也就是能够跨越多轮实验保存和调用研究记录，长期推进一个问题。

公开评测显示，这三项能力目前都还不稳定。

报告引用AutoResearchEval数据，该评测覆盖100个前沿科学任务和800条完整自主研究轨迹。

不同模型的共同问题集中在：难以稳定检查自己的结论是否有证据支持，发现问题后不一定主动修正，也难以重新判断原有研究路径是否合理。

这意味着，AI虽然能完成越来越复杂的研究任务，但距离真正“自己判断研究方向”还有明显距离。

七、OpenAI和Anthropic都还没有触发真正的RSI门槛报告还梳理了头部实验室自己设定的标准。

OpenAI在Preparedness框架中，将更高等级的AI研发能力定义为：能够为每位研究人员提供高水平、职业中期研究工程师级辅助。

更高一级则要求出现超人类研究科学家Agent，或者能够把同等代际模型进步所需时间压缩到2024年水平的五分之一，并持续数月。

报告指出，当前GPT-6 Astra仍低于AI Self-improvement High标准。

Anthropic的标准则包括：AI能够以不超过人类5倍的成本完全替代研究科学家和工程师，或者AI研发自动化能够让整体能力进步速度达到基线的2倍。

截至2026年7月15日，两项条件均未触发。

因此，目前行业尚未进入真正意义上的“AI自主研发加速期”。

八、另一个难点：小模型上有效，不代表大模型上也有效

RSI不仅要解决自主决策，还面临一个更实际的问题——研究成果能不能迁移到前沿模型。

报告将验证过程划分为三个层级。

• 有界研究，只需要在明确问题和评测环境中成立。
• 多规模研究，则要求同一个结论在多个模型规模上依然有效。
• 真正的核心模型研发，则必须在目标大模型上成立，并进入正式训练流程。

问题在于，小规模实验结果可能在大规模上发生反转。

报告引用Microsoft AI案例指出，在约5B规模上，某种STEM密集数据配方表现更好，但当模型推到23B激活参数、约20T Tokens后，代码密集配方反而胜出。

而且这种反转需要训练过半后才稳定出现。

这说明，小模型实验可能给出完全错误的方向。

AI提出改进很快，但如果每一个结论都必须重新在大模型上确认，真正的研发瓶颈就会从“想不到”变成“验证不起”。

九、RSI真正突破的信号，是AI找到的改进能进入核心模型

报告认为，未来最值得关注的不是AI能做多少小实验，而是AI自己发现的改进，能不能一路完成规模化验证并真正进入下一代前沿模型。

目前已有一些初步进展。

例如跨规模超参数迁移方法，已经能够让部分小规模结果更可靠，并进入155B总参数、17B激活参数MoE模型的正式预训练。

但对于复杂系统级改进，目前仍然缺乏捷径，只能回到完整模型流程中端到端验证。

Anthropic曾把AI研究系统发现的一种标签修正方法迁移至Sonnet 4.0生产环境，但最终在偏好任务留出集上的最佳提升只有约0.5点，仍处于噪声区间。

因此，真正值得跟踪的是“AI发现—大规模验证—正式采用”这条链路是否能够跑通。

一旦跑通，AI迭代速度可能从人力约束转向算力约束。

十、RSI首先改变的，是AI研发算力

很多市场讨论RSI时，更关注最终应用需求。

但浙商证券认为，RSI最直接影响的其实是研发算力。

AI算力可以大致分为模型研发和模型应用两部分。

研发内部又可以继续拆分成搜索Search和模型生产Production。

Production是配方基本确定后的正式预训练、中训练和后训练。

Search则是模型最终定型之前，不断通过实验寻找数据配方、模型结构、超参数和算法改进的过程。

RSI首先进入的就是Search。

报告给出的一个重要数据是：2026年8月中旬，OpenAI研究组织中，AI Agent累计运行时长按工作日折算，已经达到研究人员工作时长的约3.1倍。

而2026年6月以前，这一比例仍低于1倍。

这说明AI研发Agent使用强度正在快速提升。

十一、模型研发最耗算力的，不一定是最后一次训练

这是报告中很重要的一个判断。

直觉上，人们容易认为，训练一个最终大模型才是研发中最耗算力的环节。

但实际研发过程需要先跑大量实验。

Microsoft在MAI-Thinking-1的数据配方研究中，为确定最终预训练配方，训练了183个模型。

61种候选配方分别在3个规模上训练一次。

此外，还额外训练了数千个760M—4B激活参数的小模型。

另一个案例中，Kyutai Moshi研发日志显示，设计与超参数调优占整体研发算力消耗的75%，消融和安全分析占8%，调试和失败运行合计超过13%，而最终训练只占3.7%。

