融650亿建算力却市值蒸发七成：智谱的理想有多贵

9月中旬的清华园里，一场名为"高级机器学习"的课程座无虚席，唐杰在讲台上勾勒AI接管PC的蓝图。而在三尺讲台之外，这家他实际控制的公司正经历资本市场最冷酷的定价重估——短短8个月募集近650亿元人民币后，智谱AI（以下称"智谱"）的股价未能兑现融资势能，市值较历史高点已蒸发超过70%，单月跌幅一度逼近35%。

一边是烧掉百亿资金搭建算力基础设施的宏大叙事，一边是二级市场用脚投票的冷淡反馈，这道鸿沟正在拷问这家国产大模型独角兽的商业化成色。

8个月的疯狂圈地

过去八个月，智谱的融资节奏可以用"又快又密"概括。今年1月登陆港交所时，智谱募资约49亿港元；随后在7月和9月，公司相继完成两笔巨额配售，分别锁定40亿美元和50亿美元资金。累计来看，智谱在短时间内向市场索取了约650亿元人民币的弹药。

驱动这笔天文数字级融资的直接动因，是算力缺口。今年2月GLM-5发布后，模型调用需求量暴增十倍，导致智谱算力储备在一周内几近耗尽，甚至被迫临时停售主力产品Coding Plan。面对这一瓶颈，智谱采取了并购与自研并举的策略——收购中科加禾以优化硬件效率，并全面上线数万张国产芯片。

管理层在9月中旬的沟通会上给出了明确的资金去向：投入约300亿元建设10万P算力。在这些算力中，40%将用于模型训练研发，60%则专门承接业务推理需求。

"短期内，算力供给不再是收入增长的主要约束"，管理层试图以此安抚焦虑的市场。

然而，这个目标的实现前提是：10万P算力必须按期建成并满负荷运转。这意味着未来几个月内，数百亿元的资本开支将陆续转化为服务器机柜、数据中心建设和运维成本。而在此期间，智谱仍需支付研发人员薪资、模型训练耗电以及云服务商分成等日常运营支出。

"一年回本"的理论算术题

如此重度的资本开支，能否在短期内形成正向现金流回报？智谱内部提供了一套理论测算逻辑：基于GLM-5.3的高推理性价比，其最高可实现80%的推理毛利。按照全价计算且60%的算力利用率假设下，这10万P算力体系在满负荷运转时，一年收益可达400亿元。

照此账本推算，智谱理论上可以在一年内收回全部算力投入，并覆盖基座模型训练的研发费用，从而摆脱下一轮融资"输血"的依赖。但这组数字更多停留在规划阶段，而非既定事实。

让我们拆解其中的关键假设：第一，60%的算力利用率意味着4万P始终处于空闲或低负载状态，这在实际业务中是否能达成值得商榷。第二，80%的毛利率属于理想状态下的峰值水平，当大量企业用户开始采用弹性计费模式后，价格竞争往往会导致实际单价远低于宣传报价。第三，300亿元的建设周期并非一次性完成，设备采购、部署调试都需要时间沉淀，不可能在当月就产生等额收益。

更为严峻的是，这套测算完全忽略了模型迭代带来的沉没成本。大模型行业的技术迭代速度极快，今天建设的算力架构，明天可能就被新一代模型要求更高精度和更低延迟的训练参数所取代。如果GLM-5.4或后续版本在训练效率和推理成本上再次突破现有边界，前期投入巨资建设的算力集群可能面临过早淘汰的风险。

商业化提速与市场降温

为了配合巨额的基建叙事，智谱正在加速商业化的落地节奏。管理层在会上重点披露了两项突破：一是与头部云服务商签署的分成协议正式落地，GLM系列模型在海外云平台上以托管API形式提供服务，相关收入将从10月起确认；二是Co-work（协同工作）范式下的行业订单金额，在GLM-5.3发布首月便突破了10亿元大关。

网络安全领域已有100家企业接入该模型，这是Co-work率先落地的垂直场景。按照智谱的设计阶梯：Chat、Coding、Agent、Co-work、Autonomous AI——每前进一步，模型进入真实工作流的深度就加深一层，按完成任务计价的价值也逐级放大。如果Co-work这条路能在法律、金融等高价值领域成功复制，将有助于丰富智谱的收入结构，尽快与自身算力扩张部分脱钩。

基于这些进展，智谱有信心将年末全年ARR（年度经常性收入）指引从24亿美元上调至30亿美元。目前，公司全业务口径ARR已达到18亿美元。

但是，唐杰团队拒绝给出盈利时点的具体预测，只说经营拐点将取决于ARR增长速度、模型效率提升以及基座训练投入节奏。这种模糊表述恰恰反映了市场对智谱最大的疑虑：在没有明确盈亏时间表的前提下，投资者如何判断公司现金消耗率何时会降至安全区间？

理想丰满，现实骨感

掌舵技术方向的唐杰，似乎有意远离财务预算这类行政事务，继续以高密度输出个人判断，风格坦诚且带点"反共识"。他判断，Chat这一仗基本打完了，AI的下一站是自我进化、自己创造继任者，称之为RSI（Recursive Self-Improvement，递归自我改进）。

8月下旬，智谱推出原生多模态模型GLM-5.3-Flash，首周就拿下OpenRouter平台调用量第一。这款新模型背后，由GLM-5.3驱动的Infra Agent（基础设施智能体）仅用两周，就使GLM-5.3-Flash在国产加速卡上首次跑通，并扛下全部线上流量，端到端吞吐能力提升3.2倍。

唐杰说，优秀的工程师脑子里有一套隐性经验：什么时候看时间线，什么时候跑微基准，该对比哪一层的输出。现在，智谱大模型把这套经验显式化了。原本模糊的异常现象，转化为可验证的工程假设；复杂的系统问题，被拆解为迭代过程，可观测、可实验、可归因。由此，模型优化系统，系统承载模型。唐杰称此机制为"稠密反馈"。

相对于唐杰对技术的兴奋，眼下，投资者的热情在减退。9月以来，智谱的市值已跌掉35%，相当于损失2000亿港元的账面财富，较高点已蒸发超70%。

当一级市场的资本密集进场为梦想买单时，二级市场的投资回报预期却在不断抬升。智谱尽管手握重金和最新一代开源模型技术，但高昂的运营成本和漫长的变现周期，使得投资者不得不警惕：在ARR跨越30亿美元门槛之前，公司的现金消耗率是否会持续吞噬账面财富？

在这场昂贵的游戏中，唐杰选择远离财务行政事务，继续以"首席科学家"的身份聚焦前沿探索。但对于资本市场而言，技术路线图越陡峭，对应的商业化验证就越容不得半点模糊。未来几个季度的观察窗口非常明确：首先是10月起云服务分成的实际入账规模及利润率表现；其次是Co-work订单向法律、金融等高价值领域的复制速度；最后是10万P算力的实际利用率是否如期达到预期的六成。只要这些核心指标未能逐一兑现，智谱市值的重估就远未结束。

对于关注港股科技股的机构投资者来说，智谱的案例提供了一个观察AI赛道估值逻辑变迁的样本——当技术叙事逐渐从概念走向财报数字，市场的评判标准也会从"谁的故事更动听"转向"谁的烧钱速度更可控"。在算力军备竞赛不断升级的背景下，这场由清华教授发起的理想主义远征，最终能否穿越资本寒冬，仍待时间与业绩的双重检验。