智谱回应只会后训练质疑：GLM-6.0瞄准自进化，10万级国产芯片推理成本降80%

9月1日，智谱召开2026年半年度业绩沟通会，创始人唐杰在会上正面回应了市场对智谱’只会后训练、不擅基座’的质疑。他明确表示，下一代GLM-6.0模型将瞄准’自进化’方向，模型能够自主判断何时停止迭代、何时进行纠正。同时披露，智谱已实现10万级国产芯片规模化推理，单位Token推理成本较年初下降80%，GLM-5.3-Flash成为首款在超大规模真实流量下全面依托国产芯片集群的模型。这一系列信息标志着国产基座模型与国产算力生态正在形成深度耦合。

唐杰正面回应’只会后训练’质疑

过去一段时间，行业内对智谱存在一种质疑声音：认为智谱在后训练、对齐与微调上表现突出，但在基座模型的预训练规模与技术深度上与第一梯队仍有差距。这种观点的依据是，智谱近年推出的多款模型在指令遵循、Agent能力上表现出色，但在原始基座的参数规模与训练算力投入上并未达到外界预期。唐杰在沟通会上首次系统性地回应了这一质疑。

唐杰表示，下一代GLM模型将继续扩大基座规模，同时对激活参数进行更精细的管控，以在能力提升与推理成本之间取得更优平衡。这意味着智谱并未放弃基座路线，而是选择了’稀疏激活’与’规模扩张’并行的技术路径。他强调，单纯追求参数规模并不等同于基座能力，关键在于训练数据质量、架构设计与激活策略的协同。这一表态实际上是对行业’唯参数论’的一种纠偏，也为智谱的基座模型战略定下了基调。

分析人士认为，唐杰的回应既是技术澄清，也是市场策略。在国产大模型竞争进入深水区的当下，基座模型能力已成为评判厂商梯队的关键标尺，智谱需要通过明确的下一代路线图来稳定开发者与客户信心。GLM-6.0的’扩大基座加精细激活’方向，既回应了规模质疑，又保留了智谱在效率上的差异化优势，是一种务实的折中。

GLM-6.0的’自进化’方向

唐杰将GLM-6.0的核心方向概括为’自进化’，这一概念比通常的自我迭代更具野心。按照他的描述，自进化意味着模型能够在训练与推理过程中自主判断何时应该停止当前迭代、何时应该对自身输出进行纠正，甚至在一定程度上识别自身能力边界并主动寻求补充数据或调整策略。这已接近业内讨论的’自博弈’与’自改进AI’的前沿话题。

自进化路线的挑战同样明显。首先是评估难题：当模型自行判断对错时，其评估机制本身是否可靠成为关键，一旦自评估存在偏差，自进化可能放大错误。其次是稳定性问题：自进化模型在连续迭代中可能出现能力漂移或退化，需要严密的护栏机制。最后是算力需求：真正意义上的自进化意味着模型几乎处于持续训练状态，对推理与训练算力的消耗都将远超传统模型。

智谱选择这一方向，既是对自身后训练与对齐能力的自信，也是对国产算力规模化能力的押注。只有在推理成本大幅下降的前提下，自进化才有商业可行性。这也解释了为何唐杰在同一场合重点披露了10万级国产芯片推理的进展——自进化与国产算力生态在智谱的战略中是相互支撑的两条主线。

10万级国产芯片规模化推理

智谱在沟通会上披露的最具产业意义的进展，是已实现10万级国产芯片的规模化推理。这意味着智谱不再依赖进口GPU即可支撑超大规模模型的线上服务，国产芯片在软件栈、集群调度与稳定性上已经达到生产级水准。GLM-5.3-Flash作为首款在超大规模真实流量下全面依托国产芯片集群的模型，其稳定服务为整个国产算力生态提供了最具说服力的验证。

更关键的是成本数据。唐杰表示，单位Token推理成本较年初下降80%，这一降幅远超行业平均水平。成本下降既来自芯片规模化带来的摊销效应，也来自智谱在模型架构与推理优化上的持续投入，包括稀疏激活、量化与KV缓存优化等技术的综合应用。推理成本的断崖式下降，为智谱在Agent、长上下文与自进化等高消耗场景下的商业化打开了空间。

对国产芯片产业而言，智谱的实践具有标杆意义。过去国产芯片在实验室性能上已有突破，但在超大规模真实流量下的稳定性与经济性一直被市场质疑。GLM-5.3-Flash的规模化服务，证明了国产芯片集群在软件生态、故障恢复与成本结构上已经具备与进口方案正面竞争的能力。这为国产芯片在更多大模型场景的落地扫清了关键障碍。

智谱基座模型战略的深层逻辑

将唐杰的几项披露串联起来，可以勾勒出智谱基座模型战略的深层逻辑：以稀疏激活与规模扩张并行的方式构建基座能力，以国产芯片规模化推理压低服务成本，以自进化方向构建长期差异化。这三条主线相互嵌套，形成了一条区别于纯规模驱动或纯效率驱动的第三条道路。

在国产大模型阵营中，智谱的定位正从’后训练强者’向’基座与后训练并重’演进。这一转型的难度不容低估，基座模型对数据、算力与架构的投入门槛远高于后训练，且短期内难以看到明显回报。但唐杰显然认为，在AI竞争进入基座为王的阶段，没有自主基座就难以掌握长期主动权，这也是其正面回应质疑的根本动机。

市场对智谱战略的初步反应偏积极，但也有人指出，自进化与国产芯片推理的结合虽具前瞻性，但技术与工程风险并存，能否在GLM-6.0上真正落地仍需观察。尤其自进化方向在全球范围内尚无成熟先例，智谱若能在这一方向上取得突破，将为其在国产乃至全球大模型竞争中赢得独特身位。

市场反应与行业影响

沟通会当日，智谱在开发者社区与产业客户中引发广泛讨论。推理成本下降80%的消息尤其受到企业用户的关注，多家正在评估大模型落地的企业表示，这一成本水平使更多高消耗场景的商业化变得可行。Agent、长文档处理与多轮对话等过去因成本受限的场景，有望迎来新一轮需求释放。

国产芯片产业链也受到正面提振。市场普遍认为，智谱的规模化实践为国产芯片在大模型推理场景的可用性提供了最具说服力的背书，有助于国产芯片在更多模型厂商与云服务商中加速渗透。对进口GPU的依赖预期进一步下降，这将深刻影响未来几年国内AI算力市场的格局。

对整个国产大模型赛道而言，智谱的披露抬高了竞争门槛。基座能力、推理成本与前沿方向（自进化）的三角竞争，意味着仅靠后训练与对齐难以维持梯队地位。预计其他厂商将在下半年密集跟进基座与算力的相关披露，国产大模型竞争将进入更硬核的阶段。