本文來自微信公眾號(hào)： AI前線 ，作者：四月，原文標(biāo)題：《智譜的算力野望浮出水面！自建1GW機(jī)房、數(shù)億收購中科系Infra企業(yè)、布局自研芯片，加速去“英偉達(dá)化”》

被美國限制高端GPU算力多年，快速迭代的國產(chǎn)模型究竟在靠什么持續(xù)訓(xùn)練？

彭博社最新披露，智譜已經(jīng)完成一座1GW級(jí)別的數(shù)據(jù)中心建設(shè)，并開始部分投入運(yùn)營。該中心全部采用國產(chǎn)AI芯片，主要用于GLM系列模型研發(fā)。智譜目前還運(yùn)營著多個(gè)萬卡計(jì)算集群，單個(gè)集群搭載的芯片均超過1萬顆。

1GW的供電規(guī)模，大致可以同時(shí)滿足75萬戶家庭的用電需求。以此計(jì)算，這座數(shù)據(jù)中心已經(jīng)躋身中國AI實(shí)驗(yàn)室/獨(dú)立模型企業(yè)建設(shè)的最大型算力基礎(chǔ)設(shè)施之列。該消息來自一名匿名知情人士，具體芯片型號(hào)、供應(yīng)商和設(shè)備總量暫未披露，智譜方面暫未對(duì)此置評(píng)。

近期，智譜在算力上下游布局頻頻。

據(jù)多家媒體報(bào)道，智譜已斥資數(shù)億元收購國產(chǎn)異構(gòu)算力軟件公司“中科加禾”。后者源自中科院計(jì)算所編譯實(shí)驗(yàn)室，核心能力覆蓋編譯器、虛擬指令集、Runtime和推理引擎。據(jù)悉，智譜已經(jīng)完成這筆收購，但截至目前，交易雙方尚未發(fā)布正式公告。

更早前，The Information披露，智譜正在與國內(nèi)芯片設(shè)計(jì)公司接觸，評(píng)估合作開發(fā)定制AI芯片的可能性。該項(xiàng)目仍處于早期討論階段。

結(jié)合上述消息觀察，智譜正試圖構(gòu)建一套**完全脫離英偉達(dá)體系的算力基礎(chǔ)設(shè)施：**自建1GW國產(chǎn)數(shù)據(jù)中心，解決的是穩(wěn)定的算力資源從哪里來；收購中科加禾，解決的是不同國產(chǎn)芯片如何更高效地運(yùn)行GLM；自研定制AI芯片，則進(jìn)一步指向按照自身模型負(fù)載，來優(yōu)化長(zhǎng)期推理成本。

與此同時(shí)，DeepSeek也在推進(jìn)類似布局，包括組建算力運(yùn)營團(tuán)隊(duì)支持烏蘭察布自建的算力中心，增設(shè)芯片設(shè)計(jì)人員，布局面向推理場(chǎng)景的自有AI芯片。

可以看到，獨(dú)立模型企業(yè)正在從算力的購買者，逐步變成算力的運(yùn)營者、改造者，并試圖參與定義下一代算力。

三線并進(jìn)

智譜此次曝光的三個(gè)動(dòng)作，分別落在算力產(chǎn)業(yè)鏈的不同位置。

最底層是物理算力供給。

過去，獨(dú)立模型公司主要通過云廠商、運(yùn)營商或第三方算力服務(wù)商獲得GPU資源。好處是前期投入較輕，可以根據(jù)模型訓(xùn)練和推理需求靈活采購；問題則是芯片供應(yīng)、集群排期、服務(wù)價(jià)格和擴(kuò)容速度，始終掌握在外部平臺(tái)手中。

1GW國產(chǎn)數(shù)據(jù)中心開始部分投運(yùn)，意味著智譜正在獲得更大規(guī)模、更穩(wěn)定的長(zhǎng)期資源池。相比一次性租用幾千張卡，它更接近一套能夠持續(xù)服務(wù)模型預(yù)訓(xùn)練、后訓(xùn)練和大規(guī)模推理的基礎(chǔ)設(shè)施。

第二層是算力軟件。

國產(chǎn)芯片不是簡(jiǎn)單地插進(jìn)服務(wù)器，就能直接承接原本運(yùn)行在英偉達(dá)平臺(tái)上的模型。不同廠商的芯片架構(gòu)、編程環(huán)境、算子庫、內(nèi)存管理和通信機(jī)制并不相同，同一款模型遷移到不同硬件上，往往需要重新適配和調(diào)優(yōu)。

中科加禾的核心價(jià)值，恰好位于模型和芯片之間。

公開資料顯示，其團(tuán)隊(duì)曾參與龍芯、神威、寒武紀(jì)、華為昇騰等國產(chǎn)芯片的編譯器研發(fā)，試圖通過虛擬指令集、編譯器和Runtime，為不同硬件提供較為統(tǒng)一的軟件接口。

