东方通信 半导体 RSI 驱动 AI 训练重回叙事核心 超节点是国产芯片迈向训练场景关键

1💡、RSI或成为下一代AI模型范式，AI训练重回叙事核心。 RSI📝全称是递归式自我改进，核心是使AI大模型形成自我优化的闭环反馈机制，可自主进化出更强的模型性能。 🔎目前RSI已正式由抽象概念转变为实际的产业规划，2026年7月OpenAI原安全研究副总裁Lilian Weng正式回归OpenAI并负责RSI团队，目标通过AI加速设计、训练及评估下一代模型的整套流程。 2026📊年4月Antropic将9个Claude智能体组成的团队放在限定的AI对齐研究任务中累计自主工作800小时，花费约1.8万美元，追回97%的性能差距，两位人类研究员花费1周仅追回23%的性能差距，并且其在2026年6月发布《When AI builds itself》论文，明确表示RSI趋势正在加速。 ✨我们认为RSI将成为AI大模型与CSP厂商关注重点，模型范式变化驱动AI训练回归AI研究核心。 2⚙️
、国产大模型迈向万亿参数时代，超节点是国产算力芯片步入训练场景的关键路径。 📋目前已发布的Kimi K3、DeepSeek V4 pro参数量分别为2.8/1.6万亿，并且根据金融时报，字节正在训练一款参数量高达10万亿参数的大模型。 🧮大模型训练过程中算力芯片的算力有效利用率通常保持在80%以上，并且计算产生的结果需要在算力芯片间快速传输，避免出现计算等待通信的情景（计算单元因数据尚未传输过来而闲置），其对算力芯片间的通信性能提出很高要求。 🎯我们认为超节点是国产算力芯片迈向国产大模型训练的关键路径，根据华为《超节点发展报告》，昇腾384超节点相较传统服务器架构，通信带宽提高15倍且芯片与芯片间的 通信时延由2微秒降低至200ns，芯片实际性能在DeepSeek、Qwen等多模态、MoE模型上可实现3倍以上提升。 🚀伴随国产大模型参数量提升以及国产算力芯片向训练场景拓展，国产超节点预计加速放量。