9月21日，AI编程工具ZCode因数据处理问题引发开发者关注，随后宣布整改并开源。事故撞上9月13日公布的约50亿美元融资安排，约六成募集资金投向下一代GLM与完全自训练体系，目标是形成递归式自我改进的能力。

9 月 21 日，智谱旗下 AI 编程工具 ZCode 因数据处理问题引发开发者关注。随后，智谱宣布完成整改，将 ZCode 开源，并邀请第三方机构开展安全审计。

比起事故本身，事故爆发的时间节点更敏感。

9月13日，智谱公布约50亿美元融资安排，折合人民币约335亿元，包括约20亿美元股份配售和约30亿美元零息可转债。约六成募集资金，将投向下一代GLM、“完全自训练”体系及相关算力基础设施。

按照公司的描述，下一代GLM将在上一代GLM构建的环境中训练，逐步形成递归式自我改进，也就是RSI。过去是人类研究员训练模型，现在，智谱希望模型参与训练自己的下一代。

这意味着，资本买入的预期又往前走了一步：一家出售智能的公司，开始改善智能的生产方式。

愿景之下，是智谱不太轻松的财务姿态。

截至8月底，智谱IPO净募集的48.96亿港元已按计划全部动用；7月配售的313.75亿港元，已动用109.55亿港元，尚余204.20亿港元。公司仍有资金储备，投入的速度也相当惊人。

智谱给出的理由是提前锁定算力供应。集群建设、网络设备和长期算力产能，都可能要求大额预付款。这些支出对应未来的研发和服务能力，现金流压力先于部分成本进入利润表。

但目前商业收入还撑不起公司的扩张速度。

2026年上半年，智谱收入9.54亿元，同比增长近400%，净亏损仍约20.7亿元。收入增长很快，但今天卖模型赚到的钱，与下一阶段需要调动的资本，依然不在一个量级。

伴随着技术逐渐收敛，大模型的外壳之下其实是名副其实的制造业，算力和数据是竞争的主要维度。智谱需要用技术追求，证明自己的估值。

01 RSI的上限

RSI之所以昂贵，首先在于它可能改变大模型的成本曲线。

目前，模型每前进一步，企业往往还要追加数据、研究员和算力。即便训练方法不断改进，追赶前沿仍是一场持续加码的资本竞赛。RSI试图打开另一种可能：更强的模型提高研发效率，研发效率又带来更强的模型，让上一轮投入继续参与下一轮生产。

如果这个循环足够强，企业获得的就不只是一个更好卖的产品，而是一套更快制造下一代产品的能力。竞争优势可能从“这次比你强”，变成“我进步得比你快”。估值的想象力，由此被拉开。

这套逻辑的核心，是改进能够积累：这一轮节省的时间和算力，继续提高下一轮研发的产出。

Anthropic在9月17日披露，截至8月，其主要内部平台上同时有约3万个智能体从事研究和工程工作；按公司公布的研发自动化指标，Claude已在人类监督下主导26%的研发任务。AI参与制造下一代AI，已经进入头部实验室的日常生产。

如果AI能自主进行实验设计、结果验证，以及有效经验的复用，企业就能够持续降低这些环节的成本，形成跨代优势。

智谱最新公布的Infra Agent，把这件事推进到了生产系统。

据其9月17日的技术报告，GLM-5.3驱动的智能体参与搭建、优化GLM-5.3-Flash的推理基础设施，服务于超过十万张国产AI加速卡组成的集群。从初始适配到具备生产上线条件，用时不足两周，端到端吞吐量提升至初始水平的约三倍。

但问题是，从业界的角度看，前站得住的RSI成果，往往全部来自一个范式：LLM 提议 + 外部 verifier 打分的程序进化搜索——说白了，这些声称能递归自我改进的 AI，还是离不开人类研究员来提出研究方向，并进行评审；

根据智谱财报里披露的信息，其RSI 路线大致是：自动造数据、搭任务环境、长程推理、自我验证。

它与Self-Instruct、STaR、自博弈、自我奖励、合成数据强化学习属于同一条技术谱系，只是做得更系统，但总的来看，这条链条的外框仍然由人类设定：

这更接近一座“AI高度自动化的模型工厂”，而不是AI自主设计自己的继任者。

既然如此，智谱的高估值，还能否撑得住RSI的突破性叙事？

02 智谱的筹码

要判断这份估值是否合理，先要看智谱能否在国内竞争中建立优势。

与智谱同台竞技的，还有DeepSeek与Kimi。三家都在提高AI参与复杂工作的能力，投入的重点却各有不同。

DeepSeek把效率与Agent运行框架一起推进：9月发布的V4.1-Flash增强了文本、视觉和Agent能力，Harness则开放了工具接入与任务执行的基础设施。

