智谱AI技术演进与算力策略总结
1. Agent和Coding能力进步原因
智谱AI的Agent和Coding能力自GLM-4.5起已处于业界领先水平，GLM-5发布后进一步显著提升。公司通过确立ARC战略（Agentic、Reasoning和Coding），逐步聚焦于Agentic Coding方向，并在2025年9月推出Coding plan，GLM-4.7版本中达到极致。算力资源消耗为2026年发展奠定基础，GLM-5及后续4.x系列模型尺寸更大，相对实力更强。
2. 模型迭代速度因素
模型迭代速度并非加快，而是多条研发线路并行推进。例如GLM-5训练在GLM-4.7未退役时已开始。团队优势在于市场机会捕捉，通过观察评测结果判断稳固模型和未来趋势，减少研发弯路。智谱最先进模型接近Claude 4.6，但存在多模态短板，差距约4-6个月（benchmark/技术扎实度）。
3. 蒸馏技术占比与监管应对
蒸馏在模型能力提升中占比持续降低，主要作用是风格相似性而非核心能力赋予。DeepSeek等厂商通过架构创新、预训练及强化学习提升能力。监管应对依赖产业链合作，通常由第三方执行。
4. 算力分配策略变化
算力分配比例剧烈波动，无固定比例。技术架构创新（如DeepSeek）可降低推理算力需求，更多资源分配给训练。公司长期供不应求，算力按比例分配给大客户，核心是保证资源承诺。
5. 训练算力投入趋势
训练算力比重预计不会下降，反而可能增加。市场和资本估值基于产品能力和技术领先性，持续推出领先大模型需遵循Scaling Law，算力投入刚性。
6. 训练与推理算力管理模式
训练和推理算力池化管理，采用潮汐调度技术。夜间空闲算力（8-10小时）用于训练，优先保障线上服务。集群启停时间约半小时，提升整体运行效率。
7. 算力规划策略
算力规划本质是多方博弈，取决于技术创新动能或现有技术路径。智谱更倾向技术创新，通过人才储备和效率提升弥补算力不足，而非囤积计算卡。
8. 模型能力与团队实力评价
DeepSeek、Kimi、智谱AI为第一梯队，各有特色。DeepSeek/Kimi世界知识优于智谱AI，但智谱AI在Coding/Agent场景中表现最强。智谱AI在Coding领域钻研深度和数据储备独一档，MiniMax虽模型小但技术实力认可。
9. 中国大模型厂商出海挑战
规模化困难，收入超10亿即面临持美国许可证供应商竞争。大模型政治敏感性导致海外机构客户谨慎，开源模型难以获得大规模商业收入。
10. DeepSeek低价策略与可持续性
DeepSeek低价策略源于其纯to C模式（不维护旧版本、不提供SLA），资源管理高效。其他厂商因商业定位不同难以复制。
11. to B与to C商业模式比较
DeepSeekto C模式若成功，长期收入可能更高但抗风险能力低。海外短期内to B模式更顺畅，客单价高。OpenAI to C用户基数大但订阅费增长缓慢。
12. 豆包to C市场与AI行业特性
豆包用户规模增长不等于战役结束，AI行业无规模效应，用户越多成本越高。字节跳动去中心化模式或延缓资源争夺，但未来资源分配问题将凸显。
13. 竞争策略与行业格局
应采取差异化路线，行业领先地位交替变化。AI行业激动人心但充满不确定性，微小事件可能导致战略调整，竞争格局动态变化。
14. 国产推理芯片应用前景
国产芯片如昇腾910B对标H200，无法替代英伟达B系列芯片在推理性能上的优势（如DeepSeek FP4模型推理速度可达150 token/s vs 智谱AI 50 token/s）。采购决策取决于市场需求。
15. 海外市场对推理速度敏感度
海外用户对速度敏感度远高于国内，硬件差距显著（B300级别芯片带来更低时延和更高吞吐量）。不同地区用户需求差异巨大。