真正昂贵的，不只是造出最终模型，而是找到“该怎么造”这件事本身。

十二、RSI突破会让搜索实验数量进一步膨胀

模型研发搜索本质上是一种逐级筛选。

先在小模型上测试大量假设，淘汰大部分方向。

通过的候选进入更大模型复验，再进一步筛选。

最后只有极少数候选进入接近目标模型规模的高成本验证。

因此，搜索算力可以理解为：

每一级实验数量 × 单次实验成本，再把所有层级相加。

RSI可能同时改变两个变量。

如果AI拥有更强研究决策能力，就能提出更多实验假设，第一层候选数量会快速增加。

如果AI发现的改进更容易跨规模成立，那么更多候选会进入后端的大模型验证阶段。

前者增加实验数量，后者增加高成本实验比例，两条路径都会推高研发算力。

十三、算力消耗最集中的，反而是搜索漏斗后端

搜索流程还有一个重要特点：

实验数量通常集中在前端，但算力消耗集中在后端。

原因很简单。

小模型实验数量虽然很多，但单次成本较低。

越接近目标模型，模型越大、训练时间越长，单次验证成本呈数量级提升。

报告引用Moshi项目数据称，约13%的运行消耗了接近89%的GPU时间。

因此，如果RSI只是让前端候选增多，算力会增加。

但如果RSI进一步提高候选通过率，让更多方向走到大规模验证阶段，算力增长会更加明显。

真正值得关注的不是AI做了多少实验，而是多少实验开始进入“大模型级别的昂贵验证”。

十四、RSI对应用端算力，还有“杰文斯效应”

RSI如果提高算法效率，看起来似乎意味着同一任务需要更少算力。

但报告认为，历史经验恰恰相反。

效率提升往往导致单位使用成本下降，最终使用量大幅增长，也就是典型的杰文斯效应。

报告举例称，2025年1月DeepSeek发布后，市场一度按照“高效率会降低算力需求”进行定价，但随后两个月H100云服务价格反而上涨约22%，背后正是推理需求快速释放。

