9月13日晚间，智谱发布公告，宣布完成约50亿美元融资，包含约20亿美元股份配售及约30亿美元可转债发行。按公告口径，两项合计筹资净额约393亿港元，所得款项将主要投向模型研发与算力基础设施。这一融资规模在国内大模型公司中处于前列，也延续了今年以来头部AI厂商密集补充资金弹药的趋势。
从资金用途看，智谱将约六成、即约235亿港元投向下一代GLM与完全自训练体系，以及大规模训练、推理和算力基础设施。可转债在本轮融资中占比较大且带有溢价，一位长期跟踪AI板块的券商分析师表示，这种结构更偏向长周期资金，零息意味着公司即期无需支付票息，转股价值被放到后期兑现，适合研发周期较长的公司。这一安排表明智谱将资金规划的目光放在了更长的时间维度上。
支撑这一决策的基础，是智谱已经跑通的商业化正循环。据其中期财报显示，上半年智谱收入9.54亿元，同比增长399.7％；其中开放平台及API收入8.25亿元，同比增长2736％，在总收入中的占比从2025年末的26.3％升至86.5％。按调用计费的云端业务已成为收入主体，收入结构不再依赖项目制交付。这一转变意味着公司具备以标准化产品支撑持续研发投入的能力。
在模型迭代节奏上，智谱从今年2月到8月接连发布GLM-5、GLM-5.1、GLM-5.2、GLM-5.3，平均两个月完成一次重要升级。据第三方机构Artificial Analysis数据，最近11个月内，智谱旗舰模型在综合智能指数上的得分从32攀升至60，进入全球前沿模型的能力区间。多位AI行业研究员表示，单点跑分高可能来自一次调参，但连续多代模型均有抬升，背后依赖研发能力、组织效率与工程系统的综合支撑。一位研究员指出，大模型迭代的难点多数卡在能否按计划把想法变成可复现的结果，智谱能连续几代按计划交付，说明排产和工程能力已经建立。
从公告披露的研发方向看，下一代GLM的预算主要投向几个关键领域：在基座上提升有效规模，推进超长上下文与原生多模态的端到端统一建模；在推理深度上，在不显著抬高推理成本的前提下拉高有效计算深度，强化长链条推理与自我纠错能力；在训练演进方面，继续加码预训练、中训练与后训练，扩大长程强化学习的探索空间；在真实场景上，搭建更贴近复杂工程环境的任务沙盒。
这些方向对应三个层面的投入。其一是训练规模，国内多家头部AI厂商均在推进超大规模模型训练，Scaling Law仍是核心防线。智谱今年8月发布的GLM-5.3通过扩大长程任务环境和后训练规模，端到端任务完成率提升超过50％，表明当前阶段的规模红利尚未见顶。其二是实验连续性，大模型训练对中断高度敏感，过去受限于算力资源紧张，实验往往只能串行排期，项目排队拉长了反馈周期。算力充裕后，迭代节奏才有机会从两月一跳走向更密集的演进。其三是研发体系的管线化，本轮资金覆盖训练数据生成与筛选、任务环境建设、长程推理及底层算力优化，落点是整条训练管线而非单一模型。一位大模型算法专家分析称，任务环境建设最容易被低估，它不直接体现在单点跑分上，却决定了长程复杂能力的天花板。
将智谱此次融资放在行业背景下观察，补充资金弹药并非个案。今年9月初，字节被曝敲定约296亿美元银团贷款，投向数据中心与AI基础设施；阿里在8月完成800亿港元新股配售，用于全球算力与AI数据中心；腾讯在6月发行近47亿美元债。海外方面，软银今年3月敲定400亿美元过桥融资以支持OpenAI的AI生态布局。据多家调研机构预计，2026年全球九大云服务商的资本支出合计将突破8867亿美元。在模型能力竞争从单点突破转向持续迭代的背景下，资金正成为决定厂商能否维持迭代节奏的关键变量。智谱此轮融资的落点，也反映出头部大模型公司正将资源集中投向训练规模、实验频次与工程体系三个方向，以争取下一阶段的技术主动权。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
