9 月 13 日晚，智谱（02513.HK）在港交所公告：拟配售约 2196.5 万股新 H 股、同步发行零息可转债，两项合计约 50 亿美元（约 335 亿元人民币），募资净额约 392.74 亿港元。
真正让人停下来看的不是金额，而是用途。约 60% 的钱，投向”完全自训练”体系。 换句话说，智谱要让下一代 GLM 在上一代 GLM 搭好的环境里学会自己训练自己。
消息出来后第二天，港股 AI 板块先给了一个反应：智谱开盘后跌幅扩大到 8.83%，盘中一度跌超 10%，MiniMax 同步跌超 6%。资本市场读到的信号是”烧钱加速”，而不是”技术领先”。
这两件事放在一起，才是这条新闻值得写的原因。
事实梳理：335 亿是怎么凑出来的
先把账算清楚。这次融资是”配售 + 可转债”的组合拳：
- 新股配售：约 20 亿美元（约 134.16 亿元人民币），以每股 714.00 港元配售 2196.5 万股新 H 股，较前一交易日收盘价 793 港元折让约 9.96%；
- 零息可转债：约 30 亿美元（本金约 201.4 亿元人民币），2027 年到期，以本金的 100.5% 发行，初始转股价每股 892.50 港元，较配售价溢价 25%；
- 合计：约 50 亿美元，募资净额约 392.74 亿港元。
钱的去向，公告写得很具体：
- 约 60%：下一代 GLM 基础模型与完全自训练体系的研发，以及大规模训练、生产推理、算力资源和技术基础设施的部署升级；
- 约 15%：业务拓展、战略投资与潜在并购；
- 约 25%：优化资本结构、补充营运资金及一般企业用途。
这个资本结构本身是有讲究的。7 月那轮是纯股权配售，这次可转债占了 60%，零票息意味着不产生利息支出，892.5 港元的高转股价又把转股空间锚定在未来——既拿到了当下买算力的现金，又没把老股东的股权稀释到很难看的地步。
更值得看的问题：钱为什么这么急着融
公告里最容易被忽略、也最能说明情况的一组数字，是资金消耗速度。
- 1 月港股 IPO 净募约 48.96 亿港元，截至 8 月 31 日已”根据拟定用途悉数动用完毕”，用了不到 8 个月；
- 7 月配售的 313.75 亿港元，截至 8 月 31 日（交割后约 50 天）已动用 109.55 亿港元，占比 34.92%，日均资金吞吐约 2.2 亿港元；
- 也就是说，账上还有约 204.20 亿港元没花完；
- 而上市至今 9 个月，智谱累计融资已超 750 亿港元。
有媒体据此测算，智谱的资金消耗速度从 IPO 阶段的月均约 6.12 亿港元，加速到 7 月之后的月均约 65.7 亿港元，两个月内快了近十倍。
明明钱没烧完，为什么急着再融？行业内给出的解释是算力采购的付款方式：万卡乃至十万卡集群建设中，采购高规格网络互联设备、锁定高端算力长期产能、定制高带宽内存（HBM），普遍需要支付大比例预付款。等账上的钱见底再去储备，很可能已经错过算力供应链的窗口期。 另有报道提到智谱已建成一座 GW 级数据中心并部分投运、主要服务 GLM 系列研发，该信息来自媒体报道，未经公司正式确认。
另一半答案在财报里。智谱 2026 年上半年营收 9.54 亿元，同比增长约 399.7%，已经超过 2025 年全年；同期 API 平均售价较年初上涨约 101%，单位 Token 推理成本下降 80%；截至 8 月底，MaaS 平台 Token 调用量较年初增长超过 40 倍，付费日活用户增长 603%。收入在涨，但毛利率从去年同期的 50.0% 降到 26.4%，研发投入仍是同期收入的 2.2 倍——这就是它必须继续拿钱的原因。
“完全自训练”到底是什么
把这四个字拆开来，其实就是业界说的 RSI——Recursive Self-Improvement，递归式自我改进。
智谱在公告里给的路径是：由下一代模型在上一代模型构建的环境中训练，逐步形成自我改进循环。具体覆盖三块：
- 数据自产：训练数据的生成与筛选不再完全依赖人工标注；
- 环境自造：构建可执行、可验证的任务环境，让模型在里面试错和反馈；
- 基础设施自我优化：训练与推理设施本身的迭代。
这个方向不是智谱一家的判断。今年上半年已经出现了早期形态：GLM-5.3 参与过自身推理引擎的优化，GLM 生成的训练环境也开始被用于下一代模型训练。
但智谱创始人唐杰在业绩会上的表态很克制：完全自训练范式最大的挑战，是模型能否实现”自我判断”——自主把控训练停止的时机，自主完成错误修正。 他提到，”自我进化”会是 GLM 6.0 的核心思路。
这句话反过来听就是：这一环现在还没解决。
同行的路线可以对照着看。DeepSeek 梁文锋把 AI 演进规划为”LLM → CoT → Agent → 持续学习 → 自我迭代”，RSI 被定位成加速能力进化的关键机制，为此他们推出了 DeepSeek Harness 开发者预览版，底层的 Cordis 机制想解决 AI 自修改的一个工程难题：插件怎么”干净地卸载”而不重启整个进程。月之暗面走的是端到端强化学习，让模型在模拟研究环境里自己摸索出做研究的路径。海外的判断更激进，Anthropic CEO Dario Amodei 认为 AI 正逼近 RSI 临界点，时间窗口是 6 到 12 个月。
