CANN Runtime心跳监测方案：轻量级健康检查实践
2026/9/16 8:07:26
摘要
9 月 13 日晚，智谱（02513.HK）在港交所公告完成约 50 亿美元（约 335 亿元人民币）融资：20 亿美元新 H 股配售（每股 714 港元）+ 30 亿美元零息可转债（2027 年到期，转股价 892.5 港元）。距上一轮 314 亿港元配售仅隔两个月，配售价却从 1588 港元腰斩至 714 港元。更值得关注的是资金去向：60% 投向下一代 GLM 基础模型与"完全自训练体系"——即让下一代模型在上一代构建的环境中训练的递归自我改进（RSI）闭环，年底 GLM-6.0 将交出答卷。
一句话结论：这笔融资的本质不是"买模型和算力"，而是买"自主权"——数据自产、环境自造、算力自建，把模型迭代的瓶颈从"人类数据生产速度"切换为"资金与算力密度"。配售价腰斩与融资加速同频，恰好说明牌桌门票越来越贵。
1. 融资结构：零息 + 溢价，资本用脚投票
1.1 两笔交易的条款细节
| 条款 | 新 H 股配售 | 零息可转债 |
|---|---|---|
| 规模 | 约 20 亿美元（156.83 亿港元） | 约 30 亿美元（201.4 亿元人民币） |
| 价格 | 每股 714 港元 | 发行价为本金的 100.5% |
| 折让/溢价 | 较公告前收盘价 793 港元折让约 9.96% | 初始转股价 892.5 港元，较配售价溢价 25% |
| 期限 | — | 2027 年到期 |
| 股本影响 | 约占扩大后股本 4.50% | 转股后视股价而定 |
| 承销 | 独家全球协调人：中金公司；联席账簿管理人：国泰海通、国泰君安国际 | 同左 |
两个信号值得注意：
- 零息结构：投资人放弃持有期利息，只保留转股期权——赌的是股价长期上涨，这是长期资本对基本面的信任票；
- 集中度高：据报道前 20 大投资人拿下超 85% 的配售份额与超 88% 的可转债份额，全球 TOP 级长线机构是绝对主力，散户化程度极低。
1.2 三段式融资：越融越密，越融越便宜
| 时间 | 动作 | 规模 | 配售价 | 备注 |
|---|---|---|---|---|
| 2026-01 | 港股 IPO | 净筹约 49 亿港元 | — | “全球大模型第一股” |
| 2026-07 | 首次配售 | 约 314 亿港元 | 1588 港元 | 至 8 月底使用不足 35% |
| 2026-09 | 本轮配售 + 转债 | 约 393 亿港元 | 714 港元 | 距上轮仅 2 个月 |
两个月内配售价从 1588 到 714，跌幅约 55%；同期恒指并无大幅波动，这是公司自身的供需定价。但有意思的是，股价与融资节奏在同一个频率上共振：智谱的模型从 2 月 GLM-5 到 8 月 GLM-5.3 保持约两个月升级一次，融资也变成了每两个月一轮。模型迭代飞轮与资本飞轮已经咬合。
1.3 资金用途：六成押注"让模型自己卷自己"
| 用途 | 占比 | 对应内容 |
|---|---|---|
| 下一代 GLM + 完全自训练 + 算力基建 | 约 60% | GLM-6.0 研发、Fully Self-Training 体系、训练/推理算力升级 |
| 业务拓展与战略并购 | 约 15% | 生态投资、产业并购 |
| 资本结构与营运资金 | 约 25% | 补充流动性、优化资本结构 |
2. 完全自训练（RSI）到底是什么
2.1 从"人训练 AI"到"AI 训练 AI"
智谱公告中的原话是：**"完全自训练"即下一代 GLM 在上一代 GLM 构建的环境中训练，形成递归式自我改进循环。**拆开来看是三个环节的闭环：
- 数据自产：模型通过自我对弈、自主生成训练样本，摆脱对人类标注数据的依赖；
- 环境自造：智能体自主搭建测试环境、生成任务场景，自己当"裁判"验证输出质量；
- 自主纠错：模型自己发现训练中的问题、判断何时停止迭代、自主修正错误。
智谱创始人唐杰两个月前的内部信《巨浪已来》把"自我进化闭环，打破人类数据瓶颈"定义为必须翻过的一座山。他在业绩会上点出了 RSI 的最大挑战：“不是把模型做多大，而是让模型能判断自己——知道什么时候停，知道哪里错，知道怎么改。”
2.2 一个自训练循环的最小示意
