智谱完成约 50 亿美元融资，把「让模型在上代模型构建的环境里训练自己」写进用途

智谱 9 月 13 日宣布完成约 50 亿美元（约合 336.54 亿元人民币）融资，由约 20 亿美元（约 156.8 亿港币）股份配售与约 30 亿美元（约 201.4 亿人民币）可转债发行构成。资金主要用于下一代 GLM 基础模型及「完全自训练」（Fully Self Training）体系研发，以及大规模训练、生产推理、算力资源与相关技术基础设施的部署与升级。公告对完全自训练的定义是：下一代 GLM 在上一代 GLM 构建的环境中训练，形成递归式自我改进循环；具体投入包括自动化生成与筛选训练数据、构建任务环境、提升长程推理能力，以及国产芯片适配、算子开发与推理优化。智谱称这套安排同时瞄准模型能力与算力效率——一边让模型参与构建训练资源以拓展数据与任务环境，一边通过芯片适配与推理优化提高同等硬件条件下的有效产出。

融资构成

智谱 9 月 13 日宣布完成约 50 亿美元融资，按公告时的汇率约合 336.54 亿元人民币，由两部分构成：约 20 亿美元（约 156.8 亿港币）的股份配售，以及约 30 亿美元（约 201.4 亿人民币）的可转债发行。

钱要花在哪

公告写明的主要用途是下一代 GLM 基础模型与「完全自训练」（Fully Self Training）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与升级。

其中「完全自训练」的定义值得单独看：下一代 GLM 在上一代 GLM 构建的环境中训练，形成递归式自我改进循环。具体投入包括自动化生成与筛选训练数据、构建任务环境、提升长程推理能力，以及国产芯片适配、算子开发和推理优化。

两条线同时押

智谱称这套安排同时瞄准模型能力与算力效率两个变量：完全自训练探索由模型参与构建训练资源，为后续迭代拓展数据和任务环境；芯片适配与推理优化则着眼提高同等硬件条件下的有效产出。两条路径同步投入，目的是在扩大训练规模的同时探索更高效的模型改进方式。

值得追问的三件事

递归循环的判据：什么算「下一代更强」，由谁评、用什么基准评，外部能否复核
训练数据来源：自动化生成与筛选的数据如何控制质量与污染，是否可追溯
算力效率目标：国产芯片适配后的实测有效产出，与现有集群相比到底差多少

同一周里，一边是「给前沿减速」的公开主张，一边是把「让模型造下一代模型」写进融资用途。