📋 全文总结 本次会议围绕AI行业最新观点与投资机会展开，核心观点是： AI资本开支仍将快速增长，模型商业化正在加速，全球顶尖实验室正全力押注自学习式自我迭代（RSI）技术路径，有望成为下一阶段投资惊喜。 报告从三个维度进行了阐述：AI周期与泡沫判断、RSI技术进展、国内海外算力投资机会。 AI周期与
全文总结
本次会议围绕AI行业最新观点与投资机会展开，核心观点是：AI资本开支仍将快速增长，模型商业化正在加速，全球顶尖实验室正全力押注自学习式自我迭代（RSI）技术路径，有望成为下一阶段投资惊喜。 报告从三个维度进行了阐述：AI周期与泡沫判断、RSI技术进展、国内海外算力投资机会。
AI周期与泡沫判断方面，可从三个维度把握：资本开支、模型商业化进展、模型自身迭代速度。资本开支方面，明年算力预计增长30%-40%，收入需逼近五六千亿美金才能支撑当前通胀环境。模型商业化方面，AI年化收入已达六七百亿美金，接近七八百亿，但需找到下一个能够接续编程的高价值领域——知识工作者市场（全球约20万亿体量）是重要方向。云厂商收入增长可视为AI需求总量的同步指标，当前云业务在手订单充裕，需求景气度持续上行。
RSI技术进展方面，当前全球顶尖实验室（Anthropic、SSI、OpenAI、DeepSeek、字节跳动）均在重点押注RSI。RSI分为两类：一是动模型参数权重（理想化但实现复杂），二是不动参数、优化上下文、提示词、工具调用等脚手架层面（更易落地）。SSI实验室获英伟达50亿美元投资，OpenAI新设RSI部门由乌拉带队，梁文峰也认为RSI是突破AGI的关键。RSI有望在未来一段时间给AI投资带来强烈信心和惊喜。
投资机会方面，海外链重点推荐富联（机柜份额提升、单机柜价值量提升）、PCB（
沪电股份，价值量增长斜率最高）、光电及电源环节（电容、超级电容等）。国内链重点推荐算力租赁（
利通电子、
协创数据等，明年PE仅10倍）、国产芯片（寒武等）、超级节点（
盛科通信、
华丰科技、
鼎通科技等交换机芯片与连接器）以及液冷（
英维克、富联等）。英伟达Rubin出货是近期全球科技最重要的变化，建议重点关注。
会议实录
关于整个AI后续的观点，主要内容可以分为三个维度：第一，我们怎么看整个AI的周期，以及是否存在泡沫的问题；第二，大家最近非常关心的新话题——自学习式RSI（自我迭代模型）的进展，包括核心程序变化和最新情况；第三，后续国内和海外层面值得关注的方向。
第一，AI周期与泡沫判断
我们可以从三个维度去把握这个问题：资本开支、模型商业化进展、模型给大模型自身带来的迭代。
首先是显性的资本开支情况。今年资本开支的量，明年是一个比较高的水平。我们可以用两种方式理解资本开支的增长：第一种，今年资本开支增长30%-40%，考虑到两个新的大模型带来的增量，可能达到1.5万亿到1.5万亿以上；第二种，如果算力增长30%-40%，收入需要逼近到五六千亿美金的规模。我们再考虑存储厂商（三星、海力士、美光）加上AMD、博通等，明年收入预计在1.8万亿到1.9万亿。去掉一些非AI部分，这些可能只占资本开支的70%。算下来，可能需要更高的增速才能支撑通胀环境。
资本开支仍然要快速增长，但能增长多少，这个问题还没有完全解决，但相对确定的变化是仍然要快速增长。
第二个是关于模型商业化。过去半年左右，我们看到AI年化收入大约是六七百亿美金，接近七八百亿。问题是，哪个板块能够持续获得商业化的突破？下一个能够维持高增长的行业从哪里找？我认为是知识工作者。从全球工资成本的角度看，整个工业领域对应的体量大概是接近两万亿美金，而知识工作者是20万亿，体量要大很多。从竞争角度看，AI渗透率提升是个百分之百的事情。编程这个事儿能不能干成，是一个计算逻辑判断是与否的问题，老板比较容易做出决策；但知识工作者（比如老师）会不会用AI替代同事，这个问题值得思考——有好的一面，也有不好的一面。
如何把握当前模型商业化的进展？可以去看美国云厂商的收入增长。亚马逊、微软、谷歌等云公司的收入在过去几个季度持续增长，而且在手订单充裕。云的收入增长可以理解为总量层面AI对算力的需求。以亚马逊为例，如果把AI需求比作哑铃，两端分别是前沿AI实验室的训练需求和AI应用软件的推理需求，中间是庞大的推理芯片。当前大家比较关心云厂商有没有订单，这需要重点去看。
第三，关于模型迭代的进展。今年整个模型的迭代速度比大家想象得要快很多。随着Rubin算力的推出，会进一步加速模型迭代效果。模型本身的迭代速度仍然在快速往前推进，如果模型子代维持快速推进，商业化和资本投入的回报会持续向好。
第二，RSI自学习式自我迭代进展
