本月13號，智譜發了一份公告。配售新股加零息可轉債，合計融資約50億美元，摺合約393億港元。我看到這個數字的第一反應是“震驚”。
因爲就在這份公告發布的半個月前，智譜剛發佈了2026年中報。截至8月31日，公司賬面未動用的現金儲備還有204.20億港元。一家公司賬上趴着200多億現金，轉頭又想去資本市場拿近400億，公司到底有什麼事情是200多億資金都不能解決的，一定要把資金總量增加到近600億纔行？
更離奇的是公司運作的時間線，這已經是智譜自2026年上市以來的第三輪股權融資了：
- 第一次IPO，淨募約48.96億港元；
- 第二次7月9日首次配售，募了約313.75億港元；
- 最近一次9月13日，又募了約392.74億港元。
九個月累計募了約755億港元，約合646億元人民幣。日均募資約2.9億港元。
這個速度意味着什麼？意味着這已經不是“補充營運資金”了，而是一臺正在全速運轉的吞金機器。對於這種巨量資金的運作，智譜並沒有多說什麼，只給出簡單的幾個字進行答覆：完全自訓練。
01錢燒在哪：預付款
2026年上半年報披露，研發開支21.31億元，同比增長33.6%，這個數字是同期的2.23倍。上半年收入9.54億元，研發是收入的2.23倍。而同期銷售費用並沒有出現同量級的膨脹。
錢花在哪？一部分當然是科研人員的薪酬，但更大的一塊，是算力預付款。
這是個容易被忽略的技術細節：大規模模型訓練用的GPU/XPU集羣，不是即插即用的雲主機，而是需要通過長期合約鎖定稀缺產能。你今年簽下的算力，可能明年才交付；而你要訓練的下一代基座模型，訓練週期本身就要以“月”甚至“半年”來計。所以當一家公司宣佈下一代基座已啓動時，它手頭必須已經預付掉一大筆錢去買未來一兩年的確定性。
所以賬上204億和再融393億並不矛盾——那204億裏的很大一部分，其實早已被鎖定爲未來的算力成本，只是按會計口徑還掛在現金科目上而已。
02什麼是「完全自訓練」
智譜對「完全自訓練」的定義包含三個維度：數據自己造、環境自己搭、基礎設施自我優化。
三個維度，我們來一個一個說
數據自己造，是訓練數據的來源從“爬取人類公開語料”轉向“模型自身生成+環境反饋”。這裏有個非常現實的約束：國內可用於訓練的高質量中文語料正接近天花板，盲目擴參的邊際收益是有限的。
環境自己搭，說的是訓練不再依賴靜態數據集，而是構建可交互的任務環境，能讓模型在其中試錯。
基礎設施自我優化，這一層就很硬核了，智譜首席科學家唐傑透露，他們已經引入“基礎設施Agent”，讓模型自己去做國產芯片上的推理優化，算子開發週期縮短了一半。唐傑說這話的時候語氣很平，像是在講一件已經做完的事，但算子開發週期砍一半，放在兩年前是不可想象的，那時候國產芯片上跑一個像樣的推理優化，光調通就要幾個月。
這就是「完全自訓練」的完整閉環：模型造數據 → 數據訓模型 → 模型優化跑模型的硬件 → 硬件再跑更強的模型。
在國際語境裏，這套東西有個更出名的名字：遞歸式自我改進（RSI, Recursive Self-Improvement）。而完全自訓練，則是RSI在工程上的收斂形態。
說個具體的，8月26日發佈的GLM-5.3-Flash，圈內叫”牛來”（Ox Alpha）。它上線後5天累計調用量超50萬億Token，6天超62萬億Token，直接登頂OpenRouter，並終結了DeepSeek在OpenCode連續56天的霸榜紀錄。
真正有意思的不是排名，是它跑在什麼上面。全部流量由10萬張國產芯片承載。這是國產芯片第一次承接這種量級的真實海外流量。而且定價還夠狠，是GLM-5.3的1/10（折扣期1/20），是Claude Opus 4.8的1/40，單任務成本0.045美元。
