中信证券财富管理与中信里昂研究观点一致。根据中信里昂研究在2026年9月10日发布的题为《From AGI toASI》的报告，OpenAI的GPT-6 Astra标志着前沿AI进入新阶段，在计算机使用、科学研究和专业工作方面展现出领先能力。除了基准测试提升之外，研究指出，随着模型迭代周期缩短，产品体验和品牌溢价的重要性日益提升。与此同时，不断上升的训练计算需求强化了领先前沿实验室的规模优势。中信里昂认为，这些趋势在加速迈向日益自主的研究系统并最终走向ASI的同时，也扩大了AI的潜在可服务市场。
　　计算机使用的新前沿，并具备专业工作能力
　　GPT-6 Astra在大张旗鼓的宣传下发布，并以在计算机使用、浏览、软件工程、科学和专业工作方面的SOTA能力作为支撑。
　　除了基准分数提升之外，压倒性的积极反馈源于日常任务中“可见的”能力增强，例如excel建模、3D渲染、动画任务、Blender模型、预约预订等。
　　此次发布验证了具有经济可行性的LLM任务范围正在扩大，支持到由全球逾10亿知识工作者中约15%的知识工作自动化所带来的2.2万亿的美元价值。
　　从刷榜到品牌溢价和服务
　　随着模型迭代周期缩短至数周，评估基准的半衰期也因其趋于饱和并退役而缩短。这可能会提升用户认知的作用，而这会转化为品牌溢价，并随着时间推移决定钱包份额。
　　根据最新的Artificial Analysis Intelligence Index v4.3，全球和中国的顶级模型是Claude Fable 5.1、GPT-6Astra、GLM 5.3、Kimi 3。
　　从产品角度看，专有工具例如codex（+2,500万用户）、Claude Code、Zcode等，智能路由以及更广泛的思考努力水平，也可能通过优化经成本调整后的性能来提升用户体验和忠诚度。
　　随着业务规模扩大的计算乘数扩张
　　训练算力强度重新回到投资者关注的中心，因为Nvidia的Jensen Huang披露，Astra是基于超过10万颗颗Grace Blackwell芯片训练的，而下一代训练集群可能达到超过40万个加速器（约1GWAI工厂）。
　　前所未有的训练集群规模凸显了前沿AI的资本密集型特征，但规模也强化了其商业逻辑。
　　随着美国同行进入10T+参数的竞争，中国实验室仍落后于3T层级。缩小能力差距的关键挑战在于计算供应约束，而更重视后训练、基础设施效率和测试时扩展在一定程度上起到了抵消作用。
　　迈向超级人工智能（ASI）的一步：研究加速
　　9月6日，OpenAI宣布其已实现自动化研究实习生这一目标，即一个可以在人类指导下执行定义明确的研究任务的系统；其进一步目标是在2028年3月前创建自动化AI研究员。
　　截至8月中旬，OpenAI处于第90百分位的研究员按API价格计算每天花费7,000美元的推理成本，将agent融入日常工作；Agent工作日已经是人类研究员工作日的3倍，从而带来更高的实验速度。
　　这一发展再次确认了硬件供应链的积极叙事。作为背景，据报道Anthropic已锁定15-16GW的算力，而OpenAI到2030年可能将锁定30GW算力。研究指出，在中国前沿实验室中，自建1GW规模AI工厂可能是下一阶段竞争的焦点。