🎯 科技 · AI大模型

🔥 国产AI基础设施迎来关键拐点：智谱GLM-5.3-Flash以10万级国产芯片集群跑通大规模真实流量，单位Token成本较年初下降80%

一、智谱交出一份含金量十足的半年报

8月31日晚，北京智谱华章科技股份有限公司（以下简称"智谱"）发布2026年中期业绩。2026年上半年，公司实现收入约9.54亿元，同比增长近400%，收入规模接近去年同期的5倍；MaaS平台Token调用量较年初增长超40倍，ARR（年度经常性收入）达16亿美元。这组数字背后，最值得关注的是：GLM-5.3-Flash成为首款在超大规模真实流量下全面依托国产芯片集群提供服务的模型，端到端性能较初始基线提升3倍，单位Token推理成本较年初下降80%。

截至发稿，GLM系列已完成六轮迭代，智能指数从32提升至60，旗舰模型单任务成本稳定在0.2美元，轻量版GLM-5.3-Flash降至0.045美元——仅为GLM-5.2的十分之一。API平均定价同比提升101%，调用量高增，充分验证了用户为模型能力付费的意愿。

二、国产芯片集群的规模化突破

过去半年，智谱最大的结构性突破在于：推理侧不再依赖海外高端GPU作为唯一规模化路径。通过收购基础设施公司、自研推理引擎与全栈算法优化，智谱已实现10万级国产芯片的规模化低成本推理能力。62万亿Token的调用峰值完全由国产算力承载，充分验证了国产芯片在稳定性与经济性方面的成熟度。

智谱提出的"有效算力"概念值得高度关注——不能简单用有多少张卡来衡量算力能力，真正重要的是有多少算力能够稳定调度、长期运行，最终转化为模型迭代速度与可计费Token。这正是国产AI基础设施从"可用"走向"好用"的关键分水岭。

三、从"参数规模"到"有效深度"

在8月31日的业绩沟通会上，智谱创始人唐杰系统拆解了公司的技术迭代逻辑。他表示，Scaling是通向更高智能的关键路径，但简单扩大参数规模并非Scaling的本质。智谱理解的Scaling包含四个核心维度：基座参数规模、模型有效深度、训练深度、任务环境，四个要素的边际收益随行业阶段动态变化。

GLM-5.3在同架构、同总参数、同激活参数的条件下，仅通过后训练升级就实现端到端任务完成率提升超50%，"这验证了训练深度是当前阶段边际收益最大的变量。"下一代基座模型训练已经启动，方向包括更大的有效规模、更长的原生上下文以及原生多模态统一建模。同时，智谱已尝试通过模型自我对弈生成数据，交由其他模型评审验证，筛选后的数据再投入后续训练流程——这是通向"全自训练"闭环的重要一步。

综合澎湃新闻、证券时报报道 | 2026年9月2日