半導體分析機構SemiAnalysis的評價很直接：”CUDA護城河再度受到考驗。”
我總感覺它被低估了，當然也可能是我看多這種技術敘事，容易高估。但“10萬張國產芯片承載62萬億Token”這件事，芯片本身是次要的，工程棧的自主可控纔是主要的。因爲芯片可以買、可以堆，但把異構國產芯片集羣調到能承接全球真實流量、且單位成本還能比海外便宜一個數量級，這中間的能力，買不到。
03爲什麼必須現在押注基座
劉德兵在2026年中期業績會上說得很清楚：”後訓練做到極致之後，下一個階段的增長必須回到基座模型上。”這句話是整個融資動作的核心。
最能說明這點的是：GLM-5.3和GLM-5.2同架構、同參數，僅做後訓練升級，端到端任務完成率就提升了超50%。但甜蜜區有期限，紅利耗盡那天，如果手上沒有下一代基座，增長曲線就會斷。所以必須現在就花錢。
商業化的表現則證明智譜不是在空轉。大家普遍知道的是降價換量，而智譜走的卻是反的：2026年2月至4月API連續三次調價，累計漲幅超83%；智譜首席執行官張鵬透露，一季度漲價83%之後，調用量反而增長了400%。中報數據更是得到印證：開放平臺及API收入8.25億元，同比增長2735.7%，佔比從15.2%升至86.5%；雲端API毛利率從-0.4%轉正至24.6%。
爲什麼漲價不丟客戶？2026年9月10日杭州上城區“全城Coding計劃”裏的兩個真實樣本給出了答案。做服裝數字化的凌迪科技算法專家邢萌林說：“用智譜的模型，API比較穩定，不會突然連不上”，而且“長鏈條Agent的使用，會促使Token消耗”。兩人創業團隊鴻鵠樞機的李雲帆算過賬：月Token支出約4000元，智譜佔1000多元，“現在性價比超過海外模型，成爲我們團隊的首選”。
這兩個案例揭示了正在發生的轉變：Token正在從“技術成本”變成“生產力工具預算”。當一項支出從研發費用科目挪到生產資料科目，它的價格彈性就變了——這纔是漲價83%而調用量漲400%背後的真實機制。
04漲價83%的底氣，還能撐多久？
傑富瑞9月6號的報告挺有意思：把智譜雲業務市銷率從50倍砍到30倍，維持“持有”，但同時把2026—2029年收入預測上調了37%—119%。收入上調、估值倍數下調——相信你的收入，但不相信這份收入值50倍。
中報裏還有一組數據：前兩大客戶各貢獻超2.5億美元ARR，合計至少佔31%。你能漲價83%，是因爲客戶暫時沒得選。這個“暫時”有多長，是下一個要回答的問題。中報裏還有一組被引用不多的數據：前兩大客戶各貢獻超2.5億美元ARR，合計至少佔31%；前十大客戶貢獻約40%的日均Token使用量。你能漲價83%，是因爲客戶暫時沒有更便宜的替代，這個“暫時”還能有多長呢？
唐傑說：“最大的難點是讓模型能可靠地判斷何時停止、何時糾錯，以及如何評價自身訓練結果”，講的正是RSI自我評價的可靠性。 這個問題到今天都沒有公認解法。另一個，中美路徑和風險結構並不相同：美國實驗室擔憂“能力失控”，智譜這條路的驅動力其實是算力約束下的效率自救——10萬張國產芯片、成本降80%，首先解決的是活下去。
智譜花的錢，不是無度揮霍，是在買時間窗口。但這個窗口有多長，取決於下一代基座模型到底什麼時候能出來。GLM-5.3和5.2同架構同參數，後訓練一升級，端到端任務完成率就漲了50%——這說明後訓練紅利還在。可紅利這東西，喫一天少一天。智譜賭的是，在喫完之前，新基座能接上。