9 月 13 日，智谱（02513.HK）发布公告，宣布完成约 50 亿美元融资，包括约 20 亿美元股份配售及约 30 亿美元可转债发行，募集资金净额将主要用于下一代 GLM 模型、完全自训练体系及相关算力基础设施。

消息公布后，市场最直接的疑问是，智谱账上并不缺钱，还有 200 多亿港元趴在账上，为什么现在又要融 400 多亿港元。

短短两个月内连续两轮大额募资，市场争议随之而来：公司账面仍留存超 200 亿港元现金，现金流储备充裕，为何要再度揽入数百亿级资金？

答案很简单，需求增长停不下来，倒逼提前布局。

需求彻底狂飙，增长根本停不下来

2026 年上半年，智谱开放平台及 API 收入 8.25 亿元，同比增长 2735.7%，占总收入的比例从上年同期的 15.2% 提升至 86.5%。

8 月底，智谱的 ARR 进一步达到 16 亿美元，按最近一周收入年化计算甚至触及 20 亿美元。从 1 亿美元到 16 亿美元，智谱用了约六个月；Anthropic 走到同等收入体量，花了约十五个月。

这一成长速度得益于量价齐升。

智谱是 2026 年唯一连续多轮主动上调 API 基准价的独立厂商，8 月底均价较年初上涨约 101%。国模卷价格不用说，连 OpenAl 都将 GPT4.5Luna 模式降价 80%，并通过频繁重置 Token 额度变相降价。而在持续提价背景下，智谱 Token 调用量仍较年初增长超过 40 倍，需求强度可见一斑。

增速本身已经足够惊人，但从二阶导来看，增长还在二次加速。

3 到 7 月 ARR 月均增长 41%，7 到 8 月增长 60%，这说明 6 月 GLM-5.2 和 8 月 GLM-5.3 发布之后，增长出现了跳升，而同期 Anthropic 的增速已经放缓。

16 亿美元 ARR 并不是这一轮需求释放的终点。

支撑这种判断的因素有几个。

第一，模型能力已经跨过关键临界点。

高盛（GS.US）曾将国产模型这一阶段概括为两个重要的 "moment"。DeepSeek moment 解决的是成本效率问题，而 GLM moment 对应的是中国模型在能力层面开始真正进入全球前沿，拥有世界级能力与定价话语权。

第二，智谱卡住的恰好是大模型商业化中价值最高、粘性最强的需求类型。它不主要依靠 C 端流量获取用户，也不是通过卷价格来抢市场，围绕 "Coding/Agent+ 政企 + 国产算力适配 "，进入长程任务和生产级工程场景。模型能力越强、能够承担的任务越复杂，单个用户的调用量和付费意愿反而可能同步提升。

目前来看，智谱的增长来自两个方向的叠加。广度上，付费日活用户较年初增长 603%，MaaS 平台注册用户突破 740 万；深度上，以收入计的前十大用户日均调用量较年初增长 98 倍。高价值客户也在快速变厚。贡献 ARR 超过 100 万美元的客户达到 37 个，超过 1000 万美元的客户达到 8 个，超过 2500 万美元的客户达到 2 个，典型的 land-and-expand 特征已经显现。

此外，近期外部竞争格局突变，还可能进一步加强这一趋势。如果 OpenAI、Anthropic 等海外厂商的模型迭代速度边际放缓，那么国产模型与全球前沿之间的能力差距继续收窄，智谱能够承接的需求边界还会进一步扩大。

连续两轮募资，供给追着需求跑

目前，智谱账上还有两百多亿，为什么现在又融？答案在于资本的准备周期必须领先于需求周期。

模型调用量可以一个月增长 50%，但 GPU 采购、数据中心建设、电力接入、网络铺设、机架安装、集群调优不可能在一个月内完成。大规模 GPU 集群从采购决策到首次可用容量，通常需要 6 至 12 个月。采购千块级别的 GPU，交付排期已普遍延至 12 至 15 个月。

如果等到现金接近耗尽再启动融资和算力锁定，届时需求可能已经在爆发，而产能还在路上。

另外，供给的追赶速度，从绝对值上看很快，但相对于需求每月 40% 到 60% 的速度增长，仍然不够。截至 8 月底，智谱 1 月 IPO 募集的 48.96 亿港元已全部使用，7 月配售的资金在约 50 天内消耗了 109.55 亿港元，日均资金消耗达 2.2 亿港元。7 月刚融完 9 月又融，正是因为需求远跑得比供给快，智谱要抢在需求前面备货，本质是顺周期追加资源。

今年 1 月，智谱因算力紧张把 GLM Coding Plan 日销量砍到 20%。这个限售持续了超过半年，直到 7 月 31 日才在大幅涨价后重新开放购买。一家公司在需求最旺盛的时候主动把日销量砍掉 8 成，可见需求超出供给的幅度有多惊人。过去这七月份相当大比例的需求，因为算力不足，不能完全转化成收入。

