智谱要用50亿美元织一张网
智谱官宣50亿美元融资落定，股份配售与可转债组合完成募集
9月13日智谱发布公告，正式官宣完成约50亿美元融资，具体构成如下：
- 股份配售：规模约20亿美元，配售价为每股714港元，较公告前收盘价折让约9.96%，配售股份占扩大后已发行股本约4.50%
- 可转债发行：规模约30亿美元，采用零息结构，发行价为本金的100.5%，到期按本金赎回；初始转股价为每股892.50港元，较配售价溢价25%，较公告前收盘价溢价约12.55%
这是智谱继7月完成314亿港元配股融资后，年内第二笔大规模配股筹资。根据公告，此次融资所得款项净额约六成将用于下一代GLM模型、完全自训练体系及相关算力基础设施，剩余部分投向自动化训练数据生成与筛选、任务环境建设、长程推理、国产芯片适配和推理优化等方向。截至2026年8月底，智谱MaaS月度收入年化计算的ARR已达16亿美元，年内已先后推出GLM-5、GLM-5.1、GLM-5.2和GLM-5.3四款迭代模型，保持约每两个月一次的重要升级节奏。
算力紧缺与场景爆发倒逼，智谱锚定自主算力与token供给权
本轮大额融资的核心动因，源于AI行业对算力的刚性需求持续升温。过去半年多全球结构性算力紧缺并未得到真正缓解，反而愈演愈烈：AI行业agent时代到来、AI coding成为主流场景、视频生成等多模态应用兴起，直接推高了token消耗量，需求快速传导至上游算力供给端。
对于以MaaS形态售卖API的模型公司而言，掌握token供给权是核心竞争力：只有把token放在自己手中，才能更好地满足不断膨胀的用户需求，同时打造足够丰厚的利润空间。此外，无论是超大规模参数模型的预训练，还是对模型性能影响与日俱增的后训练，都需要稳定而充裕的自有算力支撑，智谱正在推进的完全自训练等未来技术愿景，同样需要算力作为核心后盾。在既要满足当下token生意需求、又要布局未来基模研发的双重目标下，智谱拿到融资后加速搭建自有算力底座，是业务发展的必然选择。
软硬协同打磨算力乘数，智谱构建可自主调度的算力底座
拿到融资加持后，智谱已经在算力层布局了清晰的落地路径：
在硬件侧，智谱选择自建数据中心，7月已有消息称其建成一座1GW全采用国产AI芯片的数据中心并部分投入运营，同时运营多个万卡级计算集群，目标是打造长期、稳定、可自主调度的算力池。在软件侧，智谱通过软硬协同优化大幅提升算力利用效率：今年6月花费约3亿元收购异构算力软件公司中科加禾60%股权，后者专攻编译器、虚拟指令集和推理引擎，可统一适配不同架构的国产芯片；同时通过量化、PD分离、Layer Split、混合缓存等优化手段，让同一套国产硬件的端到端性能较初始基线提升约3倍。最新发布的GLM-5.3-Flash借助线性加稀疏混合注意力，把长上下文的计算量压到原来的三分之一，KV Cache缩到四分之一多。
经过一系列“软硬兼施”的优化，智谱的“算力乘数”（每投入1元算力对应的API收入）比去年上半年提升约14倍，算力投入效率得到显著改善。
百亿级投入押注完全自训练，智谱瞄准模型自进化的下一代范式
本次融资的重点投向之一，是智谱多次对外提及的“完全自训练”体系，这一前沿技术方向被纳入资金用途，意味着智谱计划向该领域投入百亿级别的资金。在2026年半年度业绩会上，智谱管理层将下一代旗舰模型的技术定位定义为完全自训练，核心特征是模型具备自进化能力，可覆盖从预训练、中期训练到后训练的全流程，实现完全自主训练与自我进化。
智谱认为，完全自训练的最大挑战是模型能否实现自我判断，自主把控训练停止时机、自主完成错误修正，当前包括智谱在内的企业提出的类似技术愿景，短时间内都离不开人类的频繁干预和引导。随着50亿美元融资到位，智谱将持续推进自动化训练数据生成与筛选、任务环境建设、长程推理能力提升、国产芯片适配和算子开发等方向的投入，为下一代模型的研发筑牢基础。
从战略生态位来看，过去智谱是较为纯粹的模型公司，主要消耗算力、产出token；而在本轮融资加持下，智谱正试图描绘新的未来图景：它不光消耗算力，也要自持算力，甚至未来可能对外输出算力，逐步从单一模型供应商向算力生态参与者转型。