观点重申:在算力瓶颈背景下,公司采取“先优化,后放大”策略。以将上下文从200k拓展到1M为例,扩展上下文窗口面临训练成本暴增、位置编码调整、高质量长文本数据稀缺等问题,若早期过度投入长序列训练会挤占其他核心能力资源。GLM-5.2架构通过DSA(稀疏注意力)、IndexShare(indexer复用)和改进的MTP,在百万级上下文下同时优化计算和显存/KVcache瓶颈,实现能力稳健提升并达到国内SOTA水平,期待后续GLM-5.3表现。
推进大型数据中心建设及后续融资将缓解算力瓶颈。根据彭博社报道,公司已建成搭载国产算力芯片的1GW功率大型数据中心。前期融资规模(314亿港元)及节奏在国内大模型初创公司中不突出,7月成功配售新H股。融资落地后,将加速模型训练及ARR放量,目前募投项目规模150亿人民币,计划科创板上市。
市场担忧竞争格局导致股价回调,我们认为公司模型能力被低估,看好其维持领先地位及ARR增长潜力,维持“买入”评级。
风险提示:新模型进展不及预期、市场系统性风险。