# self_training_loop.py — RSI 完全自训练循环（概念示意，非真实代码）fromdataclassesimportdataclass@dataclassclassGenNModel:"""第 N 代模型：既是训练环境的生产者，也是被训练对象"""version:strenv_builder:"EnvBuilder"# 上一代模型构建的环境生成器policy:"PolicyWeights"defself_improve(prev:GenNModel,budget:dict)->GenNModel:# 1. 环境自造：上一代模型生成任务、题目与验证器tasks,verifiers=prev.env_builder.synthesize(n_tasks=budget["n_tasks"],difficulty="curriculum",# 难度课程化diversity_guard=True,# 防止任务分布坍缩)# 2. 数据自产：自我对弈 + 过滤（拒绝采样）trajectories=prev.policy.rollout(tasks,k=budget["k_samples"])good=[tfortintrajectoriesifall(v.check(t)forvinverifiers)]# 验证器把关# 3. 自主纠错：失败案例回灌，修正训练策略lessons=prev.policy.diagnose_failures(trajectories,verifiers)# 4. 训练下一代的"知道什么时候停"stop_gate=prev.env_builder.calibrate_stop_gate(metric="verifier_pass_rate",patience=3,# 连续 3 轮无提升即停max_compute=budget["compute_cap"],)nxt=train(prev.policy,good+lessons,stop_gate=stop_gate)returnGenNModel(version=bump(prev.version),env_builder=prev.env_builder.evolve(nxt),policy=nxt)这段示意代码里最关键的是stop_gate——对应唐杰说的"知道什么时候停"。行业共识是：RSI 循环最大的风险不是跑不动，而是跑飞了停不下来。这与同期 Anthropic 提议对 RSI 设置"速度上限"形成了微妙的呼应：海外在讨论给 RSI 刹车，中国厂商在给 RLI 装油门。
2.3 技术底座：GLM-5.3 系列的成绩单
| 模型 | 参数/激活 | 架构特点 | 关键成绩 |
|---|---|---|---|
| GLM-5.3 | 744B / 40B | 与 GLM-5.2 同基座，全部提升来自后训练 | 编程较上代 +50%；Terminal-Bench 3.0 全球第一梯队；CyberGym 84.5%，累计挖掘 2400+ 真实系统漏洞 |
| GLM-5.3-Flash | 320B / 18B | 稀疏注意力 + 线性注意力混合 | 综合能力追平 Claude Opus 4.8，推理价格仅其 1/40；深度适配国产芯片 |
11 个月完成 6 代模型迭代、同一基座靠后训练挖潜——这组数据说明智谱当前的路线是"克制参数扩张，卷进化效率"，与字节 10T 参数路线形成鲜明的路线分野。
3. 商业化与算力：钱从哪来、花到哪去
3.1 中报数据：增长是 API 调出来的
| 指标 | 2026 H1 | 同比 |
|---|---|---|
| 总营收 | 9.54 亿元 | +400%（超去年全年） |
| API/MaaS 开放平台收入 | 8.25 亿元 | +2736%，占总收入 86.5% |
| MaaS 毛利率 | 24.6% | 去年同期 -0.4%，转正 |
| 年化收入 ARR | 16 亿美元（8 月底） | 较 7 月上旬 10 亿美元 +60% |
| Token 调用量 | — | 较年初 +40 倍 |
| API 平均售价 | — | +101% |
