瞄准650亿估值，智谱的"理想"越标越贵

本文篇幅：约2100字｜阅读时长约3分钟

以资金铺路，步伐不止。

文/何己派 编/鄢子为

九月中下旬，清华大学某阶梯教室内，连一个空位都找不到。

选课人数远超预期，不少同学只能挤在走廊里，或坐或站，旁听这堂"高级机器学习"课。

授课者为唐杰——清华大学计算机系教授、智谱AI联合创始人兼核心人物。课上他抛出若干前瞻性观点，例如：未来一至两年内，AI将彻底主导PC端的交互方式。

"听得太过瘾了。"一名清华学子这样形容。

身为智谱实控人之一，唐杰依然扎根于清华课堂。他婉拒了常规意义上的管理岗位，仅保留"首席科学家"称谓，好让自己全身心扑在最前沿的技术探索上。

这位49岁的学者型创业者，过去四年半里累计消耗超过百亿元资金，随后又拉来了数倍规模的后续弹药，率领智谱踏上了一场"极限攀登"。

这笔巨额投入，短期内尚无明确的回本时间表。

唐杰及团队的融资节奏快得惊人：

一月挂牌港交所，筹集约49亿港元；七月启动首轮老股增发，到账40亿美元；九月再度完成一轮50亿美元融资。

八个月内，累计吸纳资金折合人民币约650亿元。

九月十六日，智谱管理团队召开投资者交流会，围绕刚落袋的约335亿元人民币融资，向外界传递三个关键信号：算力瓶颈正在松动、与云平台的协作实现实质性进展、Co-work板块签约额突破十亿元。

高管坦言，本轮增资的核心驱动力是算力扩容压力。

今年二月GLM-5面世后，模型调用请求量瞬间飙升十倍。发布那一周，智谱的算力库存便几近见底，被迫临时下线核心产品Coding Plan的销售。

此后他们并购中科加禾，同时调整调度策略，将算力利用效率拉升了两到三倍，但供需缺口依旧存在，营收增速也因此受限。

来源：中科加禾

"我们部署了数以万计的国产芯片实现全量上线，为了保稳定，所有底层基础设施层面的优化手段都用到了极致。"

唐杰回忆道，在打磨GLM-5.3-Flash的过程中，为了压缩算力开销，团队干了不少"精打细算"的活。

最终，智谱规划了两轮大规模融资来弥补缺口。

七月和九月两轮合计引入90亿美元，专项用于扩建算力基础设施，目标是确保"在可预见的时间内，算力不再成为制约营收增长的第一瓶颈"。

内部做过估算：砸入300亿元，大致能搭建起十万P规模的算力集群。其中40%留作训练与研发用途，剩余60%支撑线上推理业务。

主流模型基准测试横向对比

凭借GLM-5.3在推理环节的高性价比优势，理论峰值下推理毛利率可触及80%。据此推算，若算力利用率维持在60%、按标准定价计费，年化收入有望达到400亿元。

最乐观的情形下，一年内即可回收全部算力硬件支出，同时覆盖模型迭代的研发成本，无需再依赖外部融资"续命"。

"面对大模型赛道的算力军备竞赛，我们同样必须坚定地执行Scaling战略。"管理层反复强调。

既然要烧掉这么多真金白银，唐杰团队自然也要尽力稳住资本市场的情绪。

在最近一次分析师电话会议上，管理层密集抛出积极信息，试图证明其商业化的维度更加多元，根基扎得更扎实。

第一，云平台合作取得实质进展，云端分润模式正式落地，开源生态首次贡献出可计量的收入。

"我们不久前与头部云服务商签署了收入分成合同，对应收入自十月起开始入账。"管理层介绍，智谱GLM系列模型已通过海外云服务平台以托管API的方式对外提供，双方按既定比例分配收益。

这意味着，开源模型的货币化进程正在明显加快。

第二，从Coding（编程辅助）向Co-work（协同作业）的场景跃迁正在加速放量。

智谱为模型能力升级勾勒了一条递进路径：对话→编码→自主智能体→协同作业→完全自治AI。

走到Co-work阶段，模型真正嵌入实际生产流程，按交付成果的价值收费。该阶段的核心要求是：产出的工作质量须达到专业人员可直接采纳的水准，而不是交上去还得推倒重来。

唐杰的搭档透露，GLM-5.3上线一个月以来，Co-work方向的企业级合同总额已越过十亿元大关。

网络安全是最先跑通的垂直领域，目前已有上百家安全公司将GLM模型嵌入各自的安全产品及运营流程中。

倘若Co-work这条路线能够验证成功，并向法律、金融等行业横向复制，其"按业务产出付费"的模式将有效拓宽智谱的收入来源，逐步降低对算力扩张节奏的单一依赖。

管理层表态，有信心将年底ARR（年度经常性收入）目标从24亿美元上修至30亿美元。

截至目前，全业务线的ARR已达18亿美元。

不过，唐杰团队并未给出确切的扭亏时间点，其经营盈亏平衡将取决于ARR攀升速度、模型推理效率的改善幅度以及底座训练的投入节奏三者之间的动态博弈。

执掌技术航向的唐杰，似乎刻意避开财务管控等行政杂务，持续高频地输出个人洞察，言谈坦率，偶尔带有几分"逆主流"色彩。

他认为，纯对话层面的竞争已基本分出胜负，AI的下一个里程碑是自我迭代、自主培育下一代版本，他将这一概念命名为RSI（递归自我改进）。

十七日，唐杰携手GLM团队发表一篇深度长文，披露了在智谱GLM模型研发历程中令整个团队深感震撼的一幕：AI开始替代人类，亲手构建自己的后继者。

唐杰 图源：网络

文中首次公开了RSI工程化落地的阶段性成果。

八月下旬，智谱发布原生多模态模型GLM-5.3-Flash，上市首周即登顶OpenRouter平台调用量榜首。

这款新品背后有一个鲜为人知的故事：由GLM-5.3驱动的基础设施智能体，仅耗时两周，便在国产加速卡上完成了GLM-5.3-Flash的首次全链路调通，独立承接全部线上流量，端到端吞吐量提升了3.2倍。

唐杰指出，顶尖工程师脑中沉淀着一套难以言传的直觉：何时盯时序图、何时跑微观基准测试、应当对齐哪一层级的输出。

如今，智谱的大模型已将这套隐性的工程直觉外化为显性规则。

过去模糊不清的异常波动，变成了可量化验证的工程假设；盘根错节的系统故障，被分解为可追踪、可复现、可定位根因的迭代闭环。

模型驱动系统优化，系统反过来托举模型。唐杰将这种双向循环称为"稠密反馈"。

然而，与唐杰在技术层面的亢奋形成鲜明反差的是，资本市场的耐心正在消退。九月以来，智谱股价已累计下挫三成五，账面市值缩水约两千亿港元，较历史高点蒸发了逾七成。

当唐杰持续调动更多资本去浇灌他的技术愿景时，出资方对回报的期待值，也在悄然水涨船高。

图片出处：智谱官方，另有注明除外

如您对本篇内容有任何修改建议或不同看法，欢迎联系编辑部门。

办公直线：020 87399753