文章篇幅：2123字｜阅读时长约3分钟

资本与技术的双重奏，正在智谱AI的舞台上激烈上演。

作者丨何己派

编辑丨鄢子为

九月中旬的清华园，一场关于人工智能的学术盛宴吸引了众多目光。在清华大学的一间阶梯教室里，座无虚席的盛况再现，甚至过道里都挤满了慕名而来的学生，他们都在翘首以盼“高级机器学习”课程的开讲。

这门课程的魅力何在？原来，主讲人正是清华大学计算机系的知名教授、智谱AI的创始人唐杰。他在课堂上分享了关于AI未来的独到见解，预言AI将在未来一两年内全面接管PC操作，这一观点引发了在场学生的热烈讨论。

图片来源：网络

课后，一位清华学生激动地表示：“听得太过瘾了，唐教授的见解独到且深刻。”

作为智谱AI的实际控制人之一，唐杰并未被传统的高管职务所束缚，而是选择了“首席科学家”这一头衔，以便将更多的精力投入到前沿技术的研究中。这位49岁的高知教授，在过去的四年半时间里，不仅烧掉了超过100亿元的资金，还成功募集了数倍于此的巨额资金，带领智谱AI踏上了一场“摸高计划”的征程。

然而，这场昂贵的游戏，目前还看不到盈利的曙光。

1

算力：智谱AI的“燃料”

唐杰和他的团队在融资方面展现出了惊人的速度和效率：

1月，智谱AI成功登陆港交所，募资约49亿港元；7月，首轮配售再获40亿美元；9月，再次融资50亿美元。

短短八个月的时间，他们竟然募集了高达650亿元人民币的资金，这一数字令人咋舌。

9月16日，智谱AI管理层举行了一场沟通会，结合刚刚完成的约335亿元人民币融资，向投资者阐述了三个关键点：算力约束解除、与云厂商合作取得突破、Co-work订单超10亿元。

高管们表示，新一轮融资的主要目的是为了扩大算力规模。原来，在2026年2月GLM-5发布后，模型调用需求量激增了10倍，几乎在发布当周，智谱AI的算力储备就消耗殆尽，不得不暂时停售主力产品Coding Plan。

为了应对这一挑战，智谱AI收购了中科加禾，并进行了策略调整，将算力效率提升了2-3倍。然而，算力缺口依然存在，收入增速也受到了限制。

图片来源：中科加禾

“我们动用了数万张国产芯片全量上线，为了确保稳定运行，所有infra优化技术都派上了用场。”

唐杰透露，在研发GLM-5.3-Flash时，团队为了节省算力，可谓绞尽脑汁，做了不少“抠门”的事情。

最终，智谱AI决定通过两笔大额融资来填平算力缺口。

7月和9月，两笔融资合计募到了90亿美元，全部用于扩大算力布局，以确保“短期内，算力供给不再是收入增长的主要约束”。

内部计算显示，投入300亿元大约可以建设10万P的算力。这些算力将预留40%用于训练研发，60%用于满足业务推理需求。

主流模型基准表现对比

基于GLM-5.3的高推理性价比，理论上最高可实现80%的推理毛利。按照这一测算，在60%的算力利用率下，按全价计算，一年收益可达400亿元。

理想情况下，智谱AI有望在一年内收回全部算力投入，还能覆盖模型训练的研发费用，无需再依赖下一轮融资来“输血”。

“对于大模型公司的算力投入，我们同样需要坚定的Scaling策略。”管理层强调道。

2

商业化：智谱AI的“金矿”

面对如此巨大的现金投入，唐杰团队也在积极努力安抚市场情绪。

在最新的电话会上，管理层不断释放利好消息，意在表明智谱AI的商业化层次更加丰富，根基也更加稳固。

其一，与云厂商的合作取得了突破性进展，云分成模式正式落地，开源首次转化为收入项。

图片来源：网络

“我们近期与头部云服务商签署了收入分成协议，相关收入将从10月起开始确认。”管理层提到，智谱GLM系列模型在海外云服务平台上以托管API的形式提供服务，并按照约定分享收入。

这一变化反映出开源模型正在加速商品化进程。

其二，Coding范式成功延伸至Co-work领域，实现了提速上量。

智谱AI为模型能力的演进设定了一条清晰的“阶梯”：Chat、Coding、Agent、Co-work、Autonomous AI。

当模型发展到Co-work阶段时，便进入了真实的工作流中，按照完成的任务来计价。这一阶段的门槛在于交付的工作成果必须达到专业人士愿意验收的水平，而非需要推倒重做。

唐杰的同事透露，GLM-5.3发布仅一个月来，Co-work行业的订单金额就超过了10亿元。

网络安全是率先落地的垂直场景之一，目前已有100家安全企业将GLM模型接入其安全产品和业务流程中。

如果Co-work这条路能够走通，并成功复制到法律、金融等领域，那么其按业务价值付费的属性将有助于丰富智谱AI的收入结构，尽快与自身算力扩张部分脱钩。

管理层表示，有信心将智谱AI年末的ARR（年度经常性收入）指引由24亿美元上调至30亿美元。

截至目前，其全业务口径的ARR已经达到18亿美元。

然而，唐杰团队并未给出盈利时点的具体预测。他们表示，经营拐点将取决于ARR的增长速度、模型效率的提升以及基座训练投入的节奏。

3

技术理想：智谱AI的“星辰大海”

掌舵技术方向的唐杰似乎对财务预算等行政事务并不感兴趣，他更愿意继续高密度地输出个人判断，风格坦诚且带有一定的“反共识”色彩。

他判断，Chat这一领域的竞争已经基本结束，AI的下一站将是自我进化、自己创造继任者，即RSI（Recursive Self-Improvement，递归自我改进）。

17日，唐杰连同GLM团队发表了一篇长文，披露了智谱GLM模型研发过程中一个让他们备受震动的时刻：AI开始取代人类，自己制造自己了。

唐杰 来源：网络

他们首次透露了RSI的工程化实践成果。

8月下旬，智谱AI推出了原生多模态模型GLM-5.3-Flash，首周就登上了OpenRouter平台调用量的榜首。

这款新模型背后，由GLM-5.3驱动的Infra Agent仅用两周时间就帮助GLM-5.3-Flash首次在国产加速卡上成功运行，并承担了全部线上流量，端到端吞吐能力提升了3.2倍。

唐杰表示，优秀的工程师脑海中有一套隐性经验：何时关注时间线、何时运行微基准、该对比哪一层的输出。

现在，智谱AI的大模型已经将这套经验显式化了。

原本模糊的异常现象被转化为可验证的工程假设；复杂的系统问题被拆解为迭代过程，变得可观测、可实验、可归因。

由此，模型优化系统，系统承载模型。唐杰称这一机制为“稠密反馈”。

然而，相对于唐杰对技术的兴奋和期待，眼下投资者的热情却在逐渐减退。9月以来，智谱AI的市值已经跌掉了35%，相当于损失了2000亿港元的账面财富，较高点已经蒸发了超过70%。

当唐杰驱动更多资本服务其技术理想时，投资者对回报的要价也在暗中不断提高。

图片来源：智谱AI，除标注外

若您对文章内容有建议或异议，请联系徽声在线编辑部。

办公电话：020 87399753