不过到今天为止，没有任何实验室在前沿规模上展示过完整的自我训练。 现在大多数所谓”自训练”，本质仍是人类预设目标和约束、AI 自动化执行数据生成与筛选。距离真正”一代更比一代强”的递归闭环，还有相当距离。
影响分析：三条线
第一条线，资本市场。 融资在牛市是弹药，在情绪敏感期会被读成加速烧钱。这次公告撞上的时间点很微妙：同日 OpenAI 与 Anthropic 都发出了”减速”信号，强调在 RSI 趋势下厂商应优先投入可监测性与对齐。海外巨头喊刹车、国内厂商加杠杆，两边的叙事撞在一起，港股 AI 板块当天的调整就不难理解了。这条线其实和 Anthropic 冲 2 万亿美元 IPO 是同一个故事的两面：钱在往头部集中，但市场开始要求看到兑现路径。OpenAI 首席科学家那篇谈监控失效的长文，讲的正是这份焦虑的技术底稿。
第二条线，竞争维度的迁移。 判断一家模型公司中长期位置的变量，正在从模型排名扩展到算力供给、人才密度、工程效率、商业收入乃至资本组织能力。智谱的 GLM 系列在约 11 个月内从 4.6 迭代到 5.3；DeepSeek 从灰度测试到全量路由只隔了半个月（V4.1 Flash 那次切换）。发布一款好模型只赢一场比赛，持续突破智能上界才能赢整个赛季——这就是为什么 335 亿里六成要押在”下一代”上。
第三条线，技术路线。 RSI 从论文话题变成了预算科目。当约 235 亿港元被写进”完全自训练”，这件事就不再是研究人员的判断，而要开始承担可验收的指标。这对整个行业是好事：能被考核的东西，才不会被当成故事讲。
老达点评
这不是”AI 觉醒”的新闻，是”AI 军备竞赛要交财报”的新闻。
我看了几家的复盘，很容易被带到一个方向上：智谱花 335 亿让模型自己进化，是不是要出 AGI 了？我认为这个读法错了。公告里写得很实在——60% 投研发与算力，25% 用于优化资本结构和补充营运资金。后一项占了四分之一，说明这笔钱不全是”冲锋”，也有一部分是”续命”。
第二个提醒是别把”自我进化”当卖点，要当风险条款看。模型自己生成训练环境、自己筛选训练数据、自己判断什么时候停——这三件事任何一件出错，都会被闭环放大。唐杰说核心难题是”自我判断”，这句话本身就在承认闭环还缺最关键的一环。对使用者来说，这意味着在可预见的未来，人工把关这一环不会消失，只会变得更专业。
第三个判断跟钱有关，也更实在：“国产模型一定更便宜”这个直觉，2026 年下半年得重新校准。 智谱 API 均价较年初涨了约 101%，但调用量不降反增，说明市场接受了这个价格；DeepSeek 也在今年重新调整了 V4 系列定价并引入峰谷计价。更麻烦的是那种”静默升级”——Kimi K2.8 Preview 全量上线时模型 ID 保持不变，客户端一行配置都不用改。这对用户是好体验，但也意味着你线上跑的模型，可能某天已经不是你以为的那个了。
所以真正该焦虑的不是”谁先跑到 RSI”，而是”我的调用链路有没有变更管理”。
普通人和小团队现在能做什么
RSI 离你还远，但这轮融资带来的连带影响已经很近了。三件事现在就能做：
- 建一张模型运行台账。 字段至少包括：调用入口与模型 ID、实际路由或版本、思考强度档位、数据权限、单位验收结果成本、人工复核人、回退方案。服务端升级不会提前通知你，台账是唯一的锚。
- 固定一套回归任务做基线。 挑三类高频活（比如代码评审、测试生成、资料整理）各留一个可回滚任务，记录完成率、工具调用轮数、人工改写率和账单。模型换代时拿这套任务做对比，别凭手感判断”变强了”。
- 把”每个合格结果的成本”当指标，而不是 Token 单价。 会搜索、会调工具、要迭代多轮的 Agent，输入上下文会随着轮次反复重发，单价便宜和总账便宜完全可以是两件事。
常见问题
智谱这次到底融了多少钱？
约 50 亿美元，由约 20 亿美元新股配售和约 30 亿美元零息可转债组成，募资净额约 392.74 亿港元。这是智谱 2026 年 1 月港股上市后的第三轮大规模募资，累计融资已超 750 亿港元。
完全自训练（RSI）和普通的模型训练有什么区别？
普通训练由人来准备数据、设计环境和目标；完全自训练要让上一代模型参与训练数据生成、环境构建、评估验证甚至基础设施优化，再用这些成果去训练下一代模型，形成闭环。关键差异在于”自我判断”——模型能否自主决定何时停止训练、何时纠正错误，这一环目前尚未在前沿规模上被验证。
这对普通用户有影响吗？
短期最直接的影响是价格和版本。模型厂商的融资压力最终会传导到 API 定价与调用策略上，企业侧应重点关注价格调整、模型路由变更与服务端静默升级。想持续跟进国产大模型动向，可以看 AI 智能体与自动化专题：这类”模型自己迭代”的能力，落地形态基本都会先出现在 Agent 工作流里；国产模型的路线对照，DeepSeek 专题 里有更系统的整理。更多入口见 AI 专题导航。
