本文来自微信公众号： 中国企业家杂志 ，作者：闫俊文
拒绝疯狂堆参数，大模型竞赛换了评判标尺。
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。
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。
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。