智谱50亿美元融资背后：大模型竞争进入算力基建时代

出品｜徽声在线科技频道

作者｜宋思杭（改写）

编辑｜苗正卿（修订）

头图｜视觉中国（授权使用）

智谱再度开启大规模融资，大模型赛道竞争格局生变

近期，从DeepSeek到Kimi再到智谱，国内大模型领域激战正酣。Kimi加速推进上市进程，DeepSeek转向算力基础设施布局，而已上市的智谱则持续通过资本市场获取资金支持。放眼海外，OpenAI与Anthropic同样在为IPO做最后冲刺，全球大模型竞争进入白热化阶段。

这些动态释放出明确信号：虽然行业洗牌后存活企业数量减少，但竞争强度却呈指数级上升。头部玩家正通过资本运作构建更深的竞争壁垒。

据路透社9月11日报道，智谱正式启动新一轮融资计划，包含约20亿美元股票配售及30亿美元可转换债券发行，总规模达50亿美元（约合人民币350亿元）。值得注意的是，这距离其7月完成40亿美元配售融资仅过去两个月，而今年1月该公司刚完成港交所上市。

从上市到两次再融资，智谱在资本市场的动作频率显著加快。数据显示，其2024年累计融资规模已突破90亿美元，创下大模型领域融资新纪录。

巨额资金流向呈现明确特征

根据披露信息，本轮融资将重点投向四大领域：AI大模型研发、算力基础设施扩建、全球化业务拓展以及战略并购。这与7月融资用途高度重合，当时算力建设占比超过60%，研发团队扩张占比约25%。

已上市企业仍密集融资的现象，折射出大模型行业正在发生结构性转变。最直观的变革体现在算力投入层面——这已从运营成本转变为战略投资。

据内部人士透露，智谱今年7月建成投用的1GW级数据中心采用全国产AI芯片架构，可支持GLM-4系列模型的千亿参数训练。此外，公司还运营着多个万卡级计算集群，并通过收购异构计算软件企业中科加禾、与国内芯片厂商联合研发定制芯片等方式，构建自主可控的算力生态。

DeepSeek同步加速基础设施布局

竞争对手DeepSeek也在重金投入算力建设。今年以来，该公司在内蒙古乌兰察布持续招聘数据中心专业人才，岗位涵盖高级交付经理、运维工程师等。7月底消息显示，其计划在当地新增1GW算力部署，同时通过租赁方式扩充短期算力储备。

从算力租赁到自建数据中心，模型厂商的角色正在发生质变——从单纯的算力消费者转变为基础设施提供者。这种转变背后，是行业竞争规则的根本性改变。

竞争维度升级：从模型能力到持续运营能力

回顾2023年"百模大战"初期，模型训练能力是核心竞争指标。参数规模、Benchmark得分、GPU集群规模、与GPT-4的差距等成为投资人关注焦点。当时行业遵循Scaling Law，认为模型能力与算力投入呈正相关关系。

但这种竞争模式在2026年发生根本转变。随着头部模型进入持续迭代阶段，预训练、后训练、强化学习、推理等环节形成完整闭环，模型更新周期缩短至季度级别。据行业调研，目前83%的模型厂商已将后训练作为主要发力方向。

Agent技术的崛起进一步改变竞争规则。模型不再满足于生成文本答案，而是需要具备持续调用工具、执行复杂任务的能力。这导致单个模型的Token消耗量激增3-5倍，对算力的稳定性提出更高要求。

在此背景下，企业竞争焦点从"训练下一代模型需要多少算力"，转向"未来三年能否获得持续、稳定、低成本的算力供应"。这种转变迫使模型厂商向产业链上游延伸。

算力战略价值凸显：从成本中心到竞争壁垒

对于头部企业而言，算力已从可变成本转变为需要提前锁定的战略资源。谁能在芯片供应、集群调度、数据中心运营、电力保障等环节建立优势，谁就能掌控模型迭代节奏，同时将长期训练成本降低40%以上。

这种战略考量在智谱和DeepSeek的布局中得到充分体现。智谱通过自建数据中心掌握算力主动权，DeepSeek则采用"自建+租赁"的混合模式确保灵活性。两家企业都在积极与国产芯片厂商合作，试图打破对进口芯片的依赖。

全球资本加速涌入AI基础设施

国际清算银行最新报告显示，2025-2026年全球五大科技公司的AI投资将超过1万亿美元，较2024年增长200%。预计到2030年，全球AI相关投资规模将从目前的5000亿美元激增至4万亿美元。

海外巨头动作更具标杆意义。Anthropic在筹备千亿美元级IPO的同时，已承诺向AWS投入1000亿美元用于算力建设，并持续拓展芯片供应商名单。OpenAI、Meta、Google等企业则在数据中心、自研芯片、清洁能源等领域展开军备竞赛。

据Crunchbase数据，2024年全球AI基础设施领域融资额同比增长270%，其中数据中心建设占比达45%，芯片研发占32%，能源解决方案占18%。

竞争门槛升级：从模型能力到综合运营

当前大模型行业正形成双重竞争门槛：第一轮淘汰了无法持续迭代模型的企业，第二轮则要求参与者证明具备长期运营能力。这涉及四个关键要素：

1. 算力获取能力：能否建立多元化算力供应体系
2. 集群运营效率：万卡级集群的故障率控制在0.1%以下
3. 成本控制水平：训练成本较行业平均水平低30%以上
4. 资金储备深度：持续投入能力不低于每年50亿美元

在这种竞争格局下，模型能力虽仍是基础，但企业更关注底层支撑体系。能否整合国产芯片生态、优化能源使用效率、降低推理成本等运营指标，正在成为决定胜负的关键因素。

这也解释了为何头部企业仍在疯狂争夺人才、资本和基础设施。据LinkedIn数据，2024年大模型领域人才流动率达38%，其中算力工程师、芯片设计师、数据中心运维等岗位薪资涨幅超过50%。

智谱此次募集的50亿美元，超过60%将用于算力基础设施建设和芯片研发。这本质上是在购买进入下一阶段竞争的入场券——当模型能力差距逐渐缩小，真正的较量才刚刚开始。

本文数据来源：徽声在线科技频道（改编自虎嗅网原文）
原文链接：https://www.huxiu.com/article/4890703.html?f=wyxwapp