2026 年 7 月 21 日，港股 " 全球大模型第一股 " 智谱正式宣布完成对国产 AI 异构算力软件公司中科加禾（XCore Sigma）的全资收购，交易金额为数亿元人民币。同日，市场还传出智谱已落地 1GW 级国产 AI 算力数据中心、全部采用国产 AI 芯片的消息。双重利好刺激下，智谱股价当日大涨超 36%，市值回升至约 5676 亿港元。

这笔收购发生在一个极为微妙的时点——就在此前两个交易日，智谱刚刚经历了连续暴跌，7 月 17 日单日跌 28.49%，7 月 20 日再跌 19.56%，股价较 6 月 22 日 2980 港元的历史高点最大回撤约七成，市值从峰值约 1.33 万亿港元跌落至 5000 亿港元下方。

在筹码结构剧烈调整、市场情绪极度低迷之际，智谱选择以数亿元真金白银收购一家成立仅三年的编译器公司，其战略意图绝非简单的 " 抄底 " 或 " 护盘 " 可以概括。

算力之困：智谱为何必须 " 买下 " 一支编译器团队

要理解这笔收购的深层逻辑，首先需要看清智谱此前的算力困境。

2026 年 1 月，智谱因算力扩容跟不上需求，不得不将 GLM Coding Plan 每日新用户购买名额压缩至正常水平的 20%。3 月 GLM-5 发布后，Coding Agent 日调用量达数亿次，部分用户反馈模型在复杂任务中出现输出异常，公司复盘发现高并发场景下推理架构和 KV Cache 管理存在工程挑战。翻译成大白话：模型做出来了，用户也来了，但底层算力 " 管道 " 不够粗、不够稳，流量一上来就卡壳。

这种 " 有模型、没算力释放能力 " 的窘境，在大模型行业并非孤例。但智谱面临的问题比同行更复杂——其算力布局走的是 " 全栈国产化 " 路线。2025 年，智谱营收 7.24 亿元、同比增长 131.9%，但全年研发投入高达 31.80 亿元，净亏损 47.18 亿元。在高投入、高亏损的背景下，智谱的算力选择不能简单依赖英伟达 GPU 的 " 开箱即用 "，而必须在国产芯片生态中寻找出路。

问题在于，国产芯片生态远未成熟。华为昇腾、寒武纪、海光信息等国产 AI 芯片各有各的指令集、各有各的编程框架，彼此之间互不兼容。大模型要在不同芯片上部署，就需要为每一款芯片做重复的适配和优化——这是一项工作量巨大、成本极高且难以规模化的工程。

这正是中科加禾的价值所在。

中科加禾成立于 2023 年，技术源头是中国科学院计算所编译实验室。创始人崔慧敏博士本硕毕业于清华大学计算机系，博士毕业于中科院计算所，曾任中科院计算所编译团队负责人。其核心团队曾主持或参与龙芯、神威、寒武纪、华为昇腾等多款国产芯片的编译器研发，具备从虚拟指令集设计到算子生成、转译、优化的全链条能力。

中科加禾的核心技术是一套虚拟指令集软件——思路类似 Java 的 JVM 虚拟机。对上，它为 AI 模型提供统一的标准接口；对下，它适配各家国产芯片，把华为昇腾、寒武纪、海光等各自为战的 " 生态烟囱 " 打通。其旗下的 SigInfer 推理引擎据称最高可将大模型推理时延降低 74 倍；产品矩阵还包括异构原生微调引擎 SigFT、算子自动生成转译工具 SigTrans。

翻译成商业语言：中科加禾做的事情，相当于为国产芯片写了一套 " 通用翻译系统 "。有了这套系统，智谱的大模型可以在不同品牌的国产芯片之间无缝迁移，而不需要为每一款芯片重新写一遍底层代码。

从这个角度看，智谱花数亿元买下的不仅是一家公司，更是一把打开国产算力 " 宝库 " 的钥匙。中科加禾此前已完成种子轮、天使轮及 Pre-A 轮融资，投资方包括 BV 百度风投、晨山资本、元禾原点、中科院创投等。一家成立仅三年、累计融资不过亿元级别的初创公司，能被智谱以 " 数亿元人民币 " 全资收购，溢价之丰厚可见一斑。这也从侧面说明，在 AI Infra 这个赛道，真正顶尖的团队有多稀缺。

值得注意的是，收购中科加禾与落地 1GW 数据中心形成了战略协同。1GW 数据中心解决的是 " 算力供给 " 问题——提供大规模模型训练所需的计算资源；中科加禾解决的是 " 算力释放 " 问题——通过编译器、Runtime、推理引擎等基础软件能力，提高异构芯片利用率、降低推理成本、提升模型部署效率。两者缺一不可：数据中心是 " 建得起 "，编译器是 " 用得好 "。