API 收入占比 86.5% 说明增长是开发者和企业"调"出来的，不是项目制堆出来的；毛利率转正意味着 MaaS 业务进入"量价齐升"的正循环。当然也要看到另一面：今年前九个月三次股权融资合计约 97 亿美元，而半年收入 9.5 亿元人民币——收入是真的，但与烧钱速度相比仍不在一个数量级，这门生意现阶段的本质还是"用资本市场的钱，买技术迭代的门票"。
3.2 国产算力：十万卡级推理集群
据披露，智谱已依托国产芯片集群实现十万卡级的规模化在线推理，单位 Token 成本下降 80%。本轮融资的算力基建部分将继续向国产芯片倾斜。这与"完全自训练"并列出现在公告里，意图非常明确：训练要用的卡，也得是自己的。自训练 + 自算力，合起来就是两个字：自主权——不用别人的模型，不用别人的卡。
3.3 中美资本对照：两个数量级的差距与两种打法
| 维度 | Anthropic | 智谱 |
|---|---|---|
| 融资规模 | IPO 拟募资最高 1000 亿美元 | 本轮 50 亿美元 |
| 估值锚点 | 最高约 2.3 万亿美元（IPO 预期） | 港股二级市场定价 |
| 技术押注 | 放缓前沿、嵌入式评估员、RSI 速度上限 | 完全自训练（RSI）加速迭代 |
| 算力策略 | 多云多芯（AWS Trainium/Google TPU/英伟达） | 国产芯片十万卡集群 |
| 盈利状态 | Q2 调整后营业利润转正、ARR 650 亿美元 | MaaS 毛利率转正 24.6%、ARR 16 亿美元 |
这个差距约有两个数量级，但也正因如此，智谱必须把钱压在真正能形成壁垒的地方——自训练体系、自研算力。同期行业动态佐证了"国产头部集体冲向资本市场"的趋势：路透社曝出 DeepSeek 在推进科创板上市（已与中信证券合作），南华早报称月之暗面探索港沪双重上市、预计 2027 年一季度挂牌。
4. FAQ
Q1：配售价从 1588 跌到 714，是不是说明智谱不行了？
A：配售价反映的是一级/定向市场的供需谈判结果，与二级市场股价、公司基本面并不完全同步。智谱同期 ARR 增长 60%、毛利率转正、模型保持两个月一代的迭代节奏。更准确的解读是：融资频率加快 + 价格下移 = 烧钱速度在指数上升，且公司选择"先拿够弹药"。
Q2：RSI 和蒸馏有什么区别？
A：蒸馏是用已有强模型的输出训练弱模型（学生学老师）；RSI 是模型自己生成训练环境、任务和验证器，训练自己的下一代（老师造学校、学生当老师）。字节此前"去蒸馏化"指令与智谱"完全自训练"是同一逻辑的两种表述：迭代链条必须自己闭环。
Q3：零息可转债对投资人意味着什么？
A：持有期零利息，只有股价涨过 892.5 港元转股价才能兑现收益。这是纯看涨期权式的投资结构，说明认购主力（前 20 大机构拿走 88% 债券份额）对智谱的长期定价有明确信心。
Q4：60% 资金投向 RSI，风险在哪里？
A：三大风险：一是验证器质量决定数据质量，“自己当裁判"容易产生自我强化偏差；二是训练成本指数级上升，若 GLM-6.0 商业化不及预期，融资节奏将承压；三是同行Anthropic 正在推动对 RSI 设置"速度上限”，国际监管不确定性与技术风险并存。
Q5：GLM-6.0 什么时候能见到？
A：据报道年底推出，定位是实现完全自训练的下一代模型。以智谱 11 个月 6 代的迭代速度，Q4 是合理的观察窗口。
Q6：这次融资对国产大模型行业格局意味着什么？
A：竞争维度从"参数与榜单"切换到"自进化效率 + 算力自主 + 资本弹药"的四项全能。缺钱的玩家连迭代的资格都没有——智谱两个月融两次、DeepSeek 与月之暗面筹备上市，都是同一逻辑的不同切面。
参考资料
- 智谱（02513.HK）港交所公告：《根据一般授权配售新 H 股及建议同步发行 2027 年到期零息可换股债券》，2026-09-13
- 新浪财经：《关注！智谱拿下 335 亿融资》，2026-09-14
- 智谱 2026 年中期业绩公告（API 收入 +2736%、ARR 16 亿美元、毛利率 24.6%），2026-08-31
- The Information / 财联社：Anthropic IPO 拟募资最高 1000 亿美元、估值最高约 2.3 万亿美元报道汇总，2026-09-14
- 路透社：DeepSeek 推进科创板上市（与中信证券合作），2026-09 报道
- 南华早报：月之暗面探索港沪双重上市，预计 2027 年 Q1 挂牌，2026-09 报道