来源：中国企业家

来源：中国企业家杂志

拒绝疯狂堆参数，大模型竞赛换了评判标尺。

文 |《中国企业家》记者 闫俊文

见习编辑 | 李原 编辑 | 何伊凡

头图来源 | 视觉中国

8 月 31 日，智谱发布了 2026 年半年报。财报显示，1 月至 6 月，智谱营收 9.539 亿元，同比大增约 400%；毛利 2.52 亿元，同比增长 163.7%，期内亏损 20.72 亿元，去年同期亏损 23.58 亿元；研发支出 21.3 亿元，同比增长 33%。

智谱董事长刘德兵表示：如果去年智谱的关键词是 " 智能上界 "，今年上半年的关键词就是 " 能力兑现 "。

从收入结构看，智谱商业化进入了快速增长的规模化阶段。上半年开放平台及 API 业务收入约 8.25 亿元，同比增长 2735.7%，占总收入的比例从去年同期的 15.2% 升高到 86.5%。由此看出，智谱的收入结构已经发生了根本性变化。

虽然智谱的收入数据已经够快了，但依然低于外部机构给出的 13 亿元收入预期。管理层也给出了另外一个指引信号，截至 2026 年 8 月末， 按月计的 ARR（年化收入） 已达到 16 亿美元。8 月单月，收入达到 1.33 亿美元，基本相当于前半年的营收规模。

" 海外前沿模型公司和行业内另一家公司，以最近一周数据乘以 52。考虑 GLM-5.3 的放量，若按该口径计算，最新 ARR 已超过 20 亿美元。" 智谱董秘肖磊表示。

营收暴涨的同时，智谱的算力支出依然沉重。公司的毛利率，从去年同期的 50% 下降至 26.4%。同时，大模型价格战仍在发酵。GLM-5.3 于 8 月 19 日上线，GLM-5.3-Flash 版本的价格比 " 内卷之王 "DeepSeek-V4-Flash 还要低。

8 月 28 日，巴克莱发布的 AI 行业研究显示：模型公司每获得 100 美元收入，其中约有 35~40 美元会以推理算力费用的形式流向三大云巨头：亚马逊 AWS、微软 Azure 和谷歌云平台。

财报和电话会中， 智谱管理层强调了公司角逐大模型竞赛的 " 北极星 " 指标——短期榜单 " 跑分 " 领先不再是最重要的，行业的胜负手是谁能以更快节奏、更优成本，持续将更强模型推向市场。

为此，智谱画出了一张图，除自家模型之外，还选择了 Kimi、DeepSeek、OpenAI 和 Anthropic 等厂商作为对比，横轴是范式进步，纵轴是智能指数，深度维度是单任务成本。

来源：智谱 2026 年半年报

价格仍是大模型衡量成本的敏感标尺。该图显示，在 8 月中旬之前，DeepSeek 占据了智能 - 成本图的第一名，但到了 8 月中旬，DeepSeek-V4-Pro 宣布涨价之后，GLM-5.3 及 GLM-5.3-Flash 版本取代 DeepSeek 成为新王。

支撑智谱实现反超的，是其坚定的技术路径。智谱管理层认为：同架构、同总参数、同激活参数，仅扩大后训练规模，端到端完成率提升超过 50%。GLM-5.3 的表现也由此印证，Scaling（模型规模缩放）并非只有堆参数这一条路径，后训练才是现阶段能力提升潜力最大的环节。

但这也引发了外界疑问：在 DeepSeek 和 Kimi 都在冲刺更大训练参数之际，智谱的 GLM-5.3 系列的训练底座依然沿用了 GLM-5.0，单纯加码后训练，强化 Infra，能否帮助模型打开更高的智能上限？

9 月 1 日港股开盘后，智谱股价一度上涨近 5%，午后震荡回落，截至收盘，智谱股价为 1179 港元，微跌 1.34%，总市值 5500 亿港元。

模型公司越来越重

智谱正在变得越来越重。根据财报，它的员工规模为 981 名，比 MiniMax 多一倍。此外，MiniMax 上半年无收购、并购举动，智谱则资本动作频频。

财报披露了智谱两项收购的进展：一是今年 5 月，智谱以不超过 3.61 亿元的代价收购北京红钻的 100% 股权，后者的主要资产是北京海淀区东北旺西路的钻石大厦。另一个是今年 6 月，智谱收购了 AI 基础设施研发厂商中科加禾 60% 的股权，收购价为 2.92 亿元现金，该收购已于 6 月完成。

