RSI技术演进如何影响未来两年AI算力资本开支格局？

RSI（Recursive Super Intelligence，递归超级智能）是指AI通过自我训练、自我反馈和改进，实现智能持续强化的训练范式。当前AI Agent大多处于L1层级，主要作为高效执行工具遵循人类指令。而RSI带来的核心变化在于L2-L3阶段的突破：在L2阶段，AI能够自主修改约束条件甚至算法，通过强化学习和大量算力支撑，实现高质量数据自产和工作流的递归进化；在L3阶段，当前一代模型实质参与下一代模型的训练和部署，以远高于人类的速度进行巨量方案尝试和不眠不休的迭代训练。

这种训练范式的转变将显著抬升算力需求。一方面，RSI迭代过程本身需要更巨量的训练算力支持；另一方面，自我递归进化后形成的更强智能，有望催生新一代商业化Agent产品，如从Coding Agent扩展至企业级Work Agent，从而打开第二波应用需求浪潮。这使得模型商和新云厂商的训练需求可能重新成为AI基础设施投资的重要驱动力。

关于资本开支缺口的填补问题，测算显示，若维持2025年67%的CapEx增速，2028年四大云厂商存在约5055亿美元的投入缺口；若维持2026年105%的增速，缺口高达19376亿美元。相比之下，OpenAI、Anthropic、xAI等模型商及Coreweave等新云厂商，预计在2027年和2028年分别贡献约4609亿美元和5252亿美元的CapEx增量。这意味着，非云厂商的新增投入足以填补维持2025年增速所需的缺口，但在定量层面尚不足以完全覆盖维持2026年超高增速的巨大需求。因此，RSI逻辑在方向上正确，但实际落地规模仍需观察更多项目协议的达成。

对投资节奏而言，这暗示AI板块已进入高波动、高轮动阶段。后续主线可能从单纯的算力供给侧，切换到云厂商的资本开支兑现、模型公司的商业化能力以及应用层的爆发。投资者应密切关注模型商是否出现更明确的盈利迹象，以及应用端能否诞生具备用户规模和付费能力的现象级产品，而非仅盯着硬件端的订单波动。