核心观点 - 智谱在上市不到九个月内完成三轮融资，累计净募约755亿港元（约646亿元人民币），资金主要投向下一代GLM基础模型和“完全自训练”体系的研发及算力基础设施 [1][19] 融资与资金分配 - 2026年9月12日，智谱公告配售新H股及发行201.4亿元人民币零息可转债，合计预计净募约393亿港元 [2] - 约60%的所得款项净额（约235亿港元）投入下一代GLM基础模型和“完全自训练”体系研发，以及大规模训练、推理和算力基础设施部署与升级 [7] - 约15%（约59亿港元）用于业务拓展、战略投资和潜在并购，筛选标准包括业务与AI技术密切相关、稳定经营不少于两年、具备成熟产品或技术平台 [13] - 约25%（约98亿港元）用于优化资本结构和补充运营资金 [15] - 全部所得款项预计在2028年6月30日前悉数动用 [16] 融资时间线 - 2026年1月8日，智谱以每股116.20港元完成H股全球发售，净募约48.96亿港元，截至2026年8月31日已全部花完 [17] - 2026年7月9日，以每股1,588港元完成首次配售，净募约313.75亿港元，每股价格较IPO翻了约13.7倍，截至8月底已动用约34.92%（约109.55亿港元） [17] - 2026年9月12日，H股收盘价回落至793港元，配售价从1,588港元降至714港元，公告解释因业务进展加快及算力部署周期需要提前融资 [18] - 公告透露A+H计划，可转债条款明确不会因预期在科创板上市而对换股价作出调整 [19] “完全自训练”技术体系 - 智谱下一代GLM-6.0瞄准自进化，在半年报业绩沟通会上已回应“只会后训练”质疑 [4] - “完全自训练”是智谱对递归式自我改进（RSI）的具体技术表述，涵盖数据自产、环境自造、基础设施自我优化三个维度 [3][8] - 数据自产：通过模型间自我对弈、规则校验、执行验证、模型评审和人工抽检等方式，自动生成、筛选和积累高质量训练数据，持续回流到预训练、中训练和后训练各阶段 [9] - 环境自造：让智能体采集和转化真实世界任务，自行试做、生成验证器、检查任务可解性，扩充训练环境的数量、类型和复杂度，使任务环境成为“可规模化生产及复用的训练资源” [10] - 基础设施自我优化：利用模型编码和系统工程能力，协助开发和优化训练及推理系统的算子、内核、调度、缓存和服务栈，使模型参与支撑自身迭代的基础设施升级 [11] 下一代模型能力方向 - 提升基础模型的有效规模和原生多模态统一建模能力，在不过度增加推理成本前提下加深有效计算深度，支持更长链条的推理、规划和自我校验 [12] - 长程任务强化学习是重点，建设贴近真实专业工作的任务环境，训练模型拆解任务、调用工具、与环境交互、从错误中恢复、验证最终结果 [12] - 算力方面，当前市场“优质算力资源的供给及交付条件较为有利”，将综合推进采购与租赁，投入芯片适配、算子开发、集群互联和性能调优，建立来源多元且可灵活调配的算力供给体系 [12] - 自研推理引擎和服务栈覆盖多模态编码、提示词预填充、逐Token解码、量化、缓存、通信及弹性扩缩容等环节，目标在同等硬件条件下提升推理吞吐和成本效率 [12] 业务拓展与运营 - 业务层面支持MaaS平台、API、Coding Plan以及Agent和Co-work相关产品与服务的市场拓展 [15]