高盛在覆盖报告中估算，智谱官方 API 渠道的底层需求是当前供给能力的 2 到 3 倍。也就是说，有相当一部分付费意愿明确的需求，因为算力不足而无法被承接。

智谱当前仍处于 ARR 脉冲式增长阶段，ARR 与财务确认收入之间存在波动，以 6 月底约 5.3 亿至 5.4 亿美元 ARR 与上半年收入年化水平相比，比例约为 1.9 倍；以 8 月底 ARR 计算，则迅速增大至约 5.6 倍，高于 Anthropic 约 2 至 4 倍的区间。当前算力供给和交付能力的缺口可能还在提升。

另外，还有很容易被市场忽略的一点是。作为国模里程碑的智谱 GLM-5.2，是在约束条件下戴着镣铐跳舞取得的好成绩。

智谱在努力地压榨着底座的潜力，尽管智谱 GLM-5.2 被誉为打开国产模型全球能力天花板，只有 744B；被视为同一梯队的 Kimi K3 参数堆到 2.8T，是 K2 规模的接近三倍。GLM-5.2 仍属 GLM-5 家族，是在旧底座上的递进，性能提高主要靠强化学习与训练后优化实现；8 月发布的 GLM-5.3 也没有更换基础模型，而是沿用 5.2 同一基座。

智谱确认下一代基座模型已在训练、参数未披露。如果智谱拥有更充裕的算力，收入确认的速度不仅有望大增，模型能力的释放空间显然可能会非常大。

从量化的角度看：资本投入非线性堆料，复利撬动杠杆增长

有人将 AI 企业融资等同于烧钱堆硬件的线性投入。但实际上，顺周期最佳投资，可能是用资本放大增长杠杆、实现倍数级回报的布局，投入可以具备自我增值、自我强化的复利属性。

根据公告，智谱本轮约 60% 的所得款项净额，相当于约 235 亿港元，将用于下一代 GLM 基础模型及 " 完全自训练 "（Fully Self Training）体系的研发，以及大规模训练、生产推理、算力资源及相关技术基础设施的部署升级；

简单来说，智谱接下来要同时做两件事，一是继续扩大可用算力供给，二是提高有效算力与模型能力，即提高效率。

在数量端，智谱已经在约 10 万张国产加速卡上实现大规模、低成本推理。公司同时已落地 1GW 级国产 AI 算力数据中心建设，并全部采用国产 AI 芯片，并完成了对中科加禾的收购。本轮融资是在这一基础上继续加码。

另一方面，是效率与能力的提升。

智谱提到的全自主训练与递归式自我改进技术，具备很强复利效应。

这项技术能够让模型自主生成训练数据、搭建任务环境并优化基础设施，核心战略价值在于可以系统性降低模型迭代对人工标注数据和人工运维的依赖，让 AI 模型进入自主加速的迭代通道，将资本投入转化为持续增值的复利效应，

智谱此前披露了算力乘数指标，即每投入 1 元算力资源，包含训练与推理，所对应的开放平台及 API 收入。2025 年上半年这个数字大约是 0.02，2026 年上半年增长了 14 倍，瑞银在研报中预计该指标未来 6 至 12 个月内可超过 1 倍。

智谱对年底 ARR 的指引是 24 亿美元（折合 161 亿人民币），如果算力乘数停留在 0.28 倍，承接这一 ARR 大约需要 575 亿人民币的算力投入；如果算力乘数爬到年底指引的 1.43 倍，只需要约 161 亿人民币，对应的算力投入需求下降了约 72%。

可以看出，资本投资可以通过技术优化与服务效率，获得撬动增长的杠杆。

另外约 15% 的募集净额将用于业务拓展、战略投资及潜在并购，具体包括 MaaS 平台、API、Coding Plan 和 Agent 产品的推广与生态协作，同时会关注拥有互补技术、客户渠道或算力基础设施资源的标的，既可以少数股权投资，也可以控股收购。

值得一提的是，智谱将模型能力演进划分为 Chat、Coding、Agent、Co-work、Autonomous AI 五个阶段，公司当前正处于从 Coding 向 Co-work 过渡的阶段。Coding 已经率先证明，模型可以进入真实生产流程，承担长程规划、工具调用、错误恢复和结果验证等复杂任务；下一步，就是把这套能力迁移到更多高价值企业工作流。

网络安全是目前最明确的试验田，GLM-5.3 在 CyberGym 等基准上已经进入全球前沿水平；法律、金融、数据分析等专业领域也在逐步探索。

目前智谱的商业化成效与盈利质量已经得到较为明显的提升。2026 年上半年，API 毛利率由去年同期的负 0.4% 提升至 24.6%，提升约 25 个百分点，实现了由负转正。单位 Token 成本较年初下降约 80%，公司在业绩沟通中进一步指引未来 12 至 18 个月开放平台及 API 业务毛利率向 50% 靠拢。公司进一步跳出线性增长模式，以更少资本投入撬动更大规模营收，持续优化盈利模型。