智谱完成50亿美元融资，60%投向下一代模型研发

　　9月13日晚间，智谱官宣近日完成约50亿美元融资 ，包括约20亿美元股份配售及约30亿美元可转债发行 。而在7月9日，智谱首次宣布配售1978万股新H股
，募资总额约314亿港元。智谱在公告中解释称，截至8月31日 ，首次配售所得款项已动用约34.92%
。

　　根据公告
，此次融资将用于模型研发与相关基础设施。通过持续配置资金、算力和研发人才，智谱将进一步完善支撑下一代模型的研发体系 ，把技术探索转化为可持续迭代的创新能力 。其中
，所得款项净额约60%将用于下一代GLM基础模型及完全自训练体系的研发，以及大规模训练 、生产推理、算力资源及相关技术基础设施的部署及升级
。

　　智谱再融50亿美元 ，7月募资已消耗近35%

　　本轮智谱完成的约50亿美元融资中
，包括约20亿美元股份配售及约30亿美元可转债发行。

　　从最终获配结构看，海外机构构成本次发行的主力 ，投资人覆盖亚洲
、欧洲和美洲多个主要资本市场
，另外也有全球头部长线资金等参与 。本轮分配集中度也较高，前20大投资人合计获配股本超过85%、可转债超过88%
。

　　而在7月9日 ，智谱宣布配售1978万股新H股，募资总额约314亿港元。智谱当时称该次募资用途为部署算力资源 、采购或租赁云端算力服务
、支撑公司自研大模型训练及迭代等 。

　　针对7月的募资
，智谱在公告中解释称，截至8月31日 ，首次公开发售所得款项已悉数动用
，而首次配售所得款项已动用约34.92%，并已分别根据招股章程及首次配售相关公告所载的拟定用途 ，主要用于支持本公司既定发展战略及业务扩张
。以此换算
，智谱于7月配售的314亿港元中，已动用约109.9亿港元。

　　对于此次募资 ，在公告中智谱表示
，通过配售事项及发行债券引入额外资金，将有助于进一步增强本公司资本实力 ，支持本公司持续推进基座模型研发、技术创新 、商业化落地及生态建设 。

　　在整个行业内
，随着模型向长程任务
、自主执行和自我改进演进，前沿创新对训练方法、算力供给及工程体系提出了更高要求
。除智谱以外 ，年内阿里巴巴 、MiniMax
、壁仞科技、天数智芯等AI产业链上的公司均在年内完成了再融资。以阿里巴巴为例，8月24日
，阿里巴巴宣布完成新股配售定价 。这是阿里巴巴自2019年上市以来的首次新股配售，募资总额达800亿港元。

　　六成融资投向模型和完全自训练领域

　　针对此次最新融资的用途 ，智谱公告称
，所得款项净额约60%将用于下一代GLM基础模型及完全自训练体系的研发，以及大规模训练 、生产推理
、算力资源及相关技术基础设施的部署及升级
。智谱强调 ，本轮融资将进一步支持下一代GLM及完全自训练体系建设
，探索由下一代模型在上一代模型构建的环境中训练，逐步形成递归式自我改进循环。相关研究覆盖训练数据生成与筛选、可执行和可验证的任务环境 ，以及长程推理 、自我验证等能力
，推动模型参与更完整的训练与改进过程 。

　　另外，所得款项净额约15%将用于支持本公司的业务拓展计划、战略投资及潜在并购 ，旨在加速智谱的通用人工智能大模型的商业化落地
、拓展产业生态
。

　　所得款项净额约25%将用于优化资本结构、补充日常运营所需营运资金及其他一般企业用途
，以维持充足流动性 、支持持续业务运营并保留财务灵活性。

　　智谱称，本轮融资将进一步支持智谱衔接前沿研发与规模化服务 ，加快技术成果向实际生产力转化 。智谱财报显示，其技术投入已在模型服务业务中形成增长
。智谱上半年MaaS开放平台及API服务收入达8.25亿元
，同比增长约2736%；截至8月底，按月度收入年化计算的ARR达到16亿美元 ，较7月上旬增长60%。

　　另外值得关注的是
，智谱完成了业务结构的转变 。根据智谱最新财报，上半年智谱开放平台及API收入由去年同期的2910万元增至8.25亿元 ，同比增长2735.7%即近乎30倍
，营收占比由去年同期的15.2%飙升至86.5%
。相对应地，上半年 ，企业级通用大模型收入由1.48亿元下降54.6%至6704万元
，营收占比由去年同期的77.3%降低至7%。

　　至此，智谱AI的主要商业化板块已从本地化部署转向按调用量计费的云端MaaS业务 ，智谱的API业务自身毛利率也由去年同期的-0.4%提升至24.6%
，开始产生利润 。

　　智谱董事长刘德兵在财报电话会上提到，未来的模型竞争中 ，单点领先并不构成壁垒，持续的能力领先才是关键
。他将这种能力拆解为以下几个维度。一是迭代速度
，单次领先可以被复制，但一个团队如果能持续以较快的节奏提高智能
、同时控制单位任务成本 ，这条能力曲线就很难被复制；第二是从benchmark（基准测试）拉开到真实任务完成率 。

　　三是从低价值任务进入高价值任务。高价值任务阶段客户更关心的是“一次任务能不能完成、节省多少工程师时间 、降低多少错误和风险 ”
，而不是单纯比较每百万Token 便宜了几毛钱
。四是进入客户工作流后形成的深度使用与迁移成本。

　　这些维度的构成，都需要将资金储备前置到算力
、数据与人才上 ，这或许是这次智谱融资的主要原因 。

（文章来源：南方都市报）