天风汽车 AI重心重回训练及Rubin升级链

这份研报主要分析了AI发展重心重回模型训练的趋势，指出模型参数持续扩张和引入训练端自动化（RSI）是主要方向。报告显示国产模型总参数从1T向10T扩张，海外模型从10T向100T扩张，但参数规模越大，数据搬运瓶颈越明显，算力利用率降低。

AI行业未来发展趋势集中在模型参数持续扩张和引入训练端自动化（RSI）。国产模型参数规模正从1T向10T扩张，海外模型则从10T向100T扩张。同时，RSI技术通过实现AI自主研究、试错、评估、落地，支持大模型长时间自主运行和更大规模模型的试错频率，推动AI技术向更高层次发展。

研报重点分析了AI模型训练的算力需求及优化方案。报告指出为提高算力利用率，AI芯片配置需最满，并引用马斯克在SpaceX业绩会上对NV的Rubin芯片的评价，认为其是现阶段最优AI芯片。此外，报告还深入探讨了RSI技术在解决数据搬运瓶颈、提升大模型试错频率方面的作用。

当前AI市场现状表现为模型参数规模持续扩张，但随之而来的是数据搬运瓶颈加剧和算力利用率降低的问题。国产模型参数规模已达1T至10T，海外模型更是达到10T至100T，这要求更高效的算力解决方案。同时，RSI技术的引入为解决这些问题提供了新思路，通过自动化训练过程提升效率。

研报提示的主要风险在于模型参数规模扩张带来的算力需求压力。随着模型参数从1T向10T、从10T向100T的扩张，数据搬运瓶颈会愈发明显，算力利用率降低可能导致资源浪费。此外，新技术的引入如RSI虽然能提升效率，但其成熟度和稳定性仍需市场验证，存在技术实现风险。