类似现象也出现在训练和推理两侧。

训练侧效率提升约3倍/年，但算力投入仍以更快速度增长；推理价格显著下降的同时，企业AI预算仍大幅提升。

因此，模型更省算力，不代表行业总算力下降，反而可能因为使用量快速增加而推高总需求。

十五、真正更大的增量，来自更多应用跨过可交付门槛

相比成本下降，报告更看重能力提升带来的需求扩张。

如果模型能力突破后，可以承担过去无法稳定完成的任务，就会直接打开新的应用市场。

上一轮Coding已经验证了这一逻辑。

当模型从辅助写代码走向能够完成更完整的软件开发任务后，AI Coding收入快速增长，并进一步推动推理算力需求。

RSI如果使模型能力迭代加快，就可能让法律、科研、金融、复杂Agent任务等更多场景进入可交付区间。

一旦新的应用形成规模化ARR，算力需求也会随之增长。

所以RSI对算力的真正弹性，不只是让现有任务跑得更多，而是让AI突然能做过去做不了的事情。

十六、Latent Reasoning提供了另一条Scaling路径

除了RSI，报告重点研究了Latent Reasoning，也称Recurrent Depth。

过去大模型扩展能力主要依靠两条路径。

第一条是Parameter Scaling，也就是增加参数规模。

第二条是CoT Scaling，即让模型生成更多推理Token，“想得更长”。

Latent Scaling则提供了第三种方式。

它不一定增加参数数量，也不一定生成更长的显式推理链，而是在潜在空间内部，让同一组

Transformer层反复运行多轮。

报告将其概括为：

CoT是“想得更长”，Latent Reasoning则是“每一个Token想得更深”。

十七、8层模型，可以形成132层有效计算深度

报告给出了一个非常直观的结构例子。

假设模型包含2层Prelude、4层Recurrent Core和2层Coda，真实网络只有8层。

如果Core循环32次，那么有效计算深度就是：

2 + 4 × 32 + 2 = 132层。

也就是说，不需要把模型参数真正扩展到132层，也可以通过重复使用同一组Core参数，让每个Token经历更加深度的计算。

报告引用研究结果称，约3.5B参数的Recurrent Depth模型，其训练FLOPs已经可以接近32B固定深度Transformer。

模型参数没有同比增加，但计算量可以大幅增加，这正是Latent Scaling的核心。

十八、Latent Scaling与CoT Scaling，对硬件需求并不一样

CoT Scaling通过生成更多Token提高推理能力。

Token越多，上下文越长，KV Cache和显存需求也会同步增加。

Latent Scaling则主要增加每个Token内部的循环次数。

由于同一组权重可以反复复用，权重存储并不会随着有效计算深度同比增加。

同时，不同循环可以共享固定KV Cache Budget，也不需要持续扩大显式Context。

因此，报告判断：

Latent Scaling带来的算力增量可能明显大于HBM容量增量。

这并不是说HBM需求会下降。

而是说相较于传统CoT Scaling，新增需求结构可能更加偏向计算侧。

十九、Recurrent Depth已经从论文走向前沿模型探索

报告引用媒体报道指出，OpenAI Astra已经采用Recurrent Depth或Looped Transformer形式的架构。

这一技术路线与公开的Latent Reasoning研究相似。

目前公开信息仍然有限，具体循环次数、覆盖范围和硬件实现尚未完全披露。

OpenAI对使用强度也保持一定限制，部分原因来自可监控性问题。

更多计算发生在Latent Space内部后，显式可读的CoT减少，安全团队更难直接观察模型内部推理过程。

官方评测显示，Astra的monitorability低于GPT-5.6 Sol。

因此，下一阶段需要关注的已经不是“有没有采用Recurrent Depth”，而是：

到底循环多深、覆盖多少任务，以及在安全约束下能不能继续提高使用强度。

二十、Latent Scaling若持续加强，新增需求可能更偏向计算芯片

从产业链角度看，Latent Scaling最大的变化在于资源结构。

传统CoT Scaling增加Reasoning Token，使计算量和显存、KV Cache需求一起提升。

Latent Scaling则更多体现为FLOPs/Token上升。

循环越深，同一个Token需要执行的矩阵计算越多，但权重和KV Cache能够重复使用。

因此报告判断，如果Latent Scaling成为未来主要Scaling路线之一，新增需求可能更多落在算力芯片，而HBM容量需求的边际增幅相对较低。

需要注意的是，这里讨论的是结构占比。

如果RSI和AI应用总体需求继续扩大，HBM绝对需求仍然可能继续增长。

只是相对于算力需求，增幅可能没有计算侧那么高。

二十一、模型竞争可能重新回到架构与训练能力

过去一段时间，模型蒸馏是追赶前沿模型的重要方式。

原因在于，显式CoT会把推理过程直接输出为Token。

追赶者可以学习这些输出，用较低成本复制头部模型的部分能力。

