- Citi认为递归自我改进（RSI）开始出现规模化迹象，可能成为新的算力需求来源。平均推理服务成本自5月28日峰值以来下降54%，为内外部使用增长提供顺风。本
- 序号：167
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
- Citi认为递归自我改进（RSI）开始出现规模化迹象，可能成为新的算力需求来源。平均推理服务成本自5月28日峰值以来下降54%，为内外部使用增长提供顺风。本周仅发布1个专有模型和3个开源模型，节奏放缓；专有与开源模型智能差距扩大至9分。Harness（推理脚手架）设计正成为实现智能的核心驱动力，可使同一模型性能提升37个百分点、成本降低28%。Meta将算力从性能开发转向安全/对齐，但不会影响2026年1万亿美元和2027年1.6万亿美元的全球AI资本开支预测。
花旗研究（Citi Research）于2026年9月18日发布最新一期《Citi's Inference Ahead》周报，主题为"智能的复利效应"（Where Intelligence Compounds）。报告核心论点可归纳为以下三大主线： ：Google发布Dream-RSI论文、Z.ai的Infra Agent等早期证据表明，AI模型正开始具备自主优化能力，这可能催生新的算力需求增长极。 ：平均实现成本较5月28日峰值下降54%，较7月1日下降43%，为内部和外部AI使用增长提供顺风。 ：Meta将Muse模型延期数月以优先考虑安全；Alexandr Wang表示Meta大部分算力用于服务用户而非追求RSI，但全球AI资本开支预测（2026年1万亿美元、2027年1.6万亿美元）不受影响。
一、模型发布节奏（Cadence） 本周模型发布显著放缓： ：仅发布1个，较上周的5个下降80% ：发布3个，较上周的6个下降50% ：专有模型68个（环比+31%），开源模型40个（持平） ：前沿专有模型与开源模型的智能差距扩大至（前值6分），表明开源追赶速度有所放缓 模型排行榜亮点（截至2026年9月16日）： ：智能指数53分，并列第一 ：智能指数53分，并列第一 ：智能指数48分（↑4），输出速度229 tokens/sec，性价比突出（$0.78/1M tokens） ：输出速度341 tokens/sec，速度最快（$0.57/1M tokens） ：智能指数40分（↑7），价格仅$0.19/1M tokens 二、Harness（推理脚手架）成为差异化关键 这是本期报告最值得关注的技术洞察： ：在同一模型上增加provider adapter harness，性能从（提升37个百分点），成本从$26.1K降至$18.8K（降低28%） ：优化agent harness后，7个企业agent任务的平均成功率从29.2%提升至，底层模型未做任何改动 这意味着"实现智能"（realized intelligence）越来越多的提升来自harness设计，应用层将成为提供商和企业差异化的核心来源。 三、递归自我改进（RSI）进展 ：2周内将GLM-5.3-Flash投入生产，在10万+加速器上吞吐量提升3倍，6天内处理62万亿+ tokens ：提出通过"不断演进的世界"实现递归自我改进的新框架 同期发表多篇RSI相关论文（ModularRSI、RSIAgent等） ：GLM-5.3的Unsloth量化版本保留~81%精度，模型缩小83%，降低本地部署门槛 四、成本与定价趋势 基本稳定：A100约$1.58/小时、H100/H200约$2.97/小时、B200/B300约$5.30/小时 ：美欧均价$2.30/1M tokens（持平）、中国均价$0.83/1M tokens（↑13.7%）、前沿均价$1.71/1M tokens（↑2.4%） ：每智能指数任务成本环比+71.7%（可能与智能任务复杂度提升有关） ： Gemini App WAU增速放缓至+0.7% Qwen App WAU转负（-0.5%） Kimi App WAU持续下滑（-1.8%） 五、行业采用率（Ramp数据） AI在各行业的采用率持续提升： ：81% ：74% ：61% ：49% ：43% ：42% ：33% 六、重要事件日程 近期值得关注的关键会议和截止日： 9月22-24日：HumanX（阿姆斯特丹） 9月23日：Meta Connect 9月29日：OpenAI DevDay 10月12-15日：OCP Global Summit 12月31日：美国BIS HBM及SME出口管制截止日 2027年1月1日：纽约RAISE法案生效
本报告为花旗AI行业周报（"Citi's Inference Ahead"系列），不针对个股给出评级或目标价，而是聚焦行业层面的关键趋势跟踪。报告维持以下核心预测： ：2026年，2027年 ：尽管Meta等公司将部分算力从性能开发转向安全/对齐，但增加安全和对齐的算力投入反而会而非降低整体算力需求 ：算力基础设施（GPU、数据中心、电力）、推理基础设施（harness、agent框架）、开源模型生态等仍是长期受益方向
：当前RSI仍处于早期阶段，距规模化应用尚有距离，可能出现技术瓶颈或安全担忧导致进展放缓 ：美国及全球范围内AI监管政策的不确定性（如纽约RAISE法案、BIS出口管制）可能影响行业发展节奏 ：尽管租赁成本稳定，但每智能指数任务成本环比+71.7%，若使用量增速跟不上成本上升，可能压制商业化回报 ：智能差距扩大至9分，专有模型优势重新扩大，可能改变此前"开源追赶"的格局判断 ：Kimi等应用WAU持续下滑，需关注AI消费端应用的留存与转化问题 ：9月1日月度AI相关裁员达322人（占当月裁员总数8.1%），社会对AI的态度可能影响企业部署节奏 ：1万亿美元级别的年资本开支高度依赖超大规模厂商的现金流和融资能力，利率环境变化是关键变量
总体总结
主题正文
- 平均推理服务成本自5月28日峰值以来下降54%，为内外部使用增长提供顺风。
- Harness（推理脚手架）设计正成为实现智能的核心驱动力，可使同一模型性能提升37个百分点、成本降低28%。
- Meta将算力从性能开发转向安全/对齐，但不会影响2026年1万亿美元和2027年1.6万亿美元的全球AI资本开支预测。
- 花旗研究（Citi Research）于2026年9月18日发布最新一期《Citi's Inference Ahead》周报，主题为"智能的复利效应"（Where Intelligence Compounds）。
- ：Google发布Dream-RSI论文、Z.ai的Infra Agent等早期证据表明，AI模型正开始具备自主优化能力，这可能催生新的算力需求增长极。
- ：平均实现成本较5月28日峰值下降54%，较7月1日下降43%，为内部和外部AI使用增长提供顺风。
- Alexandr Wang表示Meta大部分算力用于服务用户而非追求RSI，但全球AI资本开支预测（2026年1万亿美元、2027年1.6万亿美元）不受影响。
- 这意味着"实现智能"（realized intelligence）越来越多的提升来自harness设计，应用层将成为提供商和企业差异化的核心来源。