智谱刚完成 50 亿美元 " 小股大债 " 再融资，30 亿美元负利率可转债，T+2 股价不降反升。电话会上交出的信息里，最能透露这家公司真实判断的，不是 ARR 数字，也不是 Co-work 订单，而是那句轻描淡写的分配方案——约 300 亿元建起的算力盘子，40% 留给训练研发，60% 用于业务推理。

这个比例值得单独唠一篇。因为一家公司怎么分它的算力，暴露的是它对未来的全部判断。就像你看一个人冰箱里塞的是啥，就知道他接下来一个月是减肥还是贴秋膘。算力分配表，就是 AI 公司的冰箱。

先读比例：40/60 是一句战略陈述

先把几种可能的分法摆出来，就能读出 40/60 的选择有多讲究。

如果倒向商业化，比如 20/80，80% 算力全喂推理，短期收入最漂亮，代价是下一代模型断粮。这是一些 " 吃老本 " 公司的选择：模型能力见顶后，把算力全变成今天的现金流，讲一个 " 变现 " 的故事。翻译成人话：先把鸡卖了换钱，至于明天有没有鸡蛋，明天再说。

如果倒向研究，比如 60/40，六成算力砸训练，技术叙事最宏大，代价是今天的收入跟不上、算力投入收不回。这是一些 " 为爱发电 " 实验室的选择：星辰大海，账上一毛不挣。翻译成人话：鸡还没下蛋，先给鸡盖别墅。

智谱的 40/60 落在中间偏商业的位置，但请注意电话会里的关键限定：40% 的训练预留，是 " 下一代更大尺寸模型已在训练 " 背景下的预留。管理层同时给了反例：如果只投 100 亿，"40% 的训练研发预留就不够了，而推理回报达不到预期 "，两头落空。

翻译过来就是：这 40% 不是象征性的研究点缀，是一笔足额的、已经排上用途的技术保险单。它保的是 GLM-6，保的是 " 六个月五代 " 的迭代节奏不断档，保的是唐杰那句 " 用不了这么久 " 背后需要的每一张卡。这哪是预算，这是给未来上保险，保费还挺贵。

再看循环：60% 的推理，其实在给 40% 的训练打工

表面上看，40/60 是切割：四成给未来，六成给现在。但深看一层，这个分配其实是一个循环结构。

关键在推理算力跑出来的东西。60% 的推理算力承接的每一次真实业务调用——每一次 Coding Plan 的代码生成、每一次 Co-work 的漏洞挖掘、每一次云平台上开发者的 API 请求——都不只是收入，还是数据：真实场景的 Agent 轨迹、真实用户的偏好信号、真实任务的成败反馈。

而下一代前沿模型的训练，恰恰最缺这种数据。电话会里提到异步 RL 基建支撑 " 大规模 Agent 轨迹探索 " ——这些轨迹从哪来？一部分来自训练环境的模拟，另一部分最高质量的来源，正是 60% 推理算力在真实业务里日夜跑出来的交互记录。

所以这个分配的真实结构不是 "40+60"，而是一个飞轮：60% 的推理产出数据，数据喂养 40% 的训练，训练产出更强的模型，更强的模型在 60% 的推理侧赚到更多的钱和数据。分配表写的是比例，实际跑的是循环。你以为人家在切蛋糕，其实人家在做蛋糕，边做边卖，卖完再研究新配方。

这也解释了为什么智谱敢在算力如此紧张的上半年依然坚持业务不停摆—— Coding Plan 停售是停了新客，存量业务的调用一天没停。那不是舍不得收入，是舍不得数据。数据这玩意儿，比收入还金贵。收入是今天的饭，数据是明天的种子。

中间归纳一下，这 40/60 到底说了三件事

第一，四成算力押未来，不是摆样子。下一代更大尺寸模型已经在训练，训练预留是足额的，不是 " 有空再练 "。这保的是迭代节奏不断档。

第二，六成算力赚钱，但赚的不只是钱。每一次调用都在产数据，数据反哺训练，训练出更强模型，更强模型再去推理侧赚钱和数据。飞轮转起来，越转越快。

第三，比例不是切割，是咬合。训练和推理不是各管各的预算，是一个循环的两端。你中有我，我中有你，跟两口子过日子似的，分账不分家。

比例背后的技术预期：三个可以乐观的理由

沿着这个结构往下推，技术进展的预期就有了着落。三个理由，每一个都锚在算力分配上。

理由一：训练侧的算力承诺是足额的。 更大尺寸模型的预训练是 " 算力马拉松 "，中途断供等于前功尽弃。40% 的稳定预留加上扩容后的冗余，意味着下一代模型的训练第一次不需要 " 挪用 " 推理产能。这种独立性，本身就是研发节奏的确定性。你不用拆东墙补西墙，东墙西墙都稳。

理由二：推理侧的规模在为训练侧积累独占数据。 两周百万新增 Coding 用户、数倍增长的调用量、100 家安全企业的生产级使用——这些真实场景数据的积累速度，与推理算力的规模成正比。当下一代模型训练启动时，智谱手里的数据资产比上一代厚了一个量级。这是 40/60 飞轮转完一圈后的复利。复利这玩意儿，平时看不见，转起来吓死人。

理由三：算法创新获得了试错空间。 从 GLM-5 的 DSA 稀疏注意力到 5.3-Flash 的稀疏 + 线性混合架构，智谱的架构创新一直是 " 省着算力做实验 "。扩容之后，训练侧 40% 的盘子足以支撑多条技术路线的并行验证——更大模型、长程 Agent、原生多模态的第二章，可以在同一时间窗内分头推进，而不是排队。排队等算力，跟排队等厕所似的，急也没用。

三个理由合起来，指向同一个判断：算力分配表上的这个 40/60，是一台已经咬合的飞轮，而不是两笔各管各的预算。技术进展的斜率，取决于飞轮的转速——而扩容恰恰把转速提了上来。

必要的清醒

乐观之外，两个结构性风险必须记录在案。

其一，飞轮的前提是 " 推理跑出来的数据真的能反哺训练 "。数据管道的工程化程度决定了循环是真实的还是想象的。这部分电话会没有展开，属于待验证环节。别飞轮没转起来，先变成了空转。

其二，40% 的训练预留保的是 " 机会 " 不是 " 结果 "。更大模型的预训练仍有失败概率，算力足额只保证智谱 " 有机会赢 "，不保证赢。Scaling 的信仰需要逐代兑现来喂养。你给鸡盖了别墅，鸡也不一定下金蛋，但至少鸡住得舒服点。

结语

看一家 AI 公司的技术野心，别只看发布会的大屏，要看它的算力分配表。发布会说的是它想成为什么，分配表说的是它正在做什么。大屏可以吹，分配表得真掏钱。

智谱的这张表上，四成算力押给还没发布的模型，六成算力一边赚钱一边为下一代攒数据。这个比例翻译成人话就是：既要今天的生意，也要明天的牌桌，而且让今天的生意给明天的牌桌打工。这不是激进，也不是保守，是一个飞轮结构应有的咬合方式。

总结一句：四成算力买未来，六成算力赚现在，赚现在的顺便给买未来的攒数据。飞轮转起来，谁都拦不住；飞轮转不起来，那就是个磨盘。接下来的技术进展，就看这台飞轮转得多快了。