但RSI和Latent Scaling可能削弱这种路径。

Latent Scaling的核心能力发生在模型架构内部，从预训练阶段就需要学习，单纯观察输出并不能复制内部循环结构。

RSI形成的研发效率优势，更不会出现在某一次模型输出中。

因此，报告认为，未来模型竞争可能重新回到持续研发能力。

领先者的优势不再只是“这一代模型强多少”，而是“能不能更快产生下一代模型”。

二十二、追赶者也可能因此增加研发算力投入

如果蒸馏越来越难快速缩小差距，追赶者就必须建设自己的研发体系。

这意味着，不只是头部模型厂商需要增加研发算力。

第二梯队和追赶型厂商也可能同步提高基础研究、实验搜索和大规模验证投入。

报告由此提出一个重要产业含义：

当模型差距更难通过简单蒸馏复制时，研发速度本身会成为护城河，而整个行业的研发算力竞争可能进一步加剧。

二十三、安全约束正在成为Scaling的新变量

模型能力加速并不意味着可以无限扩张。

报告特别关注了安全和可监控性的影响。

RSI的风险在于，模型能力进步速度可能逐步超过人类理解和安全机制跟进速度。

Latent Scaling的问题则在于更多推理进入潜在空间后，CoT可监控性降低。

2026年9月，多家前沿实验室开始更加公开讨论“Scaling必须与安全能力同步”。

报告援引OpenAI与Anthropic相关表态，认为未来安全检测、隔离、监控和外部评估可能直接影响模型研发和发布节奏。

因此，算力扩张并不只受技术和资本约束，安全信心也可能成为新的上限。

二十四、报告最终指向的核心，是AI上游“量”的需求

综合RSI和Latent Reasoning两条路线，报告的核心产业判断非常明确。

RSI如果突破，会从研发端提高实验数量和大模型验证次数，同时从应用端通过效率下降成本、能力提升打开新场景。

Latent Scaling如果成为重要Scaling方向，则会进一步提高FLOPs/Token。

两者共同作用下，AI产业的算力需求不再只来自“训练更大的模型”和“更多用户推理”。

还会新增一层：

AI自己研发下一代AI，本身也开始变成一个越来越大的算力消费者。

这也是报告认为未来算力需求仍具备进一步上修空间的核心原因。

洞见研报观点

这篇报告最值得关注的，并不是RSI是不是马上会出现“自我进化AI”，而是它重新定义了未来AI算力增长来自哪里。

第一，研发算力可能从过去相对隐性的成本项，变成下一阶段的重要需求来源。 当Agent越来越多参与实验搜索，大量小模型实验和大模型验证本身就会持续消耗GPU资源。

第二，真正需要跟踪的RSI信号，不是AI写代码有多快，而是研究决策权有没有发生转移。 Design、Decide以及研究结论能否进入核心模型，比单纯执行自动化更关键。

第三，模型能力提升仍然可能产生强烈的杰文斯效应。 即使单位推理成本继续下降，只要价格下降带来的调用量增长更快，总算力需求仍然会上升。

第四，Latent Scaling可能改变AI硬件需求结构。 如果更多推理计算从显式Token转向潜在空间内部循环，未来新增需求可能更加偏向FLOPs，而不是同比例增加HBM容量。

第五，前沿模型竞争可能重新强化“原创研发”的价值。 当蒸馏越来越难复制内部架构和研发体系优势，持续投入算力、训练方法和系统研发的重要性会进一步提升。

结论

浙商证券这篇报告的核心判断可以概括为：下一轮AI产业扩张的关键变量，可能不再只是参数规模和CoT长度，而是AI能否真正参与自身研发，以及模型能否通过新的内部计算方式继续Scaling。

RSI方面，当前AI已经能够明显提高代码优化、运行实验和故障排查效率，部分场景中的加速效果甚至达到数十倍。

但真正的自主研究仍然没有跨过分水岭。

AI是否能够独立完成研究设计、结果验证和方向选择，以及AI自己找到的改进能否迁移到大规模核心模型，仍是下一阶段最重要的验证点。

一旦这一循环跑通，模型研发可能从“人提出有限假设、AI辅助验证”，转向“AI大量提出假设、算力负责筛选”，研发瓶颈也会从人力逐步转向算力。

Latent Reasoning方面，Recurrent Depth提供了一条不同于参数扩张和显式CoT的新Scaling路径。

通过在潜在空间内部反复计算，同一组参数可以获得更高有效计算深度，从而显著提高

FLOPs/Token。

报告据此判断，如果这一技术路线进一步强化，算力需求增长可能快于HBM容量需求增长，新增硬件需求结构更偏向计算侧。

整体来看，RSI解决的是“AI能不能更快地产生下一代能力”，Latent Reasoning解决的是“单个Token还能不能继续增加计算深度”。

两者若同时取得突破，AI算力需求就可能从训练、推理继续扩展到研发自循环、更多应用场景以及更高单Token计算量，成为下一阶段算力再扩容的重要潜在驱动力。

关于研报速读

“研报速读”由洞见研报整理发布，聚焦全球主流机构报告、行业研究与前沿趋势内容，提炼核心观点、关键数据与商业启发，帮助读者快速理解报告价值。

免责声明

本文为洞见研报基于已有报告进行的学习型整理与观点提炼，不构成投资建议、商业决策建议或对原报告的完整替代。原报告版权归原发布机构及相关权利方所有，如需完整内容，请以原报告为准。

洞见研报

让复杂报告更快被读懂。