智谱GLM-6.0瞄准自进化 下一代基座模型推进

🎯 科技 · AI大模型

🔥 核心观点：智谱GLM-6.0瞄准"自进化"，国产芯片推理成本较年初下降80%

9月1日，智谱在半年度业绩沟通会上披露，公司已实现10万级国产芯片规模化推理，单位Token推理成本较年初大幅下降80%。这一数据背后，是中国AI算力基础设施从"受制于人"向"自主可控"加速转型的缩影。GLM-5.3-Flash是智谱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，对比同一硬件的初始基线，端到端服务性能提升3倍。从实验室到生产环境的跨越，意味着国产算力已不只是"能用"，而是"好用"。

过去，国产芯片在大模型推理场景中存在适配成本高、性能瓶颈突出等问题。智谱通过算法优化与硬件协同，逐步打通了从训练到推理的全链路，为行业降低了国产算力落地的门槛。多家国内云厂商已开始接洽智谱的国产芯片推理方案，行业渗透率有望持续攀升。

会上，智谱创始人唐杰将未来GLM-6.0的核心方向概括为"自进化"——模型需要具备自主判断能力，能识别何时该停止、何时该自我纠正。"这不是简单地把模型训练大，而是让模型具备元认知能力"，唐杰坦言这是AI领域最大的挑战之一。

业界普遍认为，当前大模型主要依赖人类反馈强化学习（RLHF）进行优化，缺乏自主纠错和自我迭代的机制。GLM-6.0若能实现真正的"自进化"，将大幅降低人力标注成本，同时提升模型在复杂场景下的稳定性和可靠性。目前，智谱已在安全、编程等垂直领域开展初步探索，累计发现2436个真实代码漏洞，其中中高危1097个，覆盖269个项目。

有分析师质疑智谱"只会后训练"，参数规模相对克制。唐杰回应称，这是主动选择——国内大模型训练数据规模普遍在30万亿至50万亿Token，单纯扩大基础模型参数收益有限，关键是中训练和后训练的边际收益。下一代基座模型已在推进，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。

财务数据也印证了这一策略的成效：上半年智谱开放平台及API业务收入8.25亿元，占总收入86.5%，ARR正快速攀升。从Coding向Agent、Co-work扩展的路线清晰可见，智谱正在用"质量+效率"而非单纯"参数军备竞赛"来赢得市场。

综合每日经济新闻、科创板日报报道 | 2026-09-02