公司战略：智谱构建自主算力基础设施 - 智谱已完成一座1GW级别的国产AI芯片数据中心建设并部分投运，该规模可同时满足75万户家庭用电需求，跻身中国AI实验室/独立模型企业建设的最大型算力基础设施之列[1][20] - 智谱已斥资数亿元收购国产异构算力软件公司“中科加禾”，其核心能力覆盖编译器、虚拟指令集、Runtime和推理引擎[2][21] - 智谱正在与国内芯片设计公司接触，评估合作开发定制AI芯片的可能性，项目处于早期讨论阶段[3][22] - 通过自建数据中心、收购软件公司、探索定制芯片三线并进，智谱正试图构建一套完全脱离英伟达体系的算力基础设施[3][22] - 类似地，DeepSeek也在推进自建算力中心、增设芯片设计人员、布局自有AI芯片等类似布局[3][22] 行业趋势：模型公司向算力上游延伸 - 独立模型企业正从算力的购买者，逐步转变为算力的运营者、改造者，并试图参与定义下一代算力[3][22] - 自建数据中心意味着公司需承担芯片采购、电力、冷却、网络、设备折旧和长期运维成本，存在需求不及预期或芯片快速迭代带来的沉没成本风险[15][36] - 当模型调用量达到足够大规模后，自建基础设施的价值在于在算力供应的确定性、软硬件协同与成本之间寻求更大平衡，而不仅仅是更便宜[15][36] - 买算力解决眼前需求，控制算力决定模型公司未来能否持续扩大规模，预计智谱、DeepSeek之后将有更多独立模型企业投入重点资源于算力设施[15][37] 运营挑战：算力需求激增与成本压力 - 智谱模型调用量增长过快，基础设施多次接近承载上限，例如GLM Coding Plan用户快速增长后，公司曾将每日新增购买额度压缩到此前的20%[9][28] - 2025年3月GLM-5上线后，其Coding Agent每日调用量已达数亿次，由于需处理更长代码上下文并反复调用工具，对推理系统的压力比普通聊天高出一个量级[9][28] - GLM-5.2上线Vercel平台首周，日均Token使用量增长27倍[11][31] - 智谱2025年收入从3.12亿元增长至7.24亿元，同比增长131.9%，其中云端API等部署收入增长292.6%至1.9亿元[13][33] - 2026年第一季度，智谱API调用量增长约400%，随后公司将API价格提高83%[13][33] - 智谱2025年销售成本从1.37亿元增至4.28亿元，同比增长213.3%，明显快于收入增速，主要来自业务扩张带来的计算服务费增加[13][33] - 智谱2025年研发支出达31.8亿元，全年净亏损47.18亿元，高于2024年的29.58亿元，部分原因同样是向第三方算力供应商支付的计算服务费用增加[14][34] 技术瓶颈：高并发下的系统性能问题 - 高负载下，GLM-5在复杂任务中偶尔出现乱码、复读和生僻字等输出质量问题，根源在于高负载下的推理状态管理，如KV Cache错配、竞态冲突等[10][11][29][30] - 模型能力不只由参数规模决定，也受推理系统性能影响，缓存、调度和通信系统的细小错误在高并发、长上下文场景下会导致用户感知到的模型质量下降[11][30][31] - 中科加禾的SigInfer推理引擎在特定测试场景中宣称可将推理时延最高降低74倍、吞吐率最高提升3倍、能效比提升1.46倍，若部分兑现将极大优化智谱的Token算力成本[8][27] - 类似高并发挑战也发生在Kimi和Qwen身上，Kimi K3发布后请求量大幅超预期，公司暂停C端新用户订阅；Qwen3.8-Max总参数达2.4万亿，多名开发者遇到访问受限问题[12][32] 政策环境：国家推动算力基础设施与国产化 - 政策补贴正从芯片研发深入到算力项目实际采购环节，有报道称获得国家资金的新建数据中心被要求只使用国产AI芯片[16][38] - 彭博社透露，一项未来五年约2万亿元的全国AI算力基础设施方案有望落地[16][38] - “全国一体化算力网”被列为“十五五”规划纲要中的国家级重大工程，旨在让算力像“水电”一样随取随用[17][38] - 这意味着国产芯片将进入长期、成规模的基础设施采购体系，不再只依赖零散试点[18][39]