當(dāng)然，這并不意味著不同品牌的芯片就可以毫無障礙地混裝在同一個(gè)大規(guī)模訓(xùn)練任務(wù)中?？缧酒瑓f(xié)同還涉及集合通信、精度一致性、網(wǎng)絡(luò)拓?fù)浜腿蒎e(cuò)等復(fù)雜問題。

更準(zhǔn)確地說，中科加禾希望降低同一個(gè)模型在不同國產(chǎn)芯片之間遷移、部署和性能優(yōu)化的成本，把分散在不同硬件平臺(tái)上的理論算力，盡量轉(zhuǎn)化成模型真正能夠調(diào)用的有效算力。

其SigInfer推理引擎宣稱，在特定測(cè)試場(chǎng)景中可將推理時(shí)延最高降低74倍、吞吐率最高提升3倍、能效比提升1.46倍。上述數(shù)字目前主要來自公司測(cè)試，尚不能直接等同于智譜生產(chǎn)環(huán)境中的實(shí)際效果，但哪怕其中一部分能夠兌現(xiàn)，也會(huì)極大程度優(yōu)化智譜的Token算力成本。

第三層則是芯片設(shè)計(jì)。

與訓(xùn)練相比，推理工作負(fù)載通常更加穩(wěn)定。模型結(jié)構(gòu)、參數(shù)規(guī)模、內(nèi)存訪問方式和計(jì)算精度相對(duì)確定，因此更適合通過定制芯片進(jìn)行專項(xiàng)優(yōu)化。

據(jù)了解，智譜目前只是評(píng)估與國內(nèi)芯片公司合作階段，暫無披露合作方、芯片架構(gòu)、流片時(shí)間和量產(chǎn)計(jì)劃。而真正值得關(guān)注的是，智譜已經(jīng)開始思考一個(gè)更上游的問題：與其讓GLM長(zhǎng)期適應(yīng)市場(chǎng)上已有的芯片，能否讓未來的芯片架構(gòu)反過來適應(yīng)GLM？

算力承壓

智譜密集補(bǔ)齊底層算力設(shè)施能力，直接原因并不神秘：模型調(diào)用量增長(zhǎng)得太快，基礎(chǔ)設(shè)施已經(jīng)多次接近承載上限。

今年1月，隨著GLM Coding Plan用戶快速增長(zhǎng)，智譜宣布暫時(shí)限量銷售該產(chǎn)品，每日新增購買額度被壓縮到此前的20%。智譜當(dāng)時(shí)明確表示，部分用戶在工作日下午的調(diào)用高峰期遭遇并發(fā)限流、模型速度下降等問題，需要優(yōu)先為老用戶騰出算力資源。

到了3月，GLM-5上線后，Coding Agent每日調(diào)用量已經(jīng)達(dá)到數(shù)億次。與普通聊天相比，Coding Agent往往需要讀取更長(zhǎng)的代碼上下文，持續(xù)生成大量Token，并反復(fù)調(diào)用搜索、執(zhí)行和調(diào)試工具，對(duì)推理系統(tǒng)的壓力高出一個(gè)量級(jí)。

壓力很快從“速度變慢”，蔓延到了模型輸出質(zhì)量。

一些用戶發(fā)現(xiàn)，GLM-5在復(fù)雜任務(wù)中偶爾會(huì)出現(xiàn)亂碼、復(fù)讀和生僻字，看起來像是模型突然“變笨”。但智譜反復(fù)回放相同請(qǐng)求后發(fā)現(xiàn)，這些異常無法穩(wěn)定復(fù)現(xiàn)，模型權(quán)重本身并沒有發(fā)生變化。

經(jīng)過數(shù)周排查，問題最終被定位到高負(fù)載下的推理狀態(tài)管理。智譜在博客《Scaling Pain：超大規(guī)模Coding Agent推理實(shí)踐》中詳述了KV Cache錯(cuò)配、競(jìng)態(tài)沖突等成因，以及緩存分層與調(diào)度修復(fù)方案。

這次故障也暴露了一個(gè)容易被忽視的事實(shí)：模型能力不只由參數(shù)規(guī)模決定，也受模型的推理系統(tǒng)性能影響。

同一組模型權(quán)重，在低負(fù)載環(huán)境中可能輸出正常；一旦進(jìn)入高并發(fā)、長(zhǎng)上下文和長(zhǎng)任務(wù)場(chǎng)景，緩存、調(diào)度和通信系統(tǒng)的細(xì)小錯(cuò)誤，也能讓用戶感知到模型質(zhì)量下降。

GLM-5.2上線后，這種壓力繼續(xù)放大。The Information報(bào)道稱，該模型上線Vercel平臺(tái)首周，日均Token使用量增長(zhǎng)27倍。與此同時(shí)，智譜還在與更多國產(chǎn)硬件平臺(tái)進(jìn)行適配，以滿足持續(xù)上升的算力需求。