全球特别关注的新趋势是RSI（自持续自迭代进步模型）。我们可以复盘模型进化历程：从最早的预训练，到MoE架构推广，到思维链，再到test time inference（推理中反复推理），再到Agent阶段。Agent就是模型利用记忆、工具、上下文等工程手段，让自己更擅长解决问题。RSI是通向AGI最重要的一步。
RSI分为两类：第一类是动模型本身的参数和权重，让模型在迭代过程中参数和权重发生变化；第二类是不动模型本身的参数，而是优化上下文、提示词、工具调用、检测约束等脚手架层面。左边这类比较理想化，实现更复杂；右边这类有更快落地的可能性。
全球顶尖实验室如何看待RSI进展：
Anthropic：可能低估了他们的进展。过去半年他们没有展示更强大的模型，因为他们在2月份已经训成了Claude 5，之后做了阉割版和中文版本，但一直没有放出。他们可能在RSI方向做一些尝试，下一个大版本模型可能就是一个具备一定脚手架层面自我迭代能力的版本。
SSI实验室：由Ilya（OpenAI前技术负责人）创立。7月28日，英伟达投资了SSI实验室50亿美元，这在英伟达投资体量中不算小。双方表示找到了新的值得Scaling的方式，我认为这是非常重要的信号——一个走在模型研发最前沿的人，突然需要大量算力做模型训练实验，背后一定是他找到了新的重要方式。SSI实验室值得重点关注，预计一个季度后可能会有阶段性成果。
OpenAI：7月29日，OpenAI将当年70人团队中的乌拉调回，让他领导整个RSI部门。乌拉在7月4日发了一篇文章，讲的就是不动模型参数权重的RSI路径，认为这个路径相对容易实现，能让模型效果越来越好。
DeepSeek（梁文峰）：从最近流出的融资纪要来看，梁文峰认为模型商业化重要，但最重要的是如何突破AGI。他也非常认可RSI方向。
字节跳动：张一鸣很早就认识到这个事的重要性，特别重视模型本身的内功。他们认为先把内功打好，未来做RSI会更容易。字节在推动模型Scaling的同时，也在重视这个方向，据说要训练5-10T甚至10T参数量的模型。
总的来看，全球顶尖实验室都认为让模型具备自我迭代能力是下一步最重要的事，这能让所有AI投资人重新拾回信心。 这个方向的各种努力并不是看不到希望的，而是离大家越来越近。
第三，投资机会：海外链与国产链
海外链：从7月20日开始，我们一直在更新一个重点——Rubin出货，这是近期全球科技最重要的变化。英伟达股价一周涨了10%并创了新高，说明AI找到了新的需求。
具体标的方面：
第一个是机柜层面，Rubin出货最利好机柜层级。重点推荐富联。逻辑是：Rubin这一代，富联的份额预计从Blackwell的50%-60%提升到60%-70%，原因是机柜设计复杂程度大幅提升，检测要求高，而富联在生产自动化方面做得最好，谷歌全球审核后认为富联是最优选择。同时，富联在单机柜上赚的钱也会提升——过去可能只是做服务器，但从Rubin这一代开始，他们会亲自做液冷、电源管理、数据连接等利润率更高的零部件。
第二个是PCB，推荐沪电股份。之前有传言说产品有问题，但已被证明没有大问题，份额会回到应有水平。PCB是整个Rubin代际中价值量增长斜率最高的环节之一，仅次于存储。
第三个是光电，柜内侧的背板连接器和光互联会越来越重要，随着代际迭代其价值量在持续提升。
第四个是电源环节，包括电容、超级电容等。AI服务器功耗快速提升，GPU在推理时存在瞬时功耗上下变动，需要电容进行瞬时放电补偿。从硅电容到PCB板上的MLCC，再到服务器电源里的边缘电容，整个电容产业链全面受益。 推荐
江海股份、
火炬电子等，以及给MLCC供耗材的
洁美科技、给超级电容供材料的
泰和科技。
国产链：
第一个是算力租赁，这是国内最好的方向之一。建一个1GW的数据中心投资约500亿美金，当年收入可达300亿，甚至500亿以上，是非常好的商业模式。推荐利通电子、协创数据、
弘信电子、华达等。这些公司明年PE仅10倍，非常便宜，而且集群落地后收入只有增量没有下降风险。
第二个是国产芯片，寒武的业绩、库存和预付款情况都显示需求极其旺盛，一旦产业链制造和HBM供货问题解决，放量会很可观。如果下周低开，会是较好的加仓时机。
第三个是超级节点，靠单卡性能反超海外短期较难，必须靠卡与卡之间的超级节点互联来弥补单卡性能不足。推荐交换机芯片（盛科通信）、连接器（华丰科技、鼎通科技），以及超级节点机柜（
浪潮信息、
紫光股份、
华勤技术）。
第四个是液冷，功耗快速提升推动液冷需求。Rubin这一代，液冷是标配的散热方式。推荐英维克、富联（旗下利敏达是英伟达实际NVL供应商中的重要一环）。液冷标的可能在三四季度业绩有快速释放。
总结：海外链重点关注Rubin出货带来的增量机会；国内链重点关注算力租赁、超级节点、液冷等环节的投资机会。