Kimi的K3更强调长程任务能力。其采用KDA与Attention Residuals架构，是国内少数逼近Opus 4.8的模型。长时间维护上下文、调用工具和完成工程任务，正是研发智能体需要的底层能力。

智谱的技术筹码，则在GLM-5.3与国产算力基础设施的结合上：Infra Agent已经给出了推理系统优化的工程记录。

就公开成果看，DeepSeek在推进运行框架和效率，Kimi在冲击长程任务能力，智谱在把模型能力转化为算力系统的产出。三家各有可检验的进展，智谱的融资规模领先于其已经确立的技术优势。

技术位置还会随着下一轮迭代改变。单次榜单记录当时的能力，成本、算力栈和迭代速度决定企业此后能做多少实验、积累多少有效改进。谁能让这种积累持续几轮，谁才更有机会拉开距离。

融资成功给智谱争取了时间；技术领先，则需要它在这段时间里拿出比对手更高的研发产出。

智谱已经兑现的优势，是支持持续投入的商业规模和融资通道。

上半年，智谱开放平台及API业务收入8.25亿元，占总收入86.5%，该业务毛利率升至24.6%。这说明公司已经明显转向按调用提供服务，也开始从这门生意里留下毛利。充足资金提高了智谱的生存概率，让团队拥有失败后继续实验的机会；

而这份持续投入的能力，恰好正赶上外部技术供给收紧。

6月12日，Anthropic公告称，美国政府要求暂停境内外外国国民访问Fable 5和Mythos 5，外国籍员工也在其中；

从这时起，尖端AI能力的流通，开始直接受制于地缘政治因素。

通常，一项技术普及后，随着模仿者逐渐增多，领先企业的超额利润会被竞争压薄。但现在，尖端模型访问限制、反蒸馏措施和地缘政治壁垒，截断了部分低成本追赶路径，也延缓了这一过程。国内能够持续提供高水平模型的企业，由此获得了更稀缺的位置。

对国内厂商而言，获取外部高水平模型反馈的门槛越高，自有数据、验证环境和研发系统就越重要。替代需求因此增长，国内同行也会围绕这份需求继续竞争。

智谱由此面对一个受政策边界分割的市场。

它获取超额利润的现实路径，是先在国内同行之间建立可持续的成本、能力或交付优势。

这也是资本押注它的理由：在全球技术差距之外，中国市场内部还有一场尚未分出胜负的竞争。

03 写在最后

这场竞争的关键，还藏在智能生产本身的分工里。

当前前沿模型的研发，依然需要大量外部资本支撑，但另一方面，开源模型的降价，又在不断压缩商业回报。

在此情况下，企业既要买GPU、硬件，也要养研究团队；RSI究竟先替代哪部分成本，决定了这两笔钱怎样发挥作用。

从资本有机构成的视角看，随着每名研究员支配的算力和自动化工具增加，整个研发体系的效率，也会随之发生变化。

眼下最容易被自动化的，是写代码、跑实验、筛数据等可重复环节；

但提出有价值的问题、判断路线和解释异常，仍然高度依赖研究者。

机器越多，人的研究判断就越能影响整套系统的产出。

因此，现阶段RSI首先放大的是科研团队的能力差异。选对方向，一名优秀研究员可以调动大量智能体并行探索；选错方向，再大的集群也可能把无效实验做得更快。

DeepSeek的效率工程积累、Kimi的模型与长程任务能力，因而仍是研发竞争中的实质筹码，能让投入转化为更多有效探索。

智谱的机会，在于用融资优势扩大这种放大效应：稳定研究团队，保障算力供给，把Infra Agent一类局部收益复制到更多研发环节。当前仍由人类组织研究的阶段，资金确实能购买更多试错时间，也能让一条暂时落后的路线持续迭代。

这也解释了智谱为什么需要RSI叙事：当旧一代产品的利润尚不足以覆盖下一代研发，资本市场就成为连接两轮投入的桥梁；

而在RSI的飞轮尚未真正驱动自动化研究之前，谁先失去融资能力，谁就可能在技术兑现前被迫退出。

智谱已拿到更长的研发周期，资金链韧性由此成为它的竞争优势。

但随着算力、设备和自动化系统持续扩张，资本回报的压力也会累积。按资本有机构成的逻辑，企业要用更高生产率和更大销量消化不断加重的投入；单纯扩大机器规模，反而可能让收入追赶成本的距离越拉越远。

因此，RSI最有价值的成果，是让同一笔资本支持更多有效研发，并把成果变成可以出售的能力。

现阶段，虽然智谱更有条件留在牌桌上，而率先实现RSI的胜者，仍要从科研组织与技术效率中产生。335亿元买到了继续竞争的时间；但把时间变成领先，最终还得靠人和机器共同交出的成果。