最近围绕 智谱 的消息很多：一端是模型圈里流传的新参数、新架构、新发布时间；另一端是资本市场上大幅回撤的股价与 " 会不会破发 " 的争论。两种声音都很响，但响度不等于事实。这篇评论先做一件最朴素的事——把公开可核验的信息和未被证实的传闻分开，再谈智谱真正需要回答的问题。需要事先说明：下文涉及未公开的训练进展、内部规划等内容，均标注为市场传闻，不作为结论；本文也不构成任何投资建议。

非常客观的进行分析，在这一轮科技股产生行业性系统性风险之后，大部分上市公司的股价都被腰斩，所以目前大家有争议的核心还是围绕亏损了多少？是不是还会继续跌？跌到什么时候？是否会有反弹或者反转？有没有解套的可能性？

在这里我通过多周期趋势量化算法对资金行为和趋势的研判，给大家提供一份客观的依据，第一目前科技股行业指数和板块指数均处于月线级别下行趋势和周线级别筑底刚开始的阶段阶段，同时日线级别我们可以明显有资金开始进行规模化吸筹，无论是前期被套的机构进行防守式加仓，还是一些新增资金准备抄底，在目前的位置都属于多空双方比较焦灼的对抗区间，但是结合对全球指数和行业指数以及未来市场氛围的分析和跟踪，可以确认接下来科技股肯定会有一轮反弹，但是短期之内有反转行情的概率是很低的。

例如：智谱现在属于日线级别阶段性底部结构正在形成的震荡区间，短期内创新低的概率不大，但是想要反转还需要较长时间形成底部结构之后才有可能性，接下来的日线级别反弹周期预计公司股价在 950~1100 之间出现结构性反弹顶部结构的概率较大。此分析是基于行业趋势以及资行为的多周期共振，以及个股多周期共振进行的客观分析，同时需要叠加上市公司市值和估值之间的有效评估，才能够更好的对未来趋势进行客观研判。

一、先立边界：哪些是事实，哪些只是传闻

市场传闻称，智谱将于 10 月底发布参数 1.6T 的新一代模型 GLM-5.5。这一说法目前没有公司官方公告支撑。另一路传闻则给出了完全不同的参数口径：新一代基座实际规模在 2.5 万亿至 3.5 万亿区间，架构更激进，目标是 " 训得快、推得快、压低推理成本，发布第一天即可大规模服务 "，并称已有云厂商就分成模式洽谈、公司补强了基础设施团队。参数从 1.6T 到 2.5T — 3.5T，两个版本相差一倍以上，本身就说明传言的成色。官方信息渠道可查的脉络是：GLM-5 于 2026 年 2 月开源，GLM-5.2 于 6 月上线，GLM-5.3 于 8 月 14 日发布，后者官方介绍为 7430 亿参数 MoE 架构、1M 上下文，并明确表示基座模型未变，主要依靠极致后训练 Scaling 提升智能上界。至于传闻中 " 前期训练出现 loss 不降、近期已解决、发布后达到 Fable 级旗舰水平 "，以及 RSI 技术有进展但未成主力、Loop 相关技术已较早解决或将进入服务等说法，均属渠道消息，未见公开披露，只能当作观察线索，不能当作事实引用。

二、万亿基座这道坎，难的不只是堆参数

抛开具体公司，传闻背后其实映出整个行业的真问题：训练上万亿参数的基座，到底难在哪里。业内一个流传甚广的说法是，国内可能还没有一家能够完整、稳定地训练完成 2 万亿参数模型。这句话本身也是传闻，但其描述的工程困境有公开的行业文献佐证：" 训完一个模型 " 和 " 成功完成训练 " 确实是两码事。前者只是把流程跑完，后者要求损失曲线健康下降、训练全程稳定、最终能力可用。

超大参数模型的失稳大致分三类。第一类是 loss spike，损失在正常下行中突然尖峰式跳升，常见诱因包括 Attention logit 增长、输出 logit 发散、优化器状态陈旧、坏批次叠加坏状态、残差或范数增长以及数值溢出，部分情形可通过回滚检查点、调低学习率和数值修复挽救。第二类更棘手，即 loss 不降：曲线走平甚至缓慢抬头，继续投入算力也不下降，架构改动过激、参数规模过大、不同加速卡之间数值精度差异都可能是原因，定位成本高，常常需要结构性返工。第三类延迟最久、代价最大：预训练顺利通过，后训练阶段却怎么都上不去，严重时只能下架重训。模型越大，每层梯度求和、范数累积越容易触发出溢，踩中不稳定的概率越高——这是规模本身带来的数学风险，不是靠热情能消解的。

行业里流传的两个案例同样需要谨慎对待：一说 Kimi K3 预训练数据并未全部过完，因出现 loss 不降只能直接进入后训练；又说 DeepSeek V4 属于后训练阶段才暴露问题。两者均无官方技术报告层面的确认，只能作为 " 超大模型训练风险真实存在 " 的旁证，不宜写成定论。一个可公开验证的事实是，Kimi K3 以 2.8T 参数规模开源并获得不错反响，即便按传闻口径 " 带病推进 " 也表现可观，恰恰说明 scaling 定律的威力依然成立——但这同样不能反推任何一家公司的训练状态。至于 " 智谱是后训练仙人 " 的评价、" 已在局部解决数据问题、坚定走持续后训练刷新能力路线 " 的说法，属于市场口碑与渠道判断；公开可对照的依据是 GLM-5.3 官方所述 " 基座不变、靠后训练工程化持续刷新 "，这与传闻方向一致，但 " 局部解决数据问题 " 本身并未被公司证实。