類似的高并發(fā)挑戰(zhàn)也發(fā)生在近期推新的Kimi和Qwen身上。

Kimi K3發(fā)布后，用戶請(qǐng)求量在48小時(shí)內(nèi)大幅超過預(yù)期，逼近現(xiàn)有集群的承載極限。月之暗面隨即暫停C端新用戶訂閱，將現(xiàn)有算力優(yōu)先分配給已付費(fèi)用戶，并計(jì)劃隨著新增資源到位，分批恢復(fù)訂閱名額。公司還準(zhǔn)備將通用會(huì)員與Coding會(huì)員拆分，以便根據(jù)不同任務(wù)的算力消耗，更精細(xì)地分配資源。

剛剛亮相的Qwen3.8-Max總參數(shù)達(dá)到2.4萬億，多名開發(fā)者表示在Token Plan、Qoder等入口均提示訪問受限。官方解釋主要因?yàn)橛|發(fā)了API平臺(tái)的并發(fā)限流（Rate Limit）或配額不足。

鏈條上探

算力壓力之所以越來越難以回避，與大模型公司的商業(yè)模式有關(guān)。

傳統(tǒng)軟件產(chǎn)品完成研發(fā)后，新增一名用戶的邊際成本通常很低。但大模型每回答一次問題，都要消耗真實(shí)的芯片、電力和內(nèi)存資源。

用戶越多，Token調(diào)用量越大，推理成本也會(huì)同步上升。模型公司收入增長(zhǎng)，并不意味著利潤率會(huì)隨之改善。

智譜2025年的收入由3.12億元增長(zhǎng)至7.24億元，同比增長(zhǎng)131.9%；其中，云端API等部署收入增長(zhǎng)292.6%，達(dá)到1.9億元。2026年第一季度，智譜的API調(diào)用量又增長(zhǎng)約400%，公司隨后將API價(jià)格提高83%。

但另一面是，智譜2025年銷售成本由1.37億元增至4.28億元，同比增長(zhǎng)213.3%，明顯快于收入增速。公司在財(cái)報(bào)中明確表示，成本上升主要來自業(yè)務(wù)擴(kuò)張帶來的計(jì)算服務(wù)費(fèi)增加。

同期，智譜研發(fā)支出達(dá)到31.8億元，全年凈虧損47.18億元，高于2024年的29.58億元。研發(fā)支出增長(zhǎng)的原因之一，同樣是向第三方算力供應(yīng)商支付的計(jì)算服務(wù)費(fèi)用增加，以及對(duì)更先進(jìn)模型訓(xùn)練基礎(chǔ)設(shè)施的投入。

這也解釋了智譜為什么要向算力上游走。

如果長(zhǎng)期完全依賴外部算力供應(yīng)商，模型公司每一次業(yè)務(wù)增長(zhǎng)，都會(huì)同時(shí)增加采購成本，并受到資源排期和外部?jī)r(jià)格變化影響。

自建數(shù)據(jù)中心當(dāng)然不是免費(fèi)的午餐。

它意味著公司需要承擔(dān)芯片采購、電力、冷卻、網(wǎng)絡(luò)、設(shè)備折舊和長(zhǎng)期運(yùn)維成本。如果模型需求低于預(yù)期，或者芯片迭代速度過快，巨額基礎(chǔ)設(shè)施也可能變成沉沒成本。

但當(dāng)模型調(diào)用量達(dá)到足夠大的規(guī)模后，自建基礎(chǔ)設(shè)施的價(jià)值便不只是“更便宜”，而是在算力供應(yīng)的確定性、軟硬件協(xié)同、成本三者之間尋求一個(gè)更大的平衡。

買算力解決的是眼前需求，控制算力決定的是模型公司未來能不能持續(xù)擴(kuò)大規(guī)模。有理由相信，在智譜、DeepSeek之后將會(huì)有更多的模型獨(dú)立企業(yè)投入重點(diǎn)資源與資金在算力設(shè)施領(lǐng)域。

政策層面，相關(guān)補(bǔ)貼也正在從芯片研發(fā)，進(jìn)一步深入到算力項(xiàng)目的實(shí)際采購環(huán)節(jié)。

此前有媒體報(bào)道，獲得國家資金的新建數(shù)據(jù)中心，被要求只使用國產(chǎn)AI芯片。彭博社透露，一項(xiàng)未來五年約2萬億元的全國AI算力基礎(chǔ)設(shè)施方案有望落地。

當(dāng)前，算力一張網(wǎng)被納入到“十五五”開局之年的重要方向。在《“十五五”規(guī)劃綱要》中，“全國一體化算力網(wǎng)”被列為國家級(jí)重大工程，強(qiáng)調(diào)要深入推進(jìn)東數(shù)西算工程，構(gòu)建多層次算力設(shè)施體系和全國一體化算力網(wǎng)，讓算力像“水電”一樣隨取隨用，從而全面支撐人工智能與數(shù)字經(jīng)濟(jì)的高質(zhì)量發(fā)展。

這意味著國產(chǎn)芯片不再只依賴零散試點(diǎn)，而是將進(jìn)入長(zhǎng)期、成規(guī)模的基礎(chǔ)設(shè)施采購體系。