27倍。一个模型发布一周，用量直接翻了27番。
调用量暴涨本来是好事，但对智谱来说，这更像一份昂贵的账单。每一个token背后都是算力在烧，而智谱现在能用的卡，英伟达的不让买了（上了实体清单），华为昇腾要排队等，国产替代还在爬坡。模型越火，算力成本越烫手。
所以造芯片这件事，不是智谱心血来潮要跨界搞半导体，而是商业模型跑通之后，压力一层层往下传，传到了最底层的硅片上。
模型火了，芯片变得烫手
先说清楚智谱现在面临的是什么局面。
GLM-5.2今年6月发布，745亿参数的MoE架构，活跃参数44亿，支持100万token上下文，MIT协议全量开源。性能对标Anthropic的Claude Opus级别。发布当天，智谱的Coding Plan套餐就卖断了货。
Coinbase CEO Brian Armstrong在X上公开说正在测试GLM-5.2，目的是降低AI使用成本。GLM-5.2还上了Oracle Cloud Infrastructure，企业客户可以直接在甲骨文云上部署。
开源模型火了，用户可以免费下载自己跑，但大量应用开发者还是选择直接从智谱买API调用——因为模型公司承担了运行成本，开发者拿到的价格比自己部署便宜。听起来是双赢，但算力账单全压在了智谱头上。
The Information的报道里提到一个关键细节：智谱正在把商业模式从"帮客户做本地部署"转向"卖API按量收费"。本地部署更像一锤子买卖，模型装进客户数据中心，后续服务收入有限。API调用则按用量持续收钱，收入更可持续。
但反过来，调用量越大，智谱自己要扛的推理算力成本就越高。这跟开餐厅一个道理：外卖单子越多，你赚的越多，但后厨的煤气费也越烧越凶。
问题在于，智谱的"煤气"供应不太稳。
2025年智谱被美国商务部列入实体清单，英伟达的AI GPU买不了了。目前智谱的算力来源是华为昇腾、其他国产芯片、以及部分此前囤积的英伟达芯片。今年1月，智谱发布了一款完全用华为芯片训练的图像生成模型——号称首个全流程使用中国芯片训练的大型图像生成模型。
但用国产卡不等于没瓶颈。美国出口管制同时在卡中国晶圆厂的先进制造设备。而且，让GLM在华为硬件上高效跑起来，还需要大量额外的软件工程适配，这笔适配成本同样是真金白银。
下半年智谱计划部署华为昇腾950平台，希望能缓解GLM-5.2及后续版本的服务可用性。但昇腾950本身也在产能爬坡期，华为2026年的出货目标已经上调到75万片，订单排队排到了字节、腾讯、阿里这些大厂前面。
所以说，智谱的模型跑得越快，算力供给越是拖后腿。
造芯这条路，别人已经趟过了
智谱不是第一个动这个念头的模型公司，甚至不是中国第一个。
看看大洋彼岸的同行们在干什么就知道了。
OpenAI今年6月刚发布了自研推理芯片Jalapeno，从立项到流片只花了9个月，号称"史上最快的高性能ASIC开发周期"。
博通负责芯片实现和量产，台积电3纳米代工。博通CEO陈福阳指出，相比典型AI GPU，Jalapeno能省约50%的算力成本。
OpenAI已经规划了多代路线图，下一代2028年推出，目标是2029年定制芯片提供10GW算力。
谷歌就不用说了，TPU从2016年干到现在，已经迭代了七代。亚马逊有Trainium，微软有Azure Maia，Anthropic也在琢磨自研芯片。
中国这边，路透社前一天刚报道DeepSeek正在研发面向AI推理的自有芯片。阿里平头哥、字节跳动、百度昆仑芯，都已经在推不同形态的AI芯片。
模型公司自研芯片，正在从可选项变成必选项。
但这里有一个关键区分：这些芯片不是通用GPU的替代品，而是ASIC，围绕特定模型和特定任务做定向优化的处理器。目标不是什么AI负载都能跑，而是把自家模型跑得更便宜、更稳定。
拿OpenAI的Jalapeno来说，它官网通稿里半个字都没提"训练"。这颗芯片只解决一个问题：推理部署。训练仍然靠英伟达。这不是偶然。训练芯片技术壁垒极高，利润最丰厚，但短期谁也动不了英伟达的位置。推理就不一样了，推理是持续性成本。GPT-4训练一次就完事，但每天要回答数亿用户的问题，每一次对话都是一次推理请求。规模化之后，推理的累积消耗远超训练。
推理的瓶颈也不在计算，在内存带宽。用户发一个问题，芯片得把整个模型权重从内存搬到计算单元，这个搬运过程才是延迟的真正来源。Jalapeno的架构设计就是围绕这个痛点：减少数据移动，让实际利用率逼近理论峰值。
智谱想干的，大概率是同一件事：给GLM模型定制一颗推理专用ASIC，把每个token的运行成本压下去。
