本月13号，智谱发了一份公告。配售新股加零息可转债，合计融资约50亿美元，折合约393亿港元。我看到这个数字的第一反应是“震惊”。
因为就在这份公告发布的半个月前，智谱刚发布了2026年中报。截至8月31日，公司账面未动用的现金储备还有204.20亿港元。一家公司账上趴着200多亿现金，转头又想去资本市场拿近400亿，公司到底有什么事情是200多亿资金都不能解决的，一定要把资金总量增加到近600亿才行？
更离奇的是公司运作的时间线，这已经是智谱自2026年上市以来的第三轮股权融资了：
- 第一次IPO，净募约48.96亿港元；
- 第二次7月9日首次配售，募了约313.75亿港元；
- 最近一次9月13日，又募了约392.74亿港元。
九个月累计募了约755亿港元，约合646亿元人民币。日均募资约2.9亿港元。
这个速度意味着什么？意味着这已经不是“补充营运资金”了，而是一台正在全速运转的吞金机器。对于这种巨量资金的运作，智谱并没有多说什么，只给出简单的几个字进行答复：完全自训练。
01钱烧在哪：预付款
2026年上半年报披露，研发开支21.31亿元，同比增长33.6%，这个数字是同期的2.23倍。上半年收入9.54亿元，研发是收入的2.23倍。而同期销售费用并没有出现同量级的膨胀。
钱花在哪？一部分当然是科研人员的薪酬，但更大的一块，是算力预付款。
这是个容易被忽略的技术细节：大规模模型训练用的GPU/XPU集群，不是即插即用的云主机，而是需要通过长期合约锁定稀缺产能。你今年签下的算力，可能明年才交付；而你要训练的下一代基座模型，训练周期本身就要以“月”甚至“半年”来计。所以当一家公司宣布下一代基座已启动时，它手头必须已经预付掉一大笔钱去买未来一两年的确定性。
所以账上204亿和再融393亿并不矛盾——那204亿里的很大一部分，其实早已被锁定为未来的算力成本，只是按会计口径还挂在现金科目上而已。
02什么是「完全自训练」
智谱对「完全自训练」的定义包含三个维度：数据自己造、环境自己搭、基础设施自我优化。
三个维度，我们来一个一个说
数据自己造，是训练数据的来源从“爬取人类公开语料”转向“模型自身生成+环境反馈”。这里有个非常现实的约束：国内可用于训练的高质量中文语料正接近天花板，盲目扩参的边际收益是有限的。
环境自己搭，说的是训练不再依赖静态数据集，而是构建可交互的任务环境，能让模型在其中试错。
基础设施自我优化，这一层就很硬核了，智谱首席科学家唐杰透露，他们已经引入“基础设施Agent”，让模型自己去做国产芯片上的推理优化，算子开发周期缩短了一半。唐杰说这话的时候语气很平，像是在讲一件已经做完的事，但算子开发周期砍一半，放在两年前是不可想象的，那时候国产芯片上跑一个像样的推理优化，光调通就要几个月。
这就是「完全自训练」的完整闭环：模型造数据 → 数据训模型 → 模型优化跑模型的硬件 → 硬件再跑更强的模型。
在国际语境里，这套东西有个更出名的名字：递归式自我改进（RSI, Recursive Self-Improvement）。而完全自训练，则是RSI在工程上的收敛形态。
说个具体的，8月26日发布的GLM-5.3-Flash，圈内叫”牛来”（Ox Alpha）。它上线后5天累计调用量超50万亿Token，6天超62万亿Token，直接登顶OpenRouter，并终结了DeepSeek在OpenCode连续56天的霸榜纪录。
真正有意思的不是排名，是它跑在什么上面。全部流量由10万张国产芯片承载。这是国产芯片第一次承接这种量级的真实海外流量。而且定价还够狠，是GLM-5.3的1/10（折扣期1/20），是Claude Opus 4.8的1/40，单任务成本0.045美元。
半导体分析机构SemiAnalysis的评价很直接：”CUDA护城河再度受到考验。”
我总感觉它被低估了，当然也可能是我看多这种技术叙事，容易高估。但“10万张国产芯片承载62万亿Token”这件事，芯片本身是次要的，工程栈的自主可控才是主要的。因为芯片可以买、可以堆，但把异构国产芯片集群调到能承接全球真实流量、且单位成本还能比海外便宜一个数量级，这中间的能力，买不到。
03为什么必须现在押注基座
刘德兵在2026年中期业绩会上说得很清楚：”后训练做到极致之后，下一个阶段的增长必须回到基座模型上。”这句话是整个融资动作的核心。
最能说明这点的是：GLM-5.3和GLM-5.2同架构、同参数，仅做后训练升级，端到端任务完成率就提升了超50%。但甜蜜区有期限，红利耗尽那天，如果手上没有下一代基座，增长曲线就会断。所以必须现在就花钱。
商业化的表现则证明智谱不是在空转。大家普遍知道的是降价换量，而智谱走的却是反的：2026年2月至4月API连续三次调价，累计涨幅超83%；智谱首席执行官张鹏透露，一季度涨价83%之后，调用量反而增长了400%。中报数据更是得到印证：开放平台及API收入8.25亿元，同比增长2735.7%，占比从15.2%升至86.5%；云端API毛利率从-0.4%转正至24.6%。
为什么涨价不丢客户？2026年9月10日杭州上城区“全城Coding计划”里的两个真实样本给出了答案。做服装数字化的凌迪科技算法专家邢萌林说：“用智谱的模型，API比较稳定，不会突然连不上”，而且“长链条Agent的使用，会促使Token消耗”。两人创业团队鸿鹄枢机的李雲帆算过账：月Token支出约4000元，智谱占1000多元，“现在性价比超过海外模型，成为我们团队的首选”。
这两个案例揭示了正在发生的转变：Token正在从“技术成本”变成“生产力工具预算”。当一项支出从研发费用科目挪到生产资料科目，它的价格弹性就变了——这才是涨价83%而调用量涨400%背后的真实机制。
04涨价83%的底气，还能撑多久？
杰富瑞9月6号的报告挺有意思：把智谱云业务市销率从50倍砍到30倍，维持“持有”，但同时把2026—2029年收入预测上调了37%—119%。收入上调、估值倍数下调——相信你的收入，但不相信这份收入值50倍。
中报里还有一组数据：前两大客户各贡献超2.5亿美元ARR，合计至少占31%。你能涨价83%，是因为客户暂时没得选。这个“暂时”有多长，是下一个要回答的问题。中报里还有一组被引用不多的数据：前两大客户各贡献超2.5亿美元ARR，合计至少占31%；前十大客户贡献约40%的日均Token使用量。你能涨价83%，是因为客户暂时没有更便宜的替代，这个“暂时”还能有多长呢？
唐杰说：“最大的难点是让模型能可靠地判断何时停止、何时纠错，以及如何评价自身训练结果”，讲的正是RSI自我评价的可靠性。 这个问题到今天都没有公认解法。另一个，中美路径和风险结构并不相同：美国实验室担忧“能力失控”，智谱这条路的驱动力其实是算力约束下的效率自救——10万张国产芯片、成本降80%，首先解决的是活下去。
智谱花的钱，不是无度挥霍，是在买时间窗口。但这个窗口有多长，取决于下一代基座模型到底什么时候能出来。GLM-5.3和5.2同架构同参数，后训练一升级，端到端任务完成率就涨了50%——这说明后训练红利还在。可红利这东西，吃一天少一天。智谱赌的是，在吃完之前，新基座能接上。