智谱融资393亿港元，研发GLM-6.0完全自训练
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载募资结构与资金分配
智谱在港交所完成了一次新H股配售，同时发行了金额为201.4亿元的零息可转债，两项合计预计带来约393亿港元的净募资。这笔钱被划成三块：最大的一块约占六成、折合约235亿港元，投向下一代GLM基础模型以及完全自训练体系的研发；另有约15%、约59亿港元用于业务拓展、战略投资与潜在并购；剩下约25%、约98亿港元则用于优化资本结构和补充运营资金。全部所得款项的计划是在2028年6月30日之前用完。这一分配比例说明，研发仍是资金流向的重心，而并购与资本结构安排属于配套动作。
自训练体系的三个维度
完全自训练体系被拆成数据自产、环境自造、基础设施自我优化三条线。数据自产依靠模型自我对弈、规则校验等手段，让训练数据由系统自动生成并完成筛选，减少对人工标注流程的依赖。环境自造则让智能体去采集真实世界中的任务，并自行生成验证器，用这种方式把可用于训练的环境不断扩充。基础设施自我优化指的是让模型参与算子、内核、调度、缓存以及服务栈的调优工作。三者合在一起，指向的是把训练链条上原本由人承担的环节逐步交给模型自身完成。
模型能力与算力配套
下一代GLM的方向是提升有效规模，并加强原生多模态的统一建模能力。长程任务强化学习是其中的重点，涉及把任务拆解开来、调用工具、与环境交互，以及在出错之后恢复并继续推进。算力方面的投入覆盖采购与租赁、芯片适配、算子开发、集群互联和性能调优。自研推理引擎则贯穿多模态编码、逐Token解码、量化以及弹性扩缩容等环节。这些工作共同构成模型能力提升的底层支撑，也解释了为何研发资金占比最高。
并购门槛与既有融资节奏
用于战略投资和并购的资金设有筛选条件：标的需稳定经营不少于两年，并具备成熟的产品或技术平台。这与此前两次上市融资形成时间上的衔接——2026年1月8日IPO以每股116.20港元发行约4,304万股H股，净募约48.96亿港元；2026年7月9日首次配售以每股1,588港元发行1,978万股，净募约313.75亿港元。对关注这家公司的人来说，本次募资的看点在于资金能否按计划在2028年6月30日前落地到自训练体系与算力建设上。
为什么值得看
头部厂商巨额融资押注递归式自我改进，定义下一代模型进化路径。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。