报告摘要及核心观点
　　01.模型能力突破是打开下一轮应用空间的核心变量
　　上一轮模型ARR的爆发，源头是模型能力跨过了coding的可交付门槛；下一轮ARR爆发的驱动同样要从模型能力的进展去找。RSI和LatentReasoning研究的是“下一轮模型能力提升从哪里来”。
　　02 RSI当前进展：大规模研发与自主研究尚未合流；效率改进已进入兑现，能力改进的传导仍待验证。
　　展望：
　　1、从执行自动化->议程自主，关键变量在“决策”；跨过自主研究分水岭的标志，是人不必再逐轮筛选或给出方向。
　　2、从小规模结论到核心模型迁移，中间隔着几级验证；当AI自己找到的改进能够在更大的规模上实现时，AI迭代的速度将从人工约束变为“算力约束”。
　　 03 RSI突破从模型研发和应用两方面均带来算力消耗提升
　　 RSI已经作用于AI研发中的搜索（Search）环节，因此RSI的突破首先带来研发缓解算力消耗的提升。
　　 RSI突破带来的模型应用相关算力需求增长与预期差：1、模型效率提高成本下降，依靠“杰文斯效应”带来的需求总量的提升；2）模型能力跨过了更多应用的可交付门槛，带来超预期的应用需求与ARR，进而带来超预期的算力需求。
　　04模型新的scaling范式：Latent Reasoning
　　 Recurrent Depth的核心，是让同一组Transformer层在Latent空间内反复计算多轮，再输出下一个Token。
　　 Latent Scaling相比CoTScaling：算力增量>HBM增量
　　 OpenAIAstra：Recurrent Depth已进入前沿模型，后续关注使用强度与可监控性
　　05投资建议：看好AI上游“量”的需求，尤其是算力的需求。建议关注：
　　算力芯片及制造：英伟达、Intel、AMD、ARM、博通、台积电、中芯国际、华虹宏力、寒武纪、海光信息、摩尔线程、沐曦、燧原、壁仞科技、天数智芯等。
　　云厂商：微软、亚马逊、谷歌、阿里巴巴、百度、Nebius、Coreweave等
　　服务器及整机：戴尔、超威电脑、HP、联想集团、工业富联、浪潮信息、中科曙光、紫光股份等。
　　06风险提示：模型技术突破及规模化验证不及预期；技术路线变化导致产业链受益结构偏离预期；供应链与电力配套约束影响交付；行业竞争加剧及收入增长未能转化为盈利；政策变化风险。