AI巨头呼吁“踩刹车” 机构认为国内算力需求仍有增长空间
近日，Anthropic首席执行官达里奥·阿莫迪呼吁放缓前沿AI模型能力提升的节奏，为安全研究和风险防范留出时间。OpenAI首席执行官萨姆·奥尔特曼、SpaceX创始人埃隆·马斯克随后表达支持。相关言论引发市场对AI基础设施投资前景的担忧，海外芯片股承压，A股、港股科技板块出现分化。
前沿模型迭代如果放慢，AI产业链的需求是否也会随之降温？机构目前认为，需要区分模型研发节奏与算力需求增长。现阶段，企业应用、推理业务仍在扩张，相关讨论尚不足以证明AI资本开支进入收缩周期，但投资者对需求来源、商业回报及安全边界的审视正在加强。
AI安全讨论扰动市场情绪
近期，AI行业领袖对技术快速发展带来的潜在风险表达担忧，给投资者情绪带来了一定扰动。
日前，阿莫迪在一篇文章中提出，应放缓AI模型能力提升的节奏，为安全研究争取更多时间，并主张引入常驻的独立评估人员、推动前沿AI企业协调，以及开展国际层面的风险治理合作。奥尔特曼和马斯克随后公开表示支持。
根据阿莫迪的方案，Anthropic将先行引入外部评估团队，给予其与内部风险评估人员相近的工具和信息访问权限，以核查安全措施、记录相关事件。阿莫迪表示，希望通过调整发展节奏，提高模型安全对齐、可解释性和测试评估能力。
港股方面，9月15日，恒生指数下跌1.00%，恒生科技指数下跌0.62%。天数智芯涨逾4%，网易涨超2%，腾讯控股、阿里巴巴-W涨超1%。
韩国综合股价指数（KOSPI）同日开盘下跌25.12点，截至收盘下跌0.85%。此前一个交易日，该指数已下跌3.26%。
招商证券认为，相关讨论对其覆盖的Meta、Alphabet、亚马逊、腾讯和阿里巴巴的评级影响有限，这些公司的AI资本开支计划更多受需求、电力和零部件供应制约。该机构对AI资本开支维持中性判断，并提示目前尚无具体的模型研发限速措施，后续落实情况仍需跟踪。
前沿研发寻求安全约束
市场关注相关讨论对投资前景的影响，而前沿模型能力加速演进所带来的安全挑战，则是这场讨论的核心议题。
中金公司认为，递归自我改进（RSI）正在帮助前沿模型增强能力。尽管尚未发展到模型可以自主学习、更新自身权限的状态，但模型已在更大程度上参与下一代模型的开发，包括算法设计、数据结构等环节。随着这一过程加速，模型能力可能出现超出预定范围的变化。
与此同时，大模型在编程和智能体等复杂、长流程任务上的进步，也提高了安全管理的难度。中金公司认为，如果安全能力未能有效对齐，模型在执行任务时可能为了达到最终目的，采取超出用户授权或安全边界的行动。因此，模型发展需要相应的安全能力作支撑。
对于“放缓”的范围，中金公司称，大模型能力的发展具有明显不对称性。编程和智能体能力进展显著，但在物理世界理解、多模态对齐和创造性任务等方面，仍有较大提升空间。该机构认为，短期内模型整体进步的空间依然充分，但需要对部分能力的应用加以限制和管理。
从资本市场角度看，研发节奏调整可能带来两个方面的影响。招商证券认为，如果训练支出放缓，更多算力转向能够带来收入的推理业务，有望支撑年度经常性收入和财务表现；但如果新模型发布减少、收入增长放慢，也可能部分抵消这一利好。与此同时，其他模型厂商有望争取到缓冲时间，缩小与头部厂商的技术能力差距。
不过，从已披露的投资计划来看，基础设施建设仍在推进。谷歌9月9日宣布，将于2027年至2028年在芬兰投入至少130亿欧元，约合151亿美元，用于数字基础设施等建设。甲骨文在最新季度业绩发布后，维持2027财年900亿至950亿美元的资本开支预期。
国内算力需求关注应用兑现
国内方面，国产模型行业应用拓展的步伐却并未放缓，算力需求仍有增长空间。分析人士认为，随着AI从辅助提效走向承担更复杂的工作任务，国内企业端应用潜力有望进一步释放，带动推理需求增长，为国内算力产业链提供持续支撑。
国产模型能力提升与应用场景拓展，仍是机构关注的重点。中金公司持续看好国产模型的能力进步；国联民生证券认为，随着模型能够完成更多具有经济价值的任务，智能体使用量和推理需求有望相应增长。
对于需求形成机制，国联民生证券认为，模型价值创造方式正在从辅助员工提效，向独立完成完整工作流程延伸。当单个用户可以并行运行多个智能体、持续处理数小时的任务时，衡量需求的核心指标也可能从每名用户消耗多少词元（Token），转向每名用户使用多少智能体运行时长。即使单项任务的Token消耗下降，任务数量和复杂程度提升，仍可能推动总算力需求增长。
此外，招商证券提示，海外对芯片出口、远程算力和模型蒸馏等领域的监管变化，仍可能影响竞争格局。海外研发节奏调整能否转化为国内厂商的追赶机会，还取决于算力供给、工程能力及商业化进展。
国联民生证券认为，近期云厂商、算力服务商和服务器厂商财报显示，企业客户正成为重要增量来源，现有AI应用的投入回报开始支撑持续采购，算力需求正更多由实际使用驱动。
