猜你想问
这份研报主要讲了什么内容？
这份研报探讨了AI竞争的三重切换：从参数规模转向单任务经济学，JEV技术证明AI推理成本可大幅降低，算力架构从GPU中心化转向异构计算，以及RSI飞轮启动后模型迭代周期从季度压缩到周度。同时分析了降价潮的成因和影响，指出虽然OpenAI等公司通过技术进步降低了输入成本，但模型能力增强导致Token消耗量增长，账单未必更低，Token总量增长利好算力基础设施。此外，报告还介绍了JEV技术如何使推理成本趋近于零，瓶颈从计算转向数据传输和内存带宽，以及海外RSI技术已进入日常工程阶段，国内仍在追赶的情况。
AI行业未来发展趋势如何？
AI行业正经历从参数规模竞赛转向单任务经济学的转变，JEV技术大幅降低推理成本推动算力架构向异构计算演进，模型迭代周期加速至每周。竞争加剧导致模型降价，但Token消耗量增长可能抵消成本优势，Token总量增长利好算力基础设施。未来，AI推理瓶颈将从计算转向数据传输和内存带宽，高速互联、光连接和HBM的重要性将超越纯算力。海外RSI技术已进入工程应用阶段，国内尚需时间形成模型与代码的闭环生态。
研报重点分析了哪些方向？
研报重点分析了AI竞争的三重切换：参数规模转向单任务经济学，JEV技术降低推理成本，算力架构从GPU中心化转向异构计算，以及RSI飞轮加速模型迭代周期。此外，报告深入探讨了降价潮的成因和影响，包括OpenAI等公司通过技术进步降低输入成本，但Token消耗量增长可能导致账单未必更低，Token总量增长利好算力基础设施。报告还介绍了JEV技术如何使推理成本趋近于零，瓶颈从计算转向数据传输和内存带宽，以及海外RSI技术已进入日常工程阶段，国内仍在追赶的情况。
当前AI市场现状如何判断？
当前AI市场正经历从参数规模竞赛转向单任务经济学的深刻变革，JEV技术大幅降低推理成本推动算力架构向异构计算演进，模型迭代周期加速至每周。竞争加剧导致模型降价，但Token消耗量增长可能抵消成本优势，Token总量增长利好算力基础设施。JEV技术使推理成本趋近于零，瓶颈从计算转向数据传输和内存带宽，高速互联、光连接和HBM的重要性将超越纯算力。海外RSI技术已进入工程应用阶段，国内尚需时间形成模型与代码的闭环生态。
研报提示哪些风险？
研报提示AI市场存在技术快速迭代的竞争风险，模型降价可能导致账单未必更低，Token总量增长可能对算力基础设施提出更高要求。JEV技术使推理成本趋近于零，但数据传输和内存带宽可能成为新的瓶颈，对高速互联、光连接和HBM提出更高要求。国内RSI技术尚在追赶阶段，尚未形成模型与代码的闭环生态，存在技术落后风险。此外，AI技术发展迅速，市场格局可能快速变化，投资者需关注技术路线选择和商业化落地的不确定性。