三、反蒸馏关上后门，自研路线的价值才显形

2026 年以来，海外头部实验室对蒸馏的封堵从态度变成了行动，这部分是公开事实。Anthropic 公开报告称，在 2025 年 12 月至 2026 年 8 月间识别并拦截了五起针对 Claude 的非法蒸馏活动，涉及约 2 亿次 API 交互；OpenAI 在 9 月底宣布瓦解了一场协同提取模型受保护推理过程的攻击活动。常见手段包括 API 报错、上下文篡改等。对依赖 " 调用别人模型输出做监督信号 " 这条捷径的玩家，这是明确的收紧：靠 API 抄近路完成能力追赶的窗口正在变窄，业内因此普遍判断，纯依赖该路径的模型迭代空间会受限。

传闻中智谱 " 已在局部解决数据问题、走 Claude 体感式持续后训练路线、单一基座可使用半年以上并通过后训练工程化刷新能力 "，是否属实无从核验。但从公开产品节奏看，GLM-5 系列多次迭代以同一基座深化后训练，与这一路线的描述方向吻合。反蒸馏时代真正被检验的，不是谁的传言更凶，而是谁拥有自己的数据回路、环境投入和工程积累——捷径变窄之后，慢功夫才变成硬门槛。

四、从 " 发得出、供不上 " 到发布即可服务，成本成了硬约束

大参数旗舰模型过去有一个老毛病：发布热闹，供给跟不上，上线初期往往限流，" 发得出、供不上 "。这背后是推理效率与推理成本没有被当作一等约束，而是事后优化。传闻称新一代模型在设计阶段就把推理效率和推理成本列为硬约束，目标是发布首日即可大规模服务。无论传闻细节是否兑现，这个方向本身符合行业规律：旗舰模型的商业化节奏，越来越取决于单位 token 成本和并发承载，而不只是榜单分数。云厂商分成洽谈的传闻若属实，也说明供给侧正在为规模化落地提前布局——但这一环节同样以官方合作为准。

五、股价这一课：把情绪还给情绪，把经营还给经营

资本市场部分的原稿叙述，需要先用公开行情校正。可核验的时间线是：智谱 2026 年 1 月 8 日以 116.2 港元发行价登陆港股；4 月 13 日盘中突破 1000 港元；6 月 18 日收报 2094 港元；6 月 22 日触及 2980 港元的历史高点，对应市值约 1.33 万亿港元；此后持续回落，9 月 14 日收于 721 港元；10 月 20 日盘中跌破 500 港元、一度触及 477.8 港元，较 6 月高点回撤超过 80%。需要纠正的是，按公开报道，10 月 20 日股价仍高于发行价约三倍，" 接近发行价、面临破发 " 与公开数据不符，更稳妥的表述是：这是一轮从极端高点向估值中枢的回归，而非跌破发行价的危机。

从板块背景看，恒生科技指数自 2026 年 1 月中旬起进入深度调整，3 月前后市场集中讨论的原因包括前期涨幅过大后的获利了结、AI 资本开支与盈利兑现之间的质疑、行业竞争加剧等，A 股相关科技标的同期也普遍回调。也就是说，这一轮回撤首先是板块性、系统性的估值消化，把它直接等同于某一家公司经营恶化，在因果上并不成立；反过来，把前期几倍乃至十几倍的涨幅当成公司能力的线性外推，同样是误读。大势形成系统性调整后，经营性维稳手段难以对抗趋势，市场通常需要自然走出底部结构，才谈得上结构性反弹或反转——这是对市场规律的尊重，不是对公司的否定。

但估值回归也不是免责声明。对上市公司而言，最终锚依然是经营：AI 智能应用在文创、系统开发与集成领域确实存在刚需和市场空间，这是基本面的底子；而上市恰逢 AI 情绪高潮、高估值之上再加炒作，才放大了后来的回撤幅度。接下来真正值得跟踪的，是营收与市场份额能否逐季兑现、新模型能否如期稳定交付、单位服务成本能否支撑规模收入。日线级别可能出现阶段性反弹，但是否进一步向周线、月线级别底部运行，取决于市场自身结构，也取决于经营答卷，任何人都无法在此给出确定预言。

六、结语：两道题，一张答卷

剥掉传闻和情绪，智谱面前其实只有两道题。技术题：超大基座能不能稳定训成、低成本供出，后训练路线能不能在反蒸馏时代持续产出智能；经营题：估值回归之后，营收、份额和商业化能不能接住市场曾经给出的高价。传闻只能制造短线话题，答案只由训练曲线、财报数字和服务稳定性书写。对观察者而言，最理性的姿态是：未经证实的参数与日期不转发为事实，板块性下跌不归罪于单一公司，也不把反弹承诺当成投资结论。潮水起落之间，能留下来的从来只有经营本身。

$ 智谱 ( HK|02513 ) $

全文仅供研究使用不作为投资建议或投资依据。

今天的分享就到这里让我们下一篇文章再见。

追加内容

本文作者可以追加内容哦 !