万亿市值的赌注：从模型竞赛到全栈体系竞争

如果说收购中科加禾是智谱补齐底层短板的 " 补课 "，那么放在更大的战略框架中审视，这笔收购的意义远不止于 " 补课 " ——它标志着智谱正从一家 " 模型公司 " 向 " 全栈 AI 基础设施公司 " 转型。

全球 Frontier AI 公司的竞争格局正在发生深刻变化。业内人士普遍认为，竞争正逐步从单一模型能力比拼，演进为模型、算力、Infra 及生态能力的系统竞争。OpenAI、Google、Anthropic 等头部玩家无一不在大举投入算力基础设施和底层软件栈——谁能在 " 模型—芯片—编译器—推理引擎—应用 " 的全链条上建立壁垒，谁才能在下一阶段的竞争中占据主动。

智谱显然读懂了这一趋势。从近期的一系列动作来看，其战略意图已经非常清晰：

在模型层，智谱持续迭代 GLM 系列。2026 年 6 月，GLM-5.2 已面向 GLM Coding Plan 全量用户开放，基于国产算力构建对标 CUDA 的中间层生态，开始覆盖 " 模型—编译器—推理引擎—运行时—异构算力调度 " 的完整推理软件栈。

在算力层，智谱以约 314 亿港元的配售融资（每股 1588 港元）投入算力基建。1GW 级国产 AI 算力数据中心的落地，使其成为国内少数拥有大规模自主算力的大模型公司。

在 Infra 层，收购中科加禾补齐了编译器、Runtime、推理引擎等底层能力。

在商业化层，截至 2026 年 7 月，智谱的 ARR（年度经常性收入）已达 10 亿美元（约合 67.8 亿元人民币），成为国内首家跨过这一门槛的本土大模型厂商。仅今年 1 至 7 月，ARR 同比增幅高达 15 倍。

这一系列动作构成了一条清晰的逻辑链：用资本换算力，用算力换模型迭代速度，用模型迭代速度换商业化规模，用商业化规模反哺下一代基础设施投入。

然而，这条逻辑链能否真正闭环，还面临几个不容回避的挑战。

第一，财务压力不容小觑。2025 年，智谱营收 7.24 亿元，亏损 47.18 亿元，资产负债率高达 267.1%。虽然 ARR 的快速增长预示着商业化拐点可能正在临近，但大模型 " 烧钱 " 的速度同样惊人—— IPO 募资净额约 48.96 亿港元在上市后半年内已动用逾 93%。314 亿港元的配售融资固然可观，但在 1GW 数据中心建设、持续模型训练、并购整合等多线作战下，资金消耗速度只会更快。

第二，整合风险客观存在。中科加禾是一支学术背景深厚的编译器团队，而智谱是一家快速扩张的上市公司。如何将这支 " 中科院系 " 团队融入智谱的工程体系和文化，如何在保持其技术独立性的同时实现协同效应，是摆在管理层面前的一道难题。

第三，国产芯片生态的成熟度仍是变量。智谱押注的是 " 全部采用国产 AI 芯片 " 的算力路线。这条路在政策层面无疑正确，但在工程层面——国产芯片的稳定性、互联效率、软件生态成熟度——仍面临诸多不确定性。中科加禾的编译器能解决 " 适配 " 问题，但无法解决芯片硬件本身的性能天花板。

第四，竞争格局远未定型。月之暗面发布 2.8 万亿参数的开源模型 Kimi K3 并传出赴港 IPO 提速的消息；MiniMax 同样在港上市；字节、阿里、腾讯等互联网巨头也在大模型赛道持续加码。智谱的 " 全栈体系 " 能否形成足够宽的护城河，仍需时间验证。

站在 2026 年 7 月的时间点回望，智谱从 2026 年 1 月以 116.2 港元发行价登陆港交所，到 6 月股价触及 2980 港元历史高点，市值突破 1.33 万亿港元——市场曾给予这家 " 全球大模型第一股 " 极高的估值溢价。随后股价的剧烈回调，某种程度上反映了市场对纯模型公司估值逻辑的重新审视。

而收购中科加禾，恰恰是智谱给出的回应：它不再满足于做一家 " 模型公司 "，而是试图构建从芯片软件栈到模型应用的全栈能力。这笔数亿元的收购，本质上是一场关于 " 智谱到底值多少钱 " 的估值逻辑重塑——如果市场认可 " 全栈 AI 基础设施 " 的叙事，万亿市值或许不是梦；如果市场认为这只是一场资本驱动的扩张游戏，那么 5676 亿港元的市值也未必是底部。

无论如何，智谱已经用真金白银投下了自己的答案。接下来，就看中科加禾的编译器能不能帮智谱把算力的 " 最后一公里 " 跑通了。

本文创作借助 AI 工具收集整理市场数据和行业信息，结合辅助观点分析和撰写成文。