9月13日，智谱宣布完成约50亿美元融资------这距离它7月刚完成的40亿美元配售只过去两个月。更值得注意的是钱的去向：约六成投向一个听起来很科幻的方向，「完全自训练」。与此同时，国产AI芯片半年报集体交出翻倍成绩单。一边是模型公司自掏腰包建算力底座，一边是芯片厂订单排到一年之后，国产AI正在完成一场从「借算力」到「自持算力」的转身。
50亿美元，六成押注「完全自训练」
这轮融资的结构本身就很有信息量：约20亿美元股份配售，加上约30亿美元零息可转债，可转债占六成。投资者愿意接受零息条款，赌的不是利息而是未来转股的收益，相当于用真金白银给智谱的技术路线投了信任票。
资金去向同样明确：约60%的所得款项净额，将投入下一代GLM基础模型、「完全自训练」体系以及配套算力基础设施。所谓「完全自训练」，按智谱在公告中的定义，是让下一代GLM模型在上一代模型搭建的环境里递归训练，形成自我改进闭环------数据自产、环境自造、基础设施自我优化。说人话就是：让AI自己出题、自己考试、自己改错，然后循环往复。
这个方向在学术圈叫「递归式自我改进」，被视为通往更强模型的关键路径之一。把「自训练」写进融资公告、当成核心研发方向的商业公司，智谱是第一家。当然也要泼点冷水：配套模型和论文尚未正式发布，实际效果几何，还得等下一代GLM真正亮相再下结论。
▲ 「完全自训练」：让AI自己出题、自己考试、自己改错
国产芯片「爆单」，需求是供给10倍
模型公司敢押注自训练，底气来自算力侧的同步进化。智谱已落地1GW级国产AI算力数据中心，全部采用国产AI芯片，同时运营多个万卡级计算集群；还正式完成了对国产异构算力软件公司中科加禾的收购------这家公司源自中科院计算所编译实验室，专攻编译器、虚拟指令集和推理引擎，能把不同架构的国产芯片「统一调度」，让同一套硬件跑出更高效率。
国产芯片本身也在兑现收入。财报统计显示，海光、寒武纪、摩尔线程、沐曦、壁仞、天数智芯、燧原七家厂商2026年上半年合计营收约214.6亿元，接近上年同期的两倍，毛利率普遍守住55%以上；国产算力芯片正处在「爆单」状态，部分产品交付排期延至一年后，国内算力需求达到供给的10倍以上。摩尔线程高管在服贸会上给出一个更直观的对比：英伟达在中国AI芯片市场份额已从巅峰期的约95%跌至不足8%，国产份额突破60%。
▲ 国产AI芯片上半年营收接近翻倍，交付排期延至一年后
大模型从「比参数」进入「拼耐力」
过去三年，大模型行业的竞争主线是参数和跑分------谁训练用的GPU多、榜单分数高，谁就能拿到下一轮融资的入场券。但2026年下半年，这套逻辑明显失灵了：模型能力的迭代速度已经以周为单位，任何一次性能领先都不再绝对安全。
新的比赛规则变成了三件事：造血能力、算力壁垒、生态落地。智谱上半年的商业化数据是个注脚：收入9.54亿元，同比增长399.7%，其中API业务收入8.25亿元、同比增长2735.7%；单位Token推理成本较年初下降约80%，MaaS业务毛利率从上年同期的-0.4%转正至24.6%。大洋彼岸，DeepSeek今年前7个月的AI基础设施支出达到去年的近10倍，并计划在内蒙古数据中心部署至少16万颗国产芯片。
「从租算力、买算力，到自己盖数据中心」------模型公司正在从算力的使用者，变成算力基础设施的建设者。这才是这轮军备竞赛真正改变的东西。
▲ 模型公司正从算力使用者变成算力基础设施建设者
写在最后
50亿美元听起来是个惊人的数字，但拆开看，它买的不是「更强的模型」，而是一套可持续的迭代机制：自训练解决数据从哪来，自持算力解决成本怎么降，商业化数据证明这条路走得通。当行业集体从「跑得快」切换到「跑得久」，决定胜负的将不再是单点突破，而是谁能连续走对二十步。至于智谱的「完全自训练」能不能跑通，让下一代GLM自己说话。