今年 7 月，智谱完成 314.1 亿港元的配售新股（增发）。根据公告，该募资主要用于基础模型研发、算力基础设施以及收并购等。

自建算力中心已经成为模型公司资本开支的核心板块。有媒体报道，智谱已经落地了 1GW 级的数据中心，全部采用国产芯片。意在兼顾业务扩张的需求，同时谋求算力成本的进一步下降。

来源：AI 生成

智谱披露，GLM ‑ 5.3 ‑ Flash 的推理即由国产芯片集群提供服务。在训练与推理端，实现 10 万级国产芯片的规模化低成本推理后，单位 Token 推理成本较年初下降 80%。

算力正在成为瓶颈，单靠租赁已经不能解决模型训练要求和推理的爆发需求，模型必须和 Infra 紧密耦合，才能榨出最优效率和最高能力。

据智谱财报，从成本端看，公司销售成本由 9545 万元增加至 7.02 亿元，同比增长 635.4%，主要受计算服务费用增加的影响。

模型厂的支出正在流向云厂商。2026 年第二季度，阿里云季度收入为 484.37 亿元，对应（阿里 2027 财年第一财季）同比增长 45%，增速创 22 个季度新高。

为了解决国产芯片的内存容量与带宽的挑战，智谱优化了 Infra 层，提升了单位智能的密度—— " 算力乘数 "（大模型公司每投入 1 元算力所对应的开放平台及 API 收入）。智谱今年的算力乘数较去年上半年提升了 14 倍，也侧面表明，公司的算力供给效率得到了显著改善。

后训练如何取胜？

智谱对自身技术路线的总结是，在对的时间，用对的数据，训练对的规模，有了对的模型，而非最大规模。追求在当前数据与算力约束下，把训练深度做够后，获得足够智能收益的模型。

这一思路，也显著区别于 Kimi 和 DeepSeek。

7 月中旬，Kimi K3 发布，总参数量为 2.8 万亿，激活参数约 104B，是目前全球参数规模最大的开源模型。今年 4 月发布的 DeepSeek-V4-Pro 总参数量为 1.6 万亿，预训练数据量 33T，激活参数约 49B。

而智谱在今年 2 月上线的 GLM-5.0，参数规模仅为 7440 亿，激活 40B，预训练数据量为 28.5T，参数规模和预训练均落后于月之暗面和 DeepSeek。

来源：视觉中国

面对外界的疑问，智谱创始人唐杰表示，模型规模是一项综合选择，需要同时考虑资源、数据和用户可用性。国内训练数据通常处于 30T 至 50T Token 量级。在这一数据规模下，按照 Scaling Law 大幅扩大模型，边际收益未必足够高；算力有限的前提下，更要判断什么规模最优。

" 另一方面，中训练和后训练的潜力仍未释放到上限，当前阶段单纯扩大参数并非最关键。公司并没有停止 Scaling 基座，而是按既定路线分阶段推进。" 唐杰说。

唐杰所说的既定路线是指：2026 年 1 月，公司训练了 GLM-5.3 使用了约 7440 亿参数基座，智谱仍计划让这一基座使用半年以上；GLM-5.1、5.2 和 5.3 的中训练、后训练、任务环境和 SFT 数据安排，年初已经完成规划。

" 下一代模型的推理系统已开始预研，目标是模型发布第一天就能以足够规模服务用户，而不是做出参数很大却无法经济部署的模型。" 唐杰说。

以 GLM-5.3-Flash 为例，它采用的全新架构专为降低成本设计，基准测试与实际应用表现均优于 GLM-5.2，价格却仅为 GLM-5.2 的十分之一。

此外，唐杰也提到了模型的 RSI（递归式自我改进），他称之为 Fully Self-Training，让模型参与到预训练、中训练和后训练，并逐步形成自我进化能力。

他直言：最大的难点并非继续扩大模型，而是让模型能可靠地判断何时停止、何时纠错，以及如何评价自身训练结果。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的 30 天内进行。