智谱推动大型数据中心建设仍有能力保持模型sota东吴传

观点重申：算力瓶颈背景下先优化，后放大——以上下文从200k拓展到1M为例。长上下文不是免费午餐。扩展上下文窗口意味着：1）训练时要用更长的序列，序列长度会让单步训练成本暴增；2）需要重新调整位置编码；3）需要大量高质量长文本训练数据——而这部分数据本身就稀缺。如果早期就把算力倾注到长序列训练上，会挤占提升推理、代码、数学等核心能力的资源。GLM-5.2架构核心目标是在百万级上下文下，把”计算”和”显存/KV cache”两条瓶颈同时压下来。它围绕三块展开：1）DSA（稀疏注意力）；2）IndexShare（indexer 复用）；3）改进的 MTP。基于以上创新，公司实现了GLM5.2能力的稳健提升并达到国内sota，期待后续GLM-5.3的市场表现。推进大型数据中心建设，再融资落地后算力瓶颈有望快速得到缓解。根据彭博社报道，该大型数据中心将搭载国产算力芯片。公司前期融资节奏及规模在国内大模型初创公司中并不突出。公司7月成功按配售价每股配售股份1,588.00港元发行合共19,780,000股新H股，所得款项总额合共约为314亿港元，公司仍计划于科创板上市，拟募投项目规模150亿人民币。融资落地后，将加速公司模型训练及ARR放量。前期由于市场对于竞争格局的担心股价出现显著回调，我们认为市场对于公司模型能力的评价过于悲观，看好公司模型能力维持领先及 ARR 增长潜力，维持公司“买入”评级。风险提示：公司新模型进展不及预期，市场系统性风险。