但智谱和OpenAI的处境有一个根本差异：OpenAI造芯是为了省钱，智谱造芯是为了活命。
OpenAI的Jalape?o由博通设计、台积电3纳米代工。智谱呢？它上了实体清单，台积电代工这条路基本走不通。The Information的报道说，如果项目推进，智谱"很可能选择中国晶圆厂制造"。
中国晶圆厂现在能做到什么水平？中芯国际的先进制程还在14纳米附近徘徊（ N+1/N+2 节点等效7纳米），跟台积电3纳米差了两三代。这意味着同样面积的芯片，能塞进去的晶体管更少，能效比更差。
打个不恰当的比方：OpenAI在用最新款MacBook跑模型，智谱可能得用三年前的旧机器跑同一个模型，还得自己写驱动把性能榨干。
中国AI芯片的三国杀，智谱能插进一脚吗？
智谱要找芯片设计合作伙伴，可选的盘子其实不小。
目前国内AI算力芯片已经形成了三个梯队。第一梯队是华为昇腾，全栈自研，从芯片到MindSpore框架到CANN异构计算架构，封闭但高效，2025年累计出货约81万张，拿下国内20%市场份额。昇腾950PR单卡FP4算力1.56PFlops，112GB自研HBM显存，在推理场景下对标英伟达H20有碾压级优势。
第二梯队是寒武纪，专攻AI推理，今年Q1营收28.85亿元，同比增长160%，2025年全年首次实现年度盈利。MLU590芯片已经在字节跳动的搜索、广告、推荐系统中大规模部署。摩根士丹利给了增持评级，预测2026年营收209亿元。
第三梯队是摩尔线程和沐曦，走GPU路线，增速快但体量还小。摩尔线程Q1营收7.38亿元，同比增长155%；沐曦Q1营收5.62亿元，同比增长75%，至今还没盈利。
智谱已经在用华为昇腾了，为什么还要自研？因为华为的芯片是通用推理卡，不是给GLM量身定制的。就像你租了一套精装房，能住，但厨房的灶台高度不对你的身高，每次炒菜都别扭。自研ASIC就是按自己的身高重新砌灶台，前期投入大，但长期用起来顺手。
更现实的问题是，华为的产能要分给所有人。字节、腾讯、阿里都在抢昇腾的货，智谱排在第几号不好说。自研芯片至少能保证供应安全。命脉攥在自己手里，总比排队等配额踏实。
不过这条路不好走，智谱也清楚。
The Information的报道里用了一个很克制的措辞：项目"仍处在早期"，智谱"尚未选定设计方"。从组建半导体团队、选择设计伙伴、流片测试到软件适配，整个周期至少两年。也就是说，就算明天签约，这颗芯片最快也要2028年才能上线。
而2028年，GLM可能已经迭代到6.0了。芯片设计需要锁定模型架构，但模型架构半年一变。你今天按GLM-5.2的参数设计的芯片，两年后可能跑不动GLM-7。
这就是所有模型公司自研芯片碰上的悖论：芯片开发周期以年计，模型迭代周期以月计。谷歌能搞定TPU，是因为它有足够大的工程团队同时维护芯片迭代和模型迭代。OpenAI能9个月流片，是因为用AI辅助芯片设计砍掉了验证环节的大量时间。
智谱有这个能力吗？至少目前看，智谱的强项在模型和算法，不在半导体工程。它的团队规模跟OpenAI不在一个量级，更别说跟谷歌比了。
还有一个不能忽略的背景：智谱已经在港交所上市，市值约1000亿美元，还计划在科创板推进双重上市。对上市公司来说，自研芯片是个烧钱的项目，投资人会盯着每一笔研发支出的回报率。如果两年后芯片没出来，或者出来时模型已经换代，这笔投入怎么跟股东交代？
结尾
智谱造芯这件事，与其说是一个战略决策，不如说是一种被逼出来的本能反应。
模型火了，用量涨了27倍，但卡不能随便买，国产卡要排队，成本压不下来。往上游走，自研芯片，是少数几条能走通的路之一。
但能走通和走得通是两码事。中国晶圆厂的制程差距、芯片开发与模型迭代的节奏错配、半导体工程能力的缺口，每一个都是硬伤。
中国大模型公司正在集体往下卷。模型层卷完了卷框架，框架卷完了卷算力，算力卷到最后，就是芯片。这条路没有捷径，只有时间和学费。
上一个被逼着造芯片的中国公司叫华为，用了十年，花了上千亿，才让昇腾摸到了能打的门槛。智谱想用两年走完这条路，不现实。但如果现在不走，两年后还是会站在同一条起跑线上，只不过对手又多跑了两圈。
扫码关注公众号 
分享
发表评论
登录
手机
验证码
手机/邮箱/用户名
密码
立即登录即可访问所有OFweek服务
还不是会员？免费注册
